自从发布了GooSeeker城市要素库时空分析项目启动的文章后，陆续收到了很多朋友的私信，有感兴趣的，有交流技术的，也有质疑的，说实话，我们GooSeeker开发团队是在做一次数字城市建设的尝试，数据源全部来自于开放的互联网，通过加工整理围绕城市要素建设数据互联，同时作为共享的数据集和数据分析资源，让大家可以切实地去使用和探索，下面介绍一下城市要素库的几个技术要点。 城市要素库设计理念 最初为什么要设计城市时空分析要素库，是有以下几个原因： 1. 很多数据交易平台在做数据货架，将数据以商品的形式进行“兜售”，有些数据是真的有“价值”，但是都是独立的包，新鲜度也有限 2. 大数据维度过于庞大，即使数据在某个地方，很多人也难于找到 3. 数据需求是直接的，但是要把散落在多块的数据整理起来，数据处理并不容易。 4. 受“数据立方”的启发，提供数据探索可视化 对于上面提到1，2，3点，我们进行了部分用户调研，得到了下面的反馈： 1. 数据货架上数据无法精准化击中用户的数据需求。 2. 把先有数据再有使用目的用户排除，先有使用目的用户往往找不到自己想要的数据，算是一道坎。 3. 针对2，就算找到了数据却不会处理也是一道坎。 4. 具体来聊聊“数据立方”，假设我们有与城市相关的要素数据，结合“描述维”、“度量维”、“时间维”、“地理维”，我们可以全方位了解不同地区（省、市、区/县等）对应的数据，进行时间和空间上的对比分析 为了规范化，为此我们进行了概念上的统一： ● 描述维：指对数据本身的描述项。比如我们浏览招聘信息，这些招聘数据的描述维有：发布这条招聘信息公司的性质/公司规模/公司行业、招聘的工作经验/最低学历要求、该招聘岗位所属的行业/职业分类等； ● 度量维：基于描述项的统计维度。比如基于公司信息描述维层面上公司数的统计，基于招聘信息描述维层面上职位数的统计、平均薪酬的统计等； ● 时间维：分年、季、月、周、日的统计计算； ● 地理维：全国、省、市、区/县的统计计算，再细的话就是某个具体的地理点了 基于数据立方体的特性，你可以对数据探索进行无限地想象。 城市要素库建设情况 目前城市要素库已经上线了“招聘、房产、环境、气象、城建”相关的数据。后面在数据丰富度上、查询性能上、用户互动上、界面UI以及交互上都会进行持续优化。 如下图所示，红框部分分别对应“描述维”、“度量维”、“时间维”和“地理维”。
怎么用上城市要素库 城市要素库会把基于地理位置的数据在地图上直接可视化，让你可以很直接地看出数据的分布情况，使用操作很简单，下面介绍一下： 1， 选择不同“描述维”、“度量维”、和“时间维”，查询到对应的地理分布数据 2， 地图的粒度可以进行放大和缩小 3， 可以通过“地理维”快速定位到某个地区
4， 可以保存为图片插入到你的分析案例中，或者一键分享给你的小伙伴 5， 将数据加入到对比台进行城市间的对比分析
6， 查看数据集介绍并下载结构化的数据
城市要素库就是一个全方位的地理数据探索系统。房产方面，你可以看全国不同地区不同时间的二手房分布情况、房价情况等；招聘方面，你可以看不同规模公司给出的平均薪酬如何；城建方面，可以了解不同基础设施在全国各地的分布情况等等。 随着数据的丰富，在这个项目中我们会有专门的团队探索这些数据的应用，结合可视化分析工具，将过程和成果分享出来。项目探索传送门：可视化城市要素大数据时空探索分析 |
