房天下产业网讯：2017年12月20日，“2017第十四届中国数字地产节”在北京举办。大会基于大数据视角，全面总结了2017年中国房地产市场形势，预判2018年走势，阐释并探讨了大数据为房地产行业带来的创新驱动与巨大价值。会上莫天全、黄瑜、郑宇等多位嘉宾发表主题演讲，多家房企代表及媒体精英参会。

精彩推荐

2017第十四届中国数字地产节

2017-2018中国百城建筑新地标研究报告

2017年中国物业服务价格指数研究报告

【微直播】【媒体宣传】【历届回顾】

中指研究院副总裁兼北京总经理 黄秀青

主持人：尊敬的各位领导、各位嘉宾，大家下午好！

感谢大家在年底百忙之中参加由“房地产指数系统、中国物业服务价格指数系统、中国装饰装修及材料指数系统”主办，“中指研究院、房天下”承办的第十四届数字地产节。我是中指研究院北京公司的黄秀青，非常荣幸由我来主持今天的大会。

首先，为大家介绍一下到场的主要嘉宾及企业：

中指研究院院长、房天下控股董事长 莫天全

中指研究院常务副院长 房天下控股副总裁 黄瑜女士

房天下AI集团总裁 朱海艺女士

房天下二手房媒集团总裁 李秀英女士

家居集团总裁 张志敏女士

微软亚洲研究院主管研究员 郑宇先生

京东集团数据研究院院长 刘晖先生

今天到场的有近百家房地产企业，他们是万科、中海、保利、首开、荣盛、金融街、碧桂园、泰合、龙湖等近百家房地产企业，今天还有很多金融机构到场，工商银行、建设银行、光大银行、长城资产、东方资产、信达资产等50余家金融机构的代表。还有参会的物业公司的企业代表，首开物业、金茂物业、鲁能物业、万科物业、融创物业、长城物业、绿城物业等数十家物业公司，等上下游的服务商数十家，在此谨代表主办方对大家的到来表示由衷的欢迎和诚挚的感谢！

从2014年届数字地产界到今天的第十四届我们一如既往用数字盘点记录着地产江湖的风起云涌，跌宕起伏，用我们的方式记录着中国房地产的变化和创新，2017年随着大数据、人工智能、深度学习对各行各业生产方式与思维方式产生深度的影响与渗透，中国房地产行业也正经历着重要历史变革的重要转型期，大数据、新技术、新工具的应用恰逢其时，本届中国房地产数字地产界特别以此为主题，将为参会的嘉宾献上大数据深度学习，以及对房地产上下游产业影响的精彩内容。

今天下午的内容所有的安排以主旨演讲为主，让参会的嘉宾了解大数据、人工智能这些新科技的发展对行业的变化带来的影响，接下来相信会为各位嘉宾奉上一场思想盛宴。首先有请中指研究院院长房天下控股董事长莫天全先生为我们做本次大会的开场致辞。有请！

中指研究院院长、房天下控股董事长 莫天全

莫天全：各位嘉宾、各位演讲的嘉宾们，各位行业界的朋友们，媒体朋友们，大家下午好！

非常高兴大家参加这次的数字地产节，这是中指研究院、房天下十四年之前发起的，次是在上海的崇明岛召开，当时崇明岛的路还没有修通，当时也有三四百人，那时候把车开到船上去再到崇明岛上去，召开届中国数字地产节。对中指研究院来说，对房天下来说名字意味着内容，数字就是指数研究院。我认为20年，一个行业或者说一个机构，如果说不能用数字来描述的话，那个行业肯定是不成熟的，我一直是这样认为，到今天更加这么认为，今天不仅仅是一个数字能描述就可以了，有了数字描述还不够，还要用数字来运营这个行业、这个机构，才能算靠近成熟。时代在发展，想起这个问题有点感叹，当时比较有远见，十四、五年以前开始酝酿、筹划，用数字推动企业、行业、市场的发展。

今天是第十四届，在过去的一、两年当中，数字推动的时代发展让人无法想象，各种各样的云服务、大数据、人工智能、AI的发展、再到深度学习的推动，已经不再是我们想象当中的高科技的东西，而是日常的运用、企业的运用、行业的运用非常具体、不可或缺的一部分。随着时代的来临，整个世界进入了操作性非常强的阶段，一个新时代来临了。房天下这个体系，在最近两、三年中变化很大，因为今年也到了一个节点，从房地产开始发展到互联网进入这个行业，一直到今天做了非常大的贡献。下一步怎么发展，是我们的动力。新时代的发展让我们不得不改变，曾经我们跟着时代潮流走的同时也会落后。

所以，我们怎么改呢？两个方面：一是从内部的机构设置开始改变，以前传统的部门有些还存在，有些已经不存在，我记得在五年以前，当初把北海的会议定义为房天下的移动年，把内部的机构名称加上了“移动”两个字，技术部改为“移动技术部”，其他部门也加了“移动”两个字，强调我们一定要跟着时代的脉搏和步伐。现在随着大数据、AI、人工智能的发展也一样，我们设立了数据运营部门，以前根本没有这个部门，我们要定每年的工作任务，数据运营部门要到十亿级，这是数据运营方面做的事情。这是我们内部结构方面推动我们的发展。二是人力资源的布局和结构也发生了变化。房天下的网站，从Web到PC端曾经编辑人员有3000人，现在有300人，我们所有这些数据，所有文章的写法，好的东西已经不再是简单的一个人读20篇文章，花两天写出这篇文章，而是有其它更先进的智能方法和手段，让我们在更快、更短的时间内消化更多的内容，能在更短的时间内生产出更多更好的产品给到消费者。所以整个结构发生了变化，这就提升了效率，这样对客户也好，对我们自己也好就是非常强的竞争力之一。另外一方面是成本大大的下降了，大家知道人力成本是最重要的成本，尤其是的人才，要留住一些人才就要付出比较高的代价，所以我们只能用智能的手段推动发展。

另外，给我们带来的变化是产品和服务，传统的广告产品、挂牌产品，现在数据产品出来了，产品结构开始全面的数据化。针对开发商、开发机构，针对经纪公司、经纪人，针对家具行业的客户整个是数据化的云服务，在每个云服务有新的产品出现，对整个房天下从传统的广告到云服务，这是推动我们产品在改变。

这是两块我们亲身经历的改变。在这个过程中感觉到行业的分工开始越来越细化，过去三年我们经历了很大的波折，吸取了非常多的经验教训，发觉还是要做我们擅长做的事情。也就是今天的主题，我们的数据在这儿，我们的AI、人工智能在这儿，我们的深度学习在这儿，我们能不能做一个平台式、赋能式的公司，我们和合作方一起做市场，而不是过去我们试图自己做，最后发觉实际上我们做不好。现在顺着这个潮流变化，产品不一样，实际在整个思维模式方面进行改变，我们是一个开放的平台，是一个赋能的公司，跟合作伙伴一起推动这个产业、推动这个行业、推动这个市场的进步。用什么推动？就是今天我们要谈的数字技术推动。

希望跟大家一起推动这个行业的发展。谢谢！

主持人：中国房地产市场的未来仍然潜力巨大，未来的市场份额看企业拿地的力度和正确的区域选择，大企业拿地是生产问题，小企业拿地是生存问题，无论如何拿地的重要性怎么强调都不过分，随着科技手段不断进步，今天说的大数据、人工智能、深度学习如何帮助企业更加科学精准、高效的投资决策。下面有请中指研究院副总裁，房天下控股大数据中心总经理葛海峰先生做“大数据预见地产未来—CREIS中指-城市地球2.0发布”。

中指研究院副总裁、房天下控股大数据中心总经理 葛海峰

葛海峰：非常高兴有这个机会跟大家做一些交流，特别是我们最近几个月在做的一些事情。应该说我们城市地图现在运用到国内房地产开发企业当中，城市地图已经和中海保利军科系统进行了相应的对接，他们很多决策流程已经开始通过我们城市地图去完成，经过几个月的迭代，我们今天发布城市地图的2.0，希望更多从应用场景上为房地产行业解决相应的问题。

首先，城市地图定位为一站式大数据工作平台。

通过我们更多维度的数据，我们有海量的数据，除了房地产数据以外，结合了现在更多维度的互联网数据，包括交通、人口的数据等等，在算法集成当中增加了统计的一些算法，以及机器学习的算法，为房地产开发企业提供自助分析模块，比如他可以做AI报告，可以自主建模，完成一些可持续化的相关配置。我们为房地产企业提供非常好的算法平台，主要为房地产企业解决应用场景的问题。比如在投资决策、营销决策、物管服务、市场监测等等方面。今天我想重点介绍投资决策方面的利用场景。简单介绍一下营销决策和物业服务的场景，希望给大家做一些互动。

首先，建一个大数据平台需要一个非常好的强大的数据基础。中指过去20年的数据积累，积累了非常丰富的房地产数据资源，包括土地、楼盘、住宅、商业、办公等等跟房地产相关的统计性数据。随着行业的发展，决策房地产不仅仅依靠这些统计数据，我们要打破原有数据的分析方式，我们引入了更多维度的数据，比如规划、百度地图、高德地图的QI数据，引入了大众点评、京东的数据，跟房地产相关的航空、高铁等等相应数据，丰富我们的数据基础，在数据基础上构建我们的大数据平台。

介绍几个新的数据维度的使用，因为在活页运营当中，我们现在很热一个词就是高铁的快速发展对房地产的影响是非常深远的，我们不仅仅把所有目前国内的高铁线路在城市地图当中有分布，同时把到2020年、2030年的高铁规划在整个体系当中去做了相应的建设，来帮助我们去分析高铁会对房地产带来的影响。

另外，我们对计算每个城市的高铁公交化指数，这样判断在城市群当中哪些城市会受到核心城市的辐射和影响，它会带来人口的流动、迁徙、产业的转移等等。我们通过运营数据，这是我们跟联通合作的课题，做人口迁徙和流动的分布，比如在北京工作的人，在城市圈迁徙的情况到底怎样，我们可以通过人口的数据来做相应的分析。这个表应该可以看得出来，排在最前面的是廊坊三河，通过所有的手机数据来做的城市群当中人口迁徙数据呈现。

我们也获取了遥感影像数据，每个城市大概有超过4000万的数据点，来组成灯光影像的数据，过去20年整个京津冀地区的发展是在明显往东偏移，包括北京作为核心城市，与天津的关系以及北京到2015年的时候，北京和天津之间已经快连成一条线了，我们看到城市发展的变化是怎样的，也意味着人口的变化是怎样的。通过新维度的数据以及老数据的结合，我们能在更多的应用场景为行业提供决策性的支持。

这是我们做的关于城市地图的市场监测的大图，对房地产市场做了相应的监测，包括从土地市场、企业的销售数据、新房成交、二手房的价格等等做了监控。这是的，那边是城市的，在城市当中人口的变化、土地的推出、房地产的价格水平、房价的等高线，以及交通等相关要素，可以通过监控来对以及城市做市场的监控。

前面讲的这些总体介绍了城市地图，但是最重要的是城市地图要在开发企业的决策流程和应用场景上帮助企业提供相应的决策服务。我们从几个应用场景给大家介绍，也是揭开城市地图2.0神秘的面纱。

对一个房地产开发企业来讲，我们的投资决策也是层层深入的，从城市选择到区域选择，再到对一个地块的深入投资立项和判断，有这样的一个过程，也是我们投资部门最常做的相应的事情。

我们理解城市选择其实现在越来越多的是城市圈当中的城市判断，因为城市群越来越使得城市一体化的发展，核心城市和受辐射城市之间的关系变得越来越重要，受辐射城市的市场容量等等，都成为我们判断是否进入这个城市的关键内容。整个城市群的研究体系，包括城市当中城市的研究体系已经融入到后面要讲的城市地图2.0系统当中去了。

这是城市地图2.0已经上线的登录界面，我们从系统来看我们是怎么样做城市选择到板块选择到投资立项的整个过程。这是我们进入城市地图以后可以看到的的城市地图，我们可以把研究结果通过可视化的形成在整个城市地图上呈现出来。这是中指研究院每年都会完成的城市投资吸引力的研究，我们对所有地级以上的城市做了投资发展潜力判断，把有潜力的城市在这个地图上进行相应的标注，基于地图的可视化，我们可以把更多维度的数据在可视化的平台上进行展现，同时也可以把房地产企业自身的数据放在我们的城市地图当中去，这是我们做的所有地级以上城市关于房价的数据呈现，每个城市的数据呈现都可以通过城市地图做展示。

数据维度很多，我们也可以做一些人口迁移，通过人流的变化，我们可以看到一些高铁车站的变化、航线的变化等等，来做关于人口迁徙中的一些相应分析。

高铁线路我们附在地图当中，这个可以持续放大，一直放大到城市级别当中，看到高铁的分布。这是的数据展示，最重要我们要能从城市进入到城市群做城市群相应的判断。我们可以通过整个城市地图直接切换到城市群相关的界面，我们现在做了五大城市群，把这五大城市群附在城市地图中，点击城市群，先进来可以看到城市群当中的价格分布情况，右侧的统计区域可以看到城市群对比的分析、市场、人口、交通等等相应的分析。我们可以在右侧选择你关心的指标做不同的数据呈现。比如我们也可以去了解关于城市群当中产业的分布情况，在城市地图里面你可以看在这个城市群当中，不同城市的产业分布情况到底是怎样的，它的产业有什么样相应的特征，这是整个城市群的概括。城市群当中有核心城市，比如京津冀地区北京是核心城市，周边是受辐射城市，核心城市有核心城市的，这是高铁规划，前面的我们已经看到了，2020年到2030年的高铁详细规划可以在城市地图中展示。

北京是核心城市，居住在北京的这些人工作地在核心城市，他的居住地在受辐射城市的一些人流情况到底是怎样的，按照数据推算，现在廊坊大概有13万人，是在廊坊居住、在北京工作的相应人群。我们也可以看居住在北京，去往周边城市工作的人群到底是怎样的。同时，我们也可以看到受辐射城市的数据情况，这个展现的是作为天津受辐射城市来讲，它在京津冀地区当中各个城市的关系，交通通行时长到底有多长。我们通过城市群各个指标的分析，我们能够判断在这个城市当中，哪些城市受核心城市的辐射更大，哪些城市受核心城市的辐射较小，做一个相应的判断。对城市群分析以后，我们需要深入到城市当中做板块价值的分析。

当在城市当中做板块价值，我们最后要得到一个板块的城市地图，比如我们进入北京，我们要知道在北京当中哪些区域是值得投资的，哪些区域有机会进入，哪些是暂时不需要关注或者谨慎关注的板块。这里面中指基于我们的大数据维度建立了一套体系，从板块的现状价值研究的维度和板块的机会研究维度，形成我们的研究模型，最后得到板块的拓展地图，我们是怎么对接企业的需求呢？现在中海也好、保利也好，企业有自己的逻辑，只要在我们的SaaS平台上自己去选择指标和权重就可以完成。

我们从城市群可以下沉到单城市的板块，这是我们所做的北京市板块研究，我们可以同时做出现状价值，使其更具备相应的投资价值，这是中指逻辑。我们的企业可以根据自己的诉求，中指有一个评价模型，可能用到30个指标或者40个指标，每个企业有自己的选择和他自己的诉求，比如特别看中轨道交通，或者特别看中学校，比如小学的权重我认为是特别高的权重，这时候可以在SaaS平台上完成指标的选择和权重的设置，形成企业自身的评价模型。这个评价模型也可以根据企业对于各个城市的判断，每个城市做相应的调整，结果可以直接运用，把自己的模型保存下来，形成自己对于板块价值的判断，形成自己的分析结果。

这个板块价值判断的分析结果，一方面是我们知道在这个城市当中，哪些区域板块是具有价值的，那个城市的发展方向是怎样的，同时可以把板块价值的研究成果运用到你对单个地块的评价，因为我们具体最后要落到如何去拿地，我们要对整个地块做相应的分析，我们的城市地图平台可以提供从选取地块到地块的现状分析、未来预判以及地块评价，可以自动完成一份可研报告的流程，去帮助房地产企业做投资决策的相应判断。

我们在这个板块当中，可以进一步下沉，看这个板块当中的地块情况，我们选取一个地块做地块的分析判断，可以调出这个地块的快速资源评价，会给它做一个打分，这个打分可以做单地块的评价，也可以做两地块之间的比较，同时有快速的地块资源的SOWT分析。针对这个地块，房地产企业要做它的判断，还要做更多维度的分析，我们可以通过模型来对地块做出相应的判断，比如说我们需要了解这个地块在城市当中的区位，这个里面所有的都是做了多要素的叠加，我们在单地块分析当中，在这张图上我们既可以看到北京市目前轨道交通的分布情况，我们还可以看到在建的轨道交通情况，这个地块旁边就是新机场的快轨，以及在这个城市当中，其他的一些核心要素的分布，这是从区位图做分析。这个地块周边最近一年供应了哪些土地，土地的分布情况是怎样的，土地的价格是怎样的，都由谁拿了这些地块，可以在城市地图当中快速地调取周边土地的情况。我们还可以做很多，这里面有中指已经做好的模板，比如交通配套、医疗配套、教育配套、景观配套等等这些相应的内容，都是可以直接一键完成生成相应图。

我们也做了很多有意思的分析内容，我们把整个城市的价格做成房价等高线，和地图做很好的结合，来判断地块在这个城市当中属于什么层级价位水平的区域，他离核心区域的距离和核心房价的距离到底有多，可以通过房价等高线图很好地展现出来。

当然最重要的是关于控规，我们已经把规划图和整个地图进行了非常好的结合，截取了图片形式的规划图，相关的要素和地块进行了非常好的结合，把地区的详规做在城市地图当中，可以随时调取，比如这个地块周边有区域详规可以调查住宅用地还有多少供应，商业用地、工业用地还有多少供应等等，这些都可以做。同时，可以看总规图，整个北京市，这是到2026年的北京市规划，它的核心区、中心城区、周边潜力区域等等，这是从规划图上、总规图和地图的结合，我们可以通过这种方式对这个地块的现状到周边配套以及整个规划等等，去做相应的分析。这些模型的分析，一方面是由中指自己去完成。另外，开发商可以完成自己的模板，之后快速生成AI报告，自动化的可研报告可以解决掉平时可研人员50—60%的工作量，可以把这个报告下载成PPT的格式，在此基础上增加自己测算的数据，就可以完成可研报告。

前面介绍的是在投资决策从到城市群到城市内部的板块、到地块的分析，利用城市地图去做相应的决策判断。

时间有限，我把我们在营销决策的应用场景和物管应用场景给大家做一个简单介绍。

2.0系统当中对于营销决策的应用场景，关注点落在人的身上，我们的营销注重的是人的情况，人来自于两个部分，一个是通过手机数据做的大的人口密度、人口人数以及职住比分布判断，对整个城市当中所有的各个板块职住比分析，可以快速了解城市当中比如CBD的职住比的情况是怎样的，以及迁徙情况是怎样的。

另外对于人特别重要的，一会儿李总还会做详细的介绍。我们基于APP无的撞击量以及每天超过600万独立访客，留下的购房群体的数据，去做购房群体的分析，判断购买者关注的区域都在什么位的位置，关注的总价、单价是怎样的，他的居住地在哪儿、工作地在哪儿，我相信这也是房地产营销部门特别关注的相应内容。

再往下深入可以做单个楼房潜客的分析，了解潜客居住的板块，或者说工作的板块，以及他有什么样的偏好，他的购房群体的偏好等等这些相应的内容。

同时，在城市地图当中，我们会对房地产开发企业的竞品做整个竞品全生命周期的市场监控，从土地入市到产品定位到项目蓄客、新房交易，到二手房供求，能够全流程监控竞品的过程。我相信这也是营销部门非常关注的相应的点。

营销决策还有很多，我们后面还会有更多的模块，我再介绍一下物业服务方面的应用场景。

中指在过去这么多年内，对物业方面也做了非常多的试点，中指一直在做满意度的服务，我们现在服务了大型的房地产开发企业的顾客满意度都是中指做的相应的调研，我们今年把满意度调研和城市地图进行了结合，更好地向管理层去呈现整个集团的满意度服务。我们可以通过城市地图来了解这个集团所有的各个城市物业满意度服务情况到底是怎样的，去评判这个企业在中国物业的满意度水平到底怎样，从而来提升自己的物业管理水平。

最重要的一点是我们会把物业的问题在城市地图当中逐层地分析，从集团到区域、到城市、到楼盘、一直到户，有一个层层下降的过程，你可以知道某一户的满意度情况到底是怎样的，可以通过我们的城市地图和我们的满意度服务直接体现出来。

所以，我们今天在三个大的应用场景方面，给大家简单介绍了我们2.0能做的事情，2.0应该说也是可生长的平台，因为我们还有很多的应用场景是可以帮助企业一起做的。我相信在未来我们的城市地图能够很好地跟企业进行结合，为企业提供一个非常好的平台，去完成业务的决策服务，完成市场的监测，完成运营的服务，同时我们又提供了一个非常好的SaaS服务的平台，我们说城市地图要做成一站式的SaaS综合服务平台。

主持人：葛总把城市地图2.0版本详细梳理了一下，各个应用场景的应用相信能助力房地产企业，在各方面提升水平。基于中指研究院20多年研究工地和房天下领先的优势，我们说城市地图是在技术公司中有房地产的研究功底和研究基因，在房地产研究公司中有技术基因的。下面有请微软亚洲研究院主管研究员郑宇先生发表主题为“城市计算——用大数据和AI驱动城市智能”的演讲。

微软亚洲研究院主管研究员 郑宇

郑宇：非常感谢大会邀请，其实去年我也来过，我想报告是人工智能大数据在城市的场景里面怎么样改变我们的方方面面，大家在以前听过的报告不太一样，以前报告都是在视觉、文本上做分析，但是今天的场景里面可能并不直接把这些应用在房地产，但是很多技术可以用在房地产企业里面，提高我们的智能。

我们知道城市越来越现代化，问题越来越多，交通的拥堵、环境的恶化，现在我们有了大规模智能技术，有了云计算平台和CPU计算单元，有了深度机器学习的算法和人工智能的成熟，这三位一体使得我们能够用大数据和人工智能加上计算平台来解决我们在城市里面面临的挑战。我们在2018年提出来城市计算的愿景，包括以下四个层面，从城市数据的感知、城市数据的管理、分析和挖掘到自助的服务和提供，四个层面形成一个环路，在不干扰人生活的环境下，用大数据的人工智能解决城市中的各种问题。

下面先看一系列的案例，给大家介绍一下这些案例落地，我们需要真正的城市大数据平台。

个案例，一个关于救护车站、急救中心派遣救护车的案例。我们知道有需求的时候会打120，120中心会派一辆救护车来运病人，送到医院以后，这个救护车再返回来，以前救护车站的选址是靠拍脑袋的，天津市救护车站的布局图，每一个三角形就是一个救护车站，以前我们没有办法只能靠拍脑袋，现在我们有真实的120的数据，我们根据这些的数据可以重新对站点的位置进行选址，在不增加任何投入的情况下，只是挪一挪站点的位置，可以使平均的抢救时间缩短30%，以前救一个人需要花100个，现在只用70个，这30个可以用在手术台上救护病人。

那么，救护站选取以后，应该放多少救护车呢？有的地方早上需求量很大，晚上需求量很小，这个救护车做完以后应该回到哪个站点，使得运力能够进一步优化呢？我们通过深入的分析和算法优化，能够提升30%的运力，不增加一辆救护车的前提下，运力再提高30%。所以，我们通过优化站点的布局可以更快地救援。通过调度算法可以救更多的人。这个方法在其他的行业里面，凡是以时间成本为优化的选址都可以用这个来做，比如这是一个救火站或者派出所，如何选择派出所的位置，使得他从派出所出发满足大家请求的时间最短，都可以用这个方法来做。所以地产行业里面以时间紧要性为选址优先条件的，都可以用这个算法来做。

第二充电桩选址的例子，现在我们开电动车，要普及电动车，但是电动车的问题就是充电的问题，大家担心没有地方充电，因此国家要布更多的充电桩，但是国家的钱也是有限的，比如贵阳市政府给定的区域有五个充电桩，你放在什么位置，使它覆盖的车辆化，我们现在通过分布式计算环境加上人工智能，除了解决刚才说的覆盖车流量化的问题，还考虑很多行业的标准，这个地方是不是有空地，周边有没有商场？充电的2、3个我们去哪里，你不能蹲在马路边，如果这里不成熟，我们可以删掉，去筛选其他的结果。很多的数据是我们不知道的，而行业专家知道，但是行业专家不懂人工智能、大数据，这两波人怎么交流呢？就是通过这样一套算法系统，先考虑一些基本的标准，产生初步的结果，再把初步的结果给行业专家来看，行业专家判断你这个地方是不是合适，保留合适的，去掉不合适的，通过这样的迭代，把人的智能和机器智能进行叠加，通过这种分析方法，促进这种交互。

如果人给机器一个反馈，机器说要等两天看结果，你交互以后这一个月都过去了，你都忘记了一个月以前给机器什么样的指示，而这样的算法在我们机器上3秒钟就可以给出结果。凡是覆盖范围化为目标的选址模型都可以用这个人工智能算法，比如我们要在杭州布广告牌，我们只有钱投五个广告牌，应该放在城市里面的哪五个位置使得广告效益化，通过人的轨迹先选五个地方覆盖人群化，看每个人经过这里的速度，以及他是否有时间看广告以及其他的因素促进人和机器的交互迭代，确定选址。还有包括我们要布自己的实体店，布在什么地方，都是这个模型，这是人工智能模型可以做的事情。

这是的一个共享单车的例子，大家知道我们中国曾经是自行车背上的王国，结婚的彩礼都少不了自行车，但是2000年以后已经很少看到自行车了，直到最近一两年，共享单车的出现，自行车又回来了，但是问题在哪里？自行车道的规划跟不上时代的需求，这个还停留在十年前、二十年前，当有自行车的时候，我们可以很好地去骑行，但是如果没有自行车道规划的时候，我们不得不汽到马路中间，我们现在在上海徐汇区基于智能大数据的规划，你只要告诉我政府投入多少钱、公里数，以及想覆盖 多少区域，我们就可以算出来，这不是人算出来的，这是机器智能算出来的，真正能够骑行的摩拜数据，能够支持的人，并且服务得，这是实实在在的人工智能落地的基础，用摩拜的数据，来做的自行车道规划。

这个可以推广到其他的行业，凡是有限空间资源配置，我们需要以图为模型的拓展方式，都可以用这个人工智能模型。

再看下面一个工作，我们在国家的支付网格里面经常会发生什么情况？包括人流的变化、房价的涨幅、各种需求的变化，我们还记得2015年1月1号上海市的踩踏事件吗？很多人去外滩看灯光秀，但是那里根本装不下那么多人，由于安保措施不利，使得很多人失去了生命。其实完全可以用人工智能和大数据结合，预判出这个人流量。但是50万人很多、100万人很多，同样是100万人来，这100万人是分成5均匀到达，还是1、2个集中到达。我们能够预测在整个城市里面一公里的范围内有多少人可以进入，我不是说数字可以代表人流，我只是用数据证明模型的有效性，未来会有多少车进以及多少车出，如果你能给我这个数据，我就可以预测多少人进、多少人出，你给我摩拜的数据，我就可以告诉你多少自行车进、多少自行车出，所以它对智能物流调动都有帮助，但是进一步我们知道整个城市里面任意点之间未来会有多少人出行，以及出行模式是什么样的。比如未来两个有多少人从清华到北大，有多少人从清华到东城，都可以用我们的算法实时地算出来，这是现实已经落地的系统。从这里可以看出来，其实很多的场景跟人的出行以及房地产都是相关的。

再来看空气质量，在座的人都要呼吸，但是这也是政府头疼的问题，怎么治理雾霾，怎么呼吸上新鲜空气，政府建立了很多的监测站点，但是非常不够，城市里面的空气非常不均匀，受很多复杂环境的影响，比如周边是否有厂房，扩散是否受影响，所以是高度不均匀的。我们不能通过一个简单的差值根据一个已有站点的数据计算这个地方的空气质量。我们现在大数据、人工智能结合厂矿分布、车的移动等各种数据，跟这个地方对应的空气质量的关系，这是比较高级的人工智能的算法，我们现在可以对京津冀、长三角、珠三角进行分析，我们可以用更少的站点监测大区域的数据，我们还知道在变化的过程中，知道污染物传播的路径，这是步搞定现状，第二步要知道未来怎么样，就是预测空气质量。现在300多个城市的空气质量预测都是我们做的，我们想知道每个地方未来6个、8个怎么样、未来24个怎么样，我们想知道天安门未来8个怎么样，因为整个城市的空气不一样，所以，你说北京明天空气好和坏没有意义。还有，空气质量有一些拐点，这种拐点预测会给国家决策带来重大的帮助。比如明天有拐点出现会变好，我们不用去启动雾霾预警，会给国家避免不必要的损失，这个拐点比方式拐点更加有价值、有意义。

现在我们可以覆盖300多个城市，只要人活动多的地方，我们基本都覆盖了。这都是实实在在的环保用的技术，我讲的既有国际的热门，也有实际的案例，在实际中分分秒秒的运行。

我们可以知道每条道路上过去10车的速度、流量、尾气排放，包括二氧化碳、二氧化硫等等，我们用的是一部分车的数据，加上气象气息、路网信息的融合，来做到人工智能驱动的计算，这不是监测到的，因为很多道路上没有传感器，不确定加不确定推出了确定的结果，我们现在算的是交通流量，是中国一个，北京、上海都没有。

交通流量是在单位时间里经过的数量，交通流量大的时候速度是快还是慢，想法肯定是慢，因为在广播里说交通流量大拥堵建议绕行，这是一个误区，所谓交通流量大是车的速度快，密度大，如果路堵死了，车过不去交通流量就是零。世界上没有交通流量图，一个在贵州有一个交通流量图落地了。

我们要知道未来有多少车经过这个区域才能决定修多少车位，知道有多少车经过才知道道路要修多宽。我们对算为期排放也很重要，在空气质量站点中读数一结合就知道尾气排放在空中中的占比是多少，可以帮助政府决策。有了这样的结果就可以决定是通过限流还是管控交通来帮助我们蓝天的到来。

以前有很多云平台，但是云平台变成云盘，数据能放进去，但是用不起来，为什么？有几个原因。真正要做好城市大数据需要四个方面的支持，AI的支持、大数据的支持、云计算、行业知识。这个平台是基于云平台上面加了很多新东西，包括对时空数据的管理、分析、挖掘，对时空数据特有的人算法、数学算法、强化学习算法，不是传统的算法，而是针对时空数据专门设立的，我们的房地产数据也是时空大数据，我们拿以前为视频数据设计的模型，为文本数据设计的模型都不好用，如果用了一定不会达到的效果，因为时空数据的特性有空间距离、空间的尺度、层次化、时间的周期性、趋势性，这些模型做不了。这个模型里面是新增加进去准备为使用大数据设计的，这样才能支持实时的数据分析挖掘，形成闭环支持城市大数据，支持AI在城市领域的落地。

我的报道到此结束。谢谢大家。

主持人：通过大数据+AI技术可以看到城市计算能够让城市变得更聪明，让人生活得更加轻松高效。接下来非常高兴有请到京东集团数据研究院院长刘晖先生演讲。

京东集团数据研究院院长 刘晖

刘晖：各位嘉宾、各位领导，我来自京东数据研究院的刘晖。刚才很多同行分享，很有感触，接下来我展示的是不一样的消费数据，我会用消费数据来帮助大家看一看现在中国的消费市场，消费者究竟有怎样的变化，京东为什么要做一些基于地域，基于小区数据的研究。同时京东从今年已经开始宣布在进军房地产领域，相信到明年如果还有机会在这儿分享的话，我会拿出更明确基于房地产用户群和房地产销售的数据跟大家做分享。

首先，跟大家谈一谈电商大数据的价值。我们首先做的是洞察，是数据的呈现，做数据的可视化、报表化，让各个部门、各级领导通过呈现的数据做分析和决策。第二步挖掘，在已有数据的基础上做数据趋势的判断、研判，对未来的销售，对未来用户的行为进行预测。第三步是决策，希望能够通过大数据+人工智能把之前京东，无论是采销的同事还是库房的同事积累的经验变成明确的算法，指导生产，指导运营。现在京东处在从第二步到第三步的过程中，做了很多数据的挖掘，变成决策及辅助决绝，包括再加之领域和备货领域。最后一步是开放，所有的大数据未来都要开放，我们希望把自己大数据的能力开放给行业，帮助合作伙伴一起前进。

京东的大数据研究基础。首先最有价格的数据是交易数据，京东拥有的用户非常明确，是真金白银买出来的交易数据。

二是我们认为价值的是京东的用户行为数据，我们覆盖了用户所有行为的电商平台，从他一开始到网站上登录、浏览、下单、支付，包括后期的角货、客服，整个环节都有完整的数据链条把数据串起来，而且我们的数据是打通的，可以充分的通过数据了解用户。

三是我们会用很多画像数据在之前的行为数据上挖掘出来形成各种各样的用户标签，在一个典型的用户身体上面可以打300多个标签，从性别、年龄、教育层次，到他有没有孩子，有没有车，家里的情况是什么样，比如说他喜欢的颜色、腰围等等有很多的标签可以打在一个用户的身上。

四是可以把标签打在商品身上，这个商品除了本身的特性之外，比如说手机的内存是多少，流量是多少，同时还有感性的标签，它是适合小资用户，还是适合女性用户等等，把大量的标签打在商品上，因此形成了很多丰富的画像数据，这部分数据是核心数据资产，也是外界所看不到的数据。会有很多数据分析机构，通过爬虫的方法去猜测我们销量的情况，实际上藏在销量背后的用户行为和用户画像数据才是京东的核心价值所在。

我们经常用一些调研做分析，我们了解每个用户的行为习惯和购买可以做精准的调研，比如说我们之前做车的调研的时候，我们可以把调研问卷发送到过去半年之内购买某一款车坐垫或者脚垫的手中，针对他进行下一个购买倾向的分析。这样使得我们在调研系统上拥有非常精准，非常明确的命中率。

举个例子，我们会了解用户的行为个性、情感特性，当客服收到一个用户的来电，只要他之前打过电话，我们就会把他的ID匹配起来，这是非常容易的一件事儿，把他之前的行为匹配起来，他最近买了什么，这次打电话来是希望催单，还是查询快递在途的位置，还是针对买的东西进行咨询，这个时候客服的桌面会出现相应的信息。如果这个用户曾经打过客服电话，有他的性格画像，会介绍给他最适合他性格的客服人员。这是全程大数据匹配的价值，给每个用户个性化，最精准的服务。

小区画像是跟这个论坛比较相关的方面，这些数据可以在房地产方面帮助大家看到一些区域的特色。京东为什么要针对地域做消费行为的研究。举个简单的例子。我们分析了上地、北大、望京三个区域用户在图书购买方面的倾向，每个区域的购买倾向文化不一样，北大的用户以理科、社会科学、文学为主，上地聚集着中国互联网行业码农的人群，所以他们会买计算机、外语、软件工程之类的书，望京大量的用户是买工具性用书，大量的用户已经成家立业，会买一些婚姻、心理、宗教方面的书籍。每个小区用户的消费行为，消费倾向会比一个单位地址的用户消费行为更加趋于一致性，这也是中国特色。京东做小区画像的核心目的在于希望通过小区画像给用户带来精准的推荐，比如说一个用户不带任何身份登录京东的时候，我们凭什么给他推荐产品，就凭借他所登录的地址，那个小区的情况。

下面通过消费方面的数据，特别是不同城市对比、不同省市的对比，让大家看一下现在消费处于什么样的情况。

根据京东的分析，京东把整个配送地域分成一到六线城市，从定单量来看以食品、客户频繁购买的类别，会排在更前面。一线和六线的区别非常明显，一线属于成熟的电商，渗透率非常高，而且每个用户从电商平台上享受他所有的需求，无论是实物还是服务的需求。到六线服饰的购买量远远高于其他商品类别。因为线下渠道没有覆盖到那一级，六线县乡镇一级没有大量的渠道购买，大量的依赖电商，但是在电商购买全品类商品，像生鲜、食品、日用百货的习惯没有养成。

从二三线的消费来看，他们会紧跟一线消费的节奏。一二三线品类占比非常相似，这是我们对中国消费市场的观察，一线城市基本上塑造了中国消费的样板，从二三线城市开始慢慢向这个方向聚拢。从整个地域来看，东部是中国所有消费中最成熟、进的地域，中西部明确在这个区域靠拢。

四线以下是什么样的消费特色？可以看到我们拿出销售额的占比比较高的品类做一下对比，手机、电脑办公、家用电器，一线和六线城市这三个占比都很高，高六线城市家用电器消费占据在消费中占据更高的比重，这是典型的新兴市场的特色。当我们把电商服务，特别是大件高品质的家电电商服务推到了下面的县级城市之后，用户反应，批的需求是刚需，满足在线下很难买到的合资品牌的家电，更大型、更高端一点的家电。一线市场上越到大城市，消费越倾向于电商满足所有消费，而不是满足某一个品类的刚需。

在刚刚结束的双11的购物节期间，农村的消费者喜欢更大的家电，电视的平均尺寸比城市要大5英寸，空调的功率要大0.5匹，净水器的销售同比增加了10倍，说明农村消费者对消费品质也是有关注度的。他们的房子更大，更愿意放更大的家电，他们愿意花更多的钱去装饰自己的新家。

每次我们分析一线和六线服务会用移动端购物占比来分析，因为移动端购买量越来越高。我们看城市级别的分析，六线城市的移动端占比，一线。想一想，这代表着中国互联网走过的路径，一线城市最开始从PC互联网接触到互联网，六线城市很多用户家里没有PC，接触到的互联网就是移动端。从各个省看移动端的占比，贵州是移动端占比的地方，我们有六线城区跳过了固定互联网的阶段，直接进入了移动互联网的时代，这也是在整个电商或者整个经济互联网的状态下，由于技术、信息、产品服务的拉平，给很多地域提供了跳跃式发展的机会。

下面做一下地域的分析。从消费品来看一下有什有意思的事情？从酒水的消费来说，华北、东北是酒水消费最强大的地方，经但和金额在所有消费区域中的占比，天津、辽宁、山东位列其中。天津是一个有意思的城市，天津和北京很近，但是消费结构完全不一样，北京的消费结构比较均衡，各个品类都会占优，天津生活类的消费特别突出，包括酒类、食品、生鲜、化妆品，天津是一个讲究生活，追求生活品质的城市。北京的特色是什么？我们做了分析发现北京是以精神消费占主导，占首位的城市，北京的图书 消费在所有消费品的购买量里是的，其次北部，甚至西部地区图书占比都还不错，像珠三角、长三角这些城市图书占比比较低，生活消费型的占比会多一点儿。

现在经常用宠物的消费占比来看一个地方的精神消费，或者大家关注点在哪里。从宠物消费看北京、天津、上海站了非常高的比重，说明这些地方的用户在养宠物，原以为宠物在互联网上花比较多的钱购买比较好的狗粮和比较好的宠物食品和医疗。背后的原因是这些城市人对精神的追求，对陪伴的需求更多，大家可以想到在北京这种城市有很多的老人，孩子不跟自己住在一起，或者有很多年轻人通过宠物陪伴获取亲情陪伴。

综上所述，很多点都指明了一个方向，消费升级，也就是用户对于电商平台上的需求已经不只是价格，更多的是品牌、品质、精神层面的需求，而且不只是是在一线城市，而且在六线城市都有明显的趋势。我们做了小的数据分析，不同城市级别用户对于品牌的关注度和对于价值、价格的关注度对比，可以看到越靠近大城市，大家对品牌的关注度会越高，越年轻的人对品牌的关注度越高，这是让我们对中国未来整个的消费升级，或者是新型的消费特别有信心的一点，这些消费者上我们的互联网平台不是追求便宜货，是希望能够买到适合自己的有品质、有品牌的商品。

京东是在互联网酒类消费的平台，我们做了一个对比。图上纵轴代表消费偏好，在购买所有的消费品的时候，酒类的占比是多少，白酒的频次是多少，横轴代表购买单个酒类的价格。北京购买单个酒类的价格比较高，但是频次比较低，第二项限河北、陕西、江西、山东，这些地方是频次较多，单价较低，可以很明显的看到用户在享受某一个商品的时候的不同特色。上海追求葡萄酒消费品质会比较高，啤酒的消费东三省的消费频次非常高。

接下来把我们之前刚刚做过家装市场的报告拿出来跟大家做一个方向。

家装可以看到房地产的趋势，2017年到现在家居消费品类的消费城市和电商的大盘子是一样的，如果看家装消费占比比较高的城市，占到所有消费占比较高的城市，从一些省市中冒出来。我们数据估计，都是新房购买量比较高的城市，家装消费量比较高的城市是华东区域。家装消费的用户群在发生变化，女性用户在增长，女性不光在关注家里买什么颜色的窗帘，未来家里要装饰什么样的房间样式，包括什么样的房型，都明显的参与到决策中。同时，年轻用户的占比在提高，占比的是年轻人群，成为这个市场的后来者，而且增长的非常快。

小结：

一是中国的消费市场正在经历从价格到品质的升级，这是在明确发生的，无论是一线还是六线，无论是东部还是西部。

二是京东自己有一套标准，我们认为成熟的消费习惯和消费结构代表着整个中国中产人群的消费核心，而且正在从一线到三线以下，从东部沿海向中西部蔓延，而且蔓延的速度非常快，因为互联网确实拉平一切的能力。

三是在的消费者都对品质和品牌的需求更加明确之后，下一步能够区别开不同地域或者不同人群的特色，我们认为是两点，一个是精神消费和物质消费的占比，特别是刚才看到北京精神消费方面明确的优势，以及服务和实物消费的占比，因为互联网的平台不光提供卖东西，更多的是卖服务。在互联网享受的服务越多就代表这个地域的人群对消费水平的提升。

这是我跟大家的分享。非常感谢！

主持人：对京东电商消费大数据的视角，反过来通过家居消费、房地产消费，看相关城市的发展情况。接下来说到物联网，到2020年，我国物联网整体规模有望突破2.8万亿，有请特斯联北京科技赵立先生为我们做《人工智能与物联网：构建城市与建筑的自动化运营》，有请赵总！ 

特斯联科技北京分公司总经理 赵立

赵立：各位朋友，各位嘉宾，大家下午好！非常感谢主办方提供这样的机会跟大家交流，今天我跟大家分享的主题是：人工智能与物联网：构建城市与建筑的自动化运营。

从十八大到十九大也提到了关于社会城市建设的相关话题，在12月8号中央政治局第二次集体学习的会议上，习总书记提到了要形成万物互联、人机交互、天地一体的网络空间。

首先是基于物联网系统，采集到大量的数据，形成了数据分析，再加上人工智能平台强大的算力，为长途变现提供有效保障，构建了物联网、大数据、人工智能、场景应用的完整链条。在这个链条上，我们采集了大量的数据，这些数据针对不同的行业和产业以及机器的学习建模，和深度学习，为不同的场景、不同的产业提供一体化服务。

首先，人工智能和物联网应用涉及到方方面面，在社区、写字楼、商场、酒店、医院等等都得到普遍的应用，这块我们将人和建筑物更多的静态数据、动态数据汇集到城市智慧管理的平台，在这个平台上每个人和物都形成固定的标签，衍生出不同的动态标签，我们针对这些动态标签采用低成本的混合柱网的方式，形成平台胡传，形成一系列的应用效果，服务于不同的行业。

我们智慧城市的板块结合线上线下搭建智慧城市的管理平台，最终实现智慧城市、平安城市、绿色城市的一体化方案。

基于不同场景的智能硬件，我们将这些硬件采集到人和物的数据，实时上传到平台，分发到政府不同管理部门，根据政府管理部门的需求建立不同的策略，实时进行平台的预警，我们对用户的年龄、整个楼宇的管控、每个人的记录，建立不同的策略。首先对社区这一块，社区重点人员的监控、司法教育人员的矫正，社区异常状态、社会异常状态都会集中到这个平台，大家知道大兴区火灾也是群居房引起，基于群居房的管理，政府对我们的平台也是非常的认可。十九大期间，我们通过这个平台帮助丰台刑警在北京市某社区成功抓获一名犯罪嫌疑人，这是一个方面。

另外一方面，就是对实有人口信息的管理，我们通过在北京一个社区的实有人口分析发现，原有的派出所登记的人口，固定人口和流动人口加起来只有1800多人，通过我们的系统平台人证比对以后，统计出来是3500人，这结果让政府管理部门大出意外。

通过我们V卡口的管理，我们把固定人口、流动人口汇总到总的管理平台上形成了我们高度集中控制，在实时预警的平台，为政府的相关决策提供了明确的依据。

同时智慧办公板块也一样，为楼宇用户提供了非常舒适、便捷的生活工作环境。

智慧建筑是我们大业务板块，涉及到更多商业场景的运用，像酒店、商场、园区、医院等场景，我们将每一个建筑赋能它感知的能力，让每一个数据都可以获悉。我们时时检测楼宇里面每一个设备的运行情况。比如说电梯、暖通等等都借助这个平台实现高度自动运营化的系统。通过这套系统基于AI、人工智能、机器学习、深度学习的算法，帮助楼宇以及分管的项目提升人员管理的效率，降低人员成本和运维成本。总体下来可以帮助楼宇项目节省20—50%的能效。同时，也能提供相关绿色认证和智能化相关的认证。

最后向大家详细介绍一下我们特斯联，特斯联是目前国内的移动物联网平台，我们有七个分公司，员工500多人，专利300多项，物业管理项目6亿多万方。目前三大板块，大板块是智慧城市，先后在北京、上海、南京落地。第二个板块是高端楼宇，主要集中在通州区、武汉的606大楼、南京的紫通等等，都是我们进行恩运维和管理。第三个是未来系统板块，先后成立了EMC基金、停车场基金以及发展基金等等方向。

在这块整个北京市也得到了一些领导的共识，和公安部等展开了联合合作。在重庆市我们覆盖渝中区60万人口以及上海六城区大街小巷。

最后是我们的智慧小镇，我们和阳光一百，在丽江打造了个智慧小镇的项目。

特斯联是一个非常开放的平台，为大家提供各种接口，为地产、物业行业提供人工智能和物联网一体化的解决方案，在这里我们非常愿意和新老朋友一起共同开发这一块的市场，共同搭建我们更好的建筑运营和社区运营的方案。

谢谢大家！