极海从地理维度驱动商业决策|TEDxZhichunRd

TEDxZhichunRd秉承TED理念“Ideas worth spreading”，传播科技创新成果，以TEDx演讲为核心价值，通过多种衍生形态为汽车、汽车金融、科技等行业同行、专家学者提供平台。为了打造全国最大的创新者发声平台，TEDxZhichunRd联合爱分析，对行业内创新人物进行采访，了解公司发展，树立品牌形象。

本期采访到的是极海创始人兼CEO王昊，他将就零售科技行业及极海的战略与各位读者进行交流。（内容转自爱分析）

国内行业现状：上游地理信息数据丰富，下游应用有限

问题：国内的地理信息行业发展与欧美相比，有哪些不同？

王昊：首先，地理数据从分析角度有一个大的假设前提，就是临近的事物和人比相距较远的事物和人，关系更加密切。也可以理解为“物以类聚，人以群分”。

从数据本身来看，欧美很早就开始关注人的地域属性，数据会多一些。国内对地图的看法，最早认为是作为一种情报存在，所以关注地上有什么东西，比关注人的位置属性要深刻得多，这就造成美国对地图数据显得更加开放，有通过各种途径获取的、个人公开的、专业机构发布的数据特别多。而我们的获取渠道和管理更严格。

从数据分析层面来看，前一阵Facebook数据泄露的剑桥分析公司，对用户个人数据进行挖掘，其中地理标签是很重要的一个环节。

例如，收入水平和居住区域，与个人对选举的态度是有关的，所以会用这个属性来评判对希拉里和特朗普的不同喜好。最后也确实证明，中部的农业州对特朗普有更多的倾向；而富裕的精英阶层，比如加州硅谷、洛杉矶等地，希拉里的支持率更高。

国内虽然也有很多大公司已经获取了关于人的各种位置标签数据，但是分析能力不够强，原因在于对地理信息的历史积累少，关联性标签不足，这也是极海的出发点，为人与地理信息结合的场景提供更多的数据支持。

问题：国内地理信息产业面临的主要问题是什么？

王昊：其实政府的专业机构积累的数据并不少，比如自然资源部（原国土资源部）、住建部积累的规划数据还是蛮多的，但相对保守，在交叉、关联上的合作少。但在大数据时代，想获得相关性就得进行数据交叉，使数据具备立体的维度。比如把政府的专业数据、APP的线下属性数据、品牌的销售数据叠加，才能进行趋势分析。

在地理信息系统中有POI这样一个概念，兴趣点，是能产生洞见的点，其数据丰富程度决定了分析的质量。传统软件分析因为缺少足够的数据，少了很多场景。

极海的使命就是替用户获得这些数据，在地理维度上进行整理，变为可使用的、结构化的数据，能让客户进行高效的相关分析。

问题：从行业层面来看，最底层的数据来源如何分布？

王昊：首先，我坚定地认为区块链这种分布式的科技哲学是存在的。而且当互联网普及率很高时，个人以及海量设备所产生的数据，不可能由一家全部打通，否则就没有创业的可能性。

目前围绕位置的数据，按照大众最理解的地图数据来看，政府持有的最多，广义上政府部门能持有90%左右的数据。

比如公安发生案情的数据、摄像头所采集的每一帧具有位置属性的图片，仅公安一家所掌握的数据量就是不可想象的。目前我们面向企业提供服务时，可能还用不到这些数据。但反观美国，在做选址时、制定房租价格时，会考虑地区的安全指数。

现在虽然没有如此丰富的数据，但基本的路网、公共基础设施、建筑、交通站点，以及大众点评、微博等相关评论已足以用来做数据分析，为企业挖掘足够的价值。

标准化数据处理，辅以标签化数据分类

问题：极海的数据来源有哪些？

王昊：现在能见到的所有和地理位置有关的数据，通通是我们会考虑的原始数据。有公开数据、购买的数据，还有来自合作方的数据，比如人的位置轨迹数据。

因为互联网的开放，公开数据已经有很多，比如一些在线的数据、个人贡献的数据。

涉及到政府方面的数据，有一个大的原则：政府的某种专业数据，是有一定的传播权限的。内部的数据，是受限的，但一些规划成果是可以公开的。

从地理数据的角度来说，我们是全球级别的，重点关注的国外数据，围绕一带一路的65个国家，来采集、整理数据。

另外在极海的合作体系中，比如给淘宝做小商家的CRM数据，我们有一个合作商，能覆盖50%的淘宝小店铺，能获取每一条送货地址，这是它的独特性，但是没有好好经营。极海能把它化解成人群的标签，把数据放大，我认为这种合作是很可能的。合作多了以后，这就变成极海的一种数据源。

在这些数据源的基础上，极海已经开始部署自建原生数据来源体系，这会利用到最前沿的技术，从而完善极海整个数据到智能决策的闭环。

问题：如何对外部数据进行分类？

王昊：主要围绕POI的分类进行细化，再进行来自其他网站的交叉补充，使数据的维度层次化。我们网站依据大的分类原则，列出了12大类及若干小类；还有根据用户场景，比如用于选址的几类数据，我们会再进行加工融合，变成所需要的类别；政府的决策则会对应另外一类数据。

总体来说，会更偏向于从应用场景向前去决定数据种类。

问题：咱们今年推出了新产品“极海快码”，帮助快速传递位置，在自动驾驶的场景内，甚至能够提高位置到达的精准度，具体是如何进行的？

王昊：我们把全球分成281万亿个小格子，格子是两米见方的，每个格子用3个中文词汇命名，比如石头剪刀布，用来进行人和机器的交互。

打造标准化智慧决策平台，服务金融风控、智慧城市、零售选址需求

问题：极海的产品是如何布局的？

王昊：从前用户想围绕地理信息进行分析挖掘以及决策，首先要找软件并进行评估；然后要找数据、买地图；第三要找开发团队，针对地理软件厂商提供的 API做专业领域的二次开发，然后做出一次性项目，这是资源的巨大浪费。

所以我们的产品把这三个步骤融合在一起。先解决基本功能，放到云端让用户轻松使用。我们现在主要以SaaS形态，为客户完成 80%的工作。

然后，我们把数据作为产品的一部分提供给客户，数据和软件整合在一起在线提供服务。这样客户可以更灵活、长期的使用，发生一次灾情、了解一个水库，都不再需要单独做地图、汇报、协商。

整体来看，我们提供一个云平台、一个数据包、一个围绕工作场景的APP，APP是基于h5的。这三个部分合在一起，就构成完整的一站式地理大数据平台。

我们首选提供在线产品，但如果政府部门、大型企业有需求，也可以离线部署，把48个功能模块，按照客户需求进行组合，打包变成私有产品。

问题：跨行业的方案如何解决？

王昊：共性和个性永远都要协调。我们现在由自己的团队开发共性需求，个性的则是与我们生态系统中的数个开发团队合作。所以我们的产品形态是SaaS，但是实际提供PaaS的能力。

我们在价值主张和营销上，也不鼓励客户做太多定制，更多强调数据分析的能力与意义，而不是流程化产品。

问题：常见的定制化需求有哪些？

王昊：定制的主要需求在于可表达。有的是出报告，做成PPT 或PDF；也有分析层面的需求，比如我们需要进一步解释数据，用地图表达，做到隐性思维显性化，并为数据分析加上结构化思维。

有的自身属性要求探索性质的需求强一些，我们就转为类似咨询的服务，会提供单独的系统和数据包，交付时讲解报告的逻辑。

和IBM的合作，属于共同探索性质。IBM在中国面向智慧城市、智慧商业进行推广，我们算是IBM的核心供应商，共同进行市场探索。

问题：金融行业有没有比较典型的应用案例或者场景？

王昊：一是银行顺应新零售趋势开设线下体验店，既要考虑如何覆盖更多的消费人群，还要继续优化布局，适当关店。

第二个场景是信贷。对金融企业来说，用地理数据可以解决风控中的一些重要环节，这里主要针对房地产企业的风险衡量。

问题：极海的核心竞争力在哪里？

王昊：简单说，是更全，更多，更懂，更快，更准。就是极海的产品完整性较强；极海拥有业内最全的数据；极海基于地理新的分析能力最专业，同时超强的可视化技术更利于理解数据的内涵；极海的智能决策技术能够更快的提高业务效率；同时，AI技术的深入使得极海能够提供更准确的智能决策。

这些都是极海开始领跑智能决策科技的竞争力。

问题：有向国外拓展的战略吗？

王昊：我们的一带一路沿线国家数据收集算是国际化战略的一部分。

其实在我们看来，地图是没有边界的，我们有一个合伙人现在也在美国，会看国外市场，一方面实现双向交流，一方面我们也能替国内的客户采买国外数据。同时我们也积极学习，看地理大数据在美国的应用场景能否嫁接到国内。更重要的是，我觉得我们有能力去做全球化的业务。