Hey精选|利用深度学习预测模型对影院进行科学选址（一）
文娱行业是当下的一块热土，宏观经济下行带来的“口红效应”，让传统行业产能过剩和文娱产业爆发增长呈现出“冰火两重天”。以电影院线为代表的线下娱乐消费和以网剧为代表的线上娱乐消费，成为拉动文娱产业的两驾马车。数据显示，到 2020 年，中国文娱产业总体规模有望达到一万亿元。万亿级的市场蛋糕，自然会吸引资本趋之若鹜，在火热的资本环境推动下，中国正在进入文娱产业“黄金时代”。
作为两大马车之一的电影业，近年来呈快速发展趋势。根据国家新闻出版广电总局电影局数据统计，最近六年全国电影总票房总体呈现快速上升的趋势，自 2011 年起的 131.2 亿元增长至 2016 年的 457.1 亿元，最近六年复合增长率为 23.74%。2016 年电影市场在 2015 年的高位基础上保持稳定增长。
中国电影院数据逐年增加，特别是2016年相比2015年增加了1612个，达到了八千多家，今年电影院仍在增加，截止到目前约有近九千家在营业的影院。
新增的电影院不可避免的涉及到选址问题。最传统的选址方法是派人到实地深入调查，这不仅耗时耗力，而且还存在很大主观因素，并且而将范围扩展至多个城市的时，个人和小团队仅凭商业直觉和有限的知识是远远不够的。这从而推动了利用商业数据进行商业选址，在美国选址的地理数据分析已经很成熟了，但在国内，地理数据选址分析却一直处于瓶颈状态。一方面是地理信息的获取难度高。作为分析建模的基础，没有靠谱的数据，实属巧妇之无米之炊。另一方面是建模的难度大。海量的初始数据存在精确度问题，没有相关的经验，很难把大数据驱动起来。
得益于公司在大数据方面的积累，GeoHey拥有了丰富的地理大数据来做选址分析，数据包括但不限于交通数据、轨迹数据、数千万的POI数据、房价数据等。
下图是搜集了8月份以来，每家影院的票房数据、影院屏幕数、座位数等数据，结合GeoHey的地理大数据，创建一个深度学习影院票房预测模型，对影院选址提供决策依据，本篇先开个头，在后续的文章中将介绍如何使用该模型及其预测效果。
（点击图片了解详细数据）
往期精选
关注极海
访问Blog，查看极海最新分享：
http://blog.geohey.com/
关注微博：极海GeoHey
关注知乎：极海GeoHey
联系&合作邮箱：contact@geohey.com
点击【阅读原文】填写调查问卷
免费获取3个月极海云平台标准版服务