【PPT&视频】《茅明睿：数据感知城市脉搏》——央视网大数据名人讲堂之城市大数据系列
热门下载（点击标题即可阅读）
——央视网大数据名人讲堂之大数据产业系列
茅明睿 北京市城市规划设计研究院云平台创新中心秘书长
北京城市象限科技有限公司CEO
北京城市实验室（BCL）执行主任
茅明睿，北京市城市规划设计研究院云平台创新中心秘书长，北京城市象限科技有限公司CEO，北京城市实验室（BCL）执行主任，北京规划学会理事。国家注册规划师，高级工程师。
在北京市规划院有十余年工作经历，参与了两次北京城市总体规划的修编以及若干北京重大规划项目；作为技术负责人长期跟踪数字规划技术的研究，参与建立了北京规划大平台，并负责了CITYIF规划云平台的建设和运营工作。近年来专注于城市治理创新和城市定量研究，创办了北京城市象限科技有限公司，建立了全国时空行为分析平台“人迹地图”。
大家好，我叫茅明睿，是一名来自北京市城市规划设计研究院的规划师，今天给大家带来的演讲题目是《数据感知城市脉搏》。
脉搏就是人的动脉的搏动，它的振幅和频率来代表我们人体的生命体征，所以脉搏的振幅和频率这两个数据指标，可以反映一个生命体的健康程度。
那么，城市作为一个复杂的巨系统，同时也是一个生命体，我们要如何去感知城市的脉搏，如何去监测城市的体征呢？
最早将数据、城市和脉搏这些词结合在一起的案例来自于美国，是一个叫做国家的脉搏的应用，通过一段视频来感受下美国的国家脉搏。
如果将视频中按时间将图片提取出来，能看到一个个形变了的美国地图，美国的各个州的大小在随着时间在发生变化，而每一个州的颜色也随着时间在发生变化，它意味着什么呢？
这个应用叫做国家的脉搏，它以推特的数据为基础，通过提取、处理和分析来感知美国国民的情绪，推特是美国的一个社交媒体应用，大体可以理解为微博。
美国的学者通过将推特上的这些文字抓取下来，对它进行自然语言处理，提取并分析每一条语句当中的情感，这样就能知道随着时间的变化，美国的各个州有多少人在发推特，他们发推特的内容情绪是积极的还是消极的，所以就形成了大小不停变化的、以及颜色从红色到绿色不停变化的动态地图。
因此，使用社交媒体的数据可以感知到国民的情绪，这就是用数据监测城市或者国家某类体征的一个办法。
当然，数据不止有社交媒体的数据，它只是若干种数据当中的一种，实际上每个人每天在生活中都在产生各种数据，比如说刚才提到的社交媒体数据，还有每天乘坐公交车和地铁刷卡的记录，每天用手机打电话、使用APP、浏览网页都可以产生各种数据，以人作为传感器的话，这些数据都来源于此。此外我们还有大量的以物为传感器得到的数据，比如说汽车的数据，水表电表的数据，读卡器的数据，银行卡的数据，摄像头的数据……所以数据来自于方方面面，其中，我们对来自于人的数据有一个称谓：数字脚印，或者数字阴影。
类似于前文提到的针对推特数据进行的分析，我们也可以用新浪微博数据来感知城市的脉搏。现在看到的这个动画所用的数据是人们在城市里不同位置发出的微博，叠加在地图上可以用来查看民众在各个时间段的情绪。因为我们发的每一条微博除了具有语意以外，还有时间和地点标签。
所以通过对数据进行分析，将这些微博数据聚合到城市街区地块上，这样我们就能知道城市里每块土地上的居民，每天是开心还是不开心，以及整个城市哪里开心、哪里不开心。
我们可以看到北京的市民随着时间的变化，他们的情绪波动与其它因素是否有关；比如说可以看看北京市民的情绪波动，是否跟市区内PM2.5的变化有关。
当然，情绪并不是社交媒体数据的唯一应用，我们还可以感知市民在说什么话，也就是城市的语意：比如说什么地方的人在提到大学，什么地方的人在提到购物。基于这样一些技术手段，我们能够感知我们的城市，监测我们城市的语意和情感。
例如在我们开发的某一应用系统中，我们为贵阳市做了一个情绪监测的功能平台。通过它能看到贵阳每个街区内的市民每天都在社交媒体上在说什么话，这些微博的语意是什么，市民们每一天的情绪在是如何、因何而出现波动。
我们也可以为景区做游客的情绪分析服务，比如这是江西的某景区，通过分析游客在这个景点的游记和微博，可以看到游客情绪规律性的波动，在某些时间他们总是情绪比较好的，而在某些月份他们的情绪总是比较低落的。
通过进一步分析，我们看到这个景点夏季的时候游客的情绪相对不太高，但是冬季的时候情绪却特别好，然而，冬季却是这个景区游客最少的时候；所以这些数据和分析结果是否可以向景区管理者给出一些针对景区的运营优化和宣传的灵感？
此外我们还可以通过游客结构分析，以及不同结构的情绪曲线变化，分析出游客跟什么人到这个景点旅游的情绪最好：看图可知，如果是小两口去这个景区，有可能情绪不会太好，但是如果游客是跟自己的好朋友，或者自己一个人去这里，他们的情绪总是表现的会比较好一些。
除了景区，我们在城市还有些更有深度的应用。比如在北京的长辛店——这是丰台区的一个老镇，我们在这里的规划当中使用到一种叫做社会感知的办法，去感知、认知这个地方。
我们将提到长辛店这个地方的微博、贴吧、论坛和新闻的语料抓下来，总共300多万字的语料，通过对这些语料进行自然语言处理，首先能够知道提到长辛店这个地方的时候，都会提到哪些关键词，市民对于长辛店这里的整体印象是什么？
当然这个对于指导规划来说还是不够的，我们进一步将长辛店有意义的地点，或者说有特征的地点进行了提取，找到了43个情绪特征地点，我们将语料跟这43个地点进行了关联，分析每个地点的语料的语义和情感，就能够知道居民对于长辛店各个特征地点到底持有什么样的情感，以及在提到这些地点的时候会反映出什么样的问题，这样，最后发现居民对这43个地点有的是持积极态度的、有的是持消极态度的。比如长辛店小学，居民提到长辛店小学的时候会提到联合国儿童基金会、校园足球、校园餐、虾排、红薯饼，所以老百姓喜欢长辛店小学。但是有些地点老百姓就不喜欢，这样的话我们就可以快速地对城市的体征进行诊断，知道市民对于城市的各个地点存在什么样的意见。
我们将这个办法也扩大到北京的各个地方，将市民反映在微博上、论坛里的各种意见，跟城市的空间地点进行关联，能够让城市的管理者、城市规划师知道，在城市的各个地方都分别存在什么问题。
此外我们也可以去感知城市的各个活动的语意，比如说这是之前做的一些旅游景点，以及北京国际设计周的各个展点，能够得到特定地点的语意关键词都是什么。
当然会有人说，我不用新浪微博也不上网，那么我们还有其他的数据去感知所在城市的体征，比如说一卡通数据。很多人都会乘坐公交车和地铁，乘坐公交车和地铁的时候你就会留下一些印记——刷卡记录，这些记录也可以有助于我们来理解我们的城市，比如利用公交的刷卡数据分析居民的出行的情况，左边这张动图显示的是不同的时间，有多少人在城市的不同地点乘坐公交车或者地铁出行，这可以视为一个城市的苏醒过程；我们也能够通过大家的刷卡数据去看到，不同地方的人他们都往哪些方向出行，乘坐公交车去哪些地点。
所以通过分析可以看到去金融街上班的人群、去CBD上班的人群和去亦庄经济开发区上班的人，他们分别都是从哪儿来。
当然交通并不是利用数据来感知城市的唯一一方面，我们还可以进一步去看北京地区上学的情况。我们将中学生和小学生的刷卡记录提取出来，就能够发现这些中小学生乘坐公交车和地铁，都从哪儿出发到哪些学校去上学。有意思的是，你会发现有一些中小学生每天会乘坐20公里以上的公交车和地铁去他的学校去上学，所以这些学生在上下学的路上浪费了大量的时间和精力，同时你也能够通过这个结果能够看到，主要的乘坐公交车和地铁上学的方向是什么样子的。通过这样的工作就能直观看出北京的教育资源的分配是否存在问题；尽管教委进行了比较严格的学区划分和就近入学要求，是否仍然还有一些人突破了学区控制，我们会通过这些数据观测到这种跨区域择校的情况。
除了去感知通学行为，我们还可以去感知不同的人群：通过乘坐公交车和地铁的刷卡数据，我们发现有一些市民他们每天早上6点钟以前就出门了，有的每天晚上十点钟以后才回家，有的每天花在路上的时间会超过3个多小时，还有的人通勤时一天会坐六趟公交车，这些人在过去五年当中都维持着这样一个通勤模式，他们可能属于城市里面的低收入人群。这样这些公交卡的拥有者，可能是城市要进行扶贫的对象。同时，我们还能够观测到他们生活在哪里，他们的出行活动是什么样的。
除了低收入人群。我们还可以感知一类特殊的人群——灰色人群，包括地铁里的乞讨、卖艺的人，以及地铁里发小广告的人等等，这些人都是地铁运营管理者特别希望能够去监测到的人群，因为他们会在一定程度上干扰地铁的正常运行秩序、让乘客出行的体验感变低。但是我们却没有什么好的办法去知道这些人在哪里，或者准确定位这些人。然而，通过刷卡记录数据却能感知到他们。因为相比起普通乘客，这些灰色人群他们的出行方式，或者出行的行为模式是完全不同的，普通乘客将地铁作为交通工具，会从A点上车，从B点下车；但是灰色人群他们去将地铁作为工作场所，所以他们会从A点上车，从A点下车，由于他们进一次站要刷卡，要支付成本，所以他们会在站里边待足够长的时间；而且由于将地铁视为工作地点，所以他们会像上班的人一样频繁地出现在这一个站点。所以基于这样一个认知，我们可以发现哪些人具有这样的行为模式，并且能够找到他们出现比较密集的站点。
利用2014年某个时期的北京地铁刷卡记录，我们监测到了481个灰色人群，他们居住在地铁的首末站，城区地铁和郊区地铁换乘站附近。还能知道他们都几点钟进站，几点钟出站。下面我们看一个小的动画，去看一看这个人群他们在城市里的活动情况。通过这样的喷泉效果我们能看到，这481个的灰色人群，每天随着时间的变化都在城市的什么地方出没，他们都在哪一站进站了，或者在哪一站出站了。我们通过大数据的方法能够去监测到特定人群的行为。
我们还开发了一个系统，通过这个系统看到城市地铁的运行情况，通过这个动画能看到地铁里每小时进站的人数有多少，出站的人数有多少，我们也看到早上8点钟宋家庄地铁站内有多少人在进站，有多少人在出站，进站的人都会去哪儿，出站的人又从哪儿来的，同时我们还知道在这一个小时里面，进站人都是些什么人，有多少是普通乘客，有多少是中小学生，有多少是大学生，还有多少是低收入人群，有多少是灰色人群，这就是我们利用一卡通数据所做的一个城市体征的监测。
我们还有一类覆盖人群更广泛的数据。有一些人不一定会持续乘坐地铁和公交车，但是他们总是会使用手机的，所以利用智能终端的定位数据就能感知到整个城市中的大部分人群。
智能终端的定位数据一个比较广泛的应用形式就是热力图，它可以告诉我们随着时间的演变，城市里的不同区域的人口密度是什么样子的，并通过一个红色和蓝色的热力方式来去呈现它。热力图可以告诉我们很多信息，例如在这张图上可以看到，同样是北京的旧城，前门西侧的大栅栏区域有非常多的人，而同样的时间在前门东侧鲜鱼口和前门东区却没有什么人，这样一个简单的数据其实反映了非常深刻的城市问题。
怎么去理解这个鲜明的结果呢，对比这个区域的卫星影像我们发现无论是大栅栏区域，还是前门东区，这两个区域其实的它们城市的空间形态，胡同的肌理，院落形式保持的都是很完整的，但是为什么西侧会比东侧的人流会多这么多？西侧的人口密度会比东侧多这么多，因为这背后是使用的不同的城市更新办法，在西侧大栅栏区域的旧城是使用的微循环和有机城市更新的办法来对它进行城市的品质提升，所以这里的居民仍然在这生活，所以这里维持了一个比较良好的城市活力。
但是在前门东侧我们使用的是一个更为激进的拆建改造的办法，所以这里的居民很早知道自己要离开这里，所以尽管这里的胡同还在、他们房子还没有拆，但是这里人的生活很早就没有了，这个区域没有居民愿意去经营它，所以一个小小的城市人口密度数据，可以反映出非常多的背后的城市问题。
我们将视野放大到全国，其实我们可以监测到全国所有的城市，每一平方公里的土地上它们的人口密度怎么在变化，比如我们现在这张图上看到的是春节之前的工作日和大年初一假期，全中国各个地点的人口是怎么在变化。
我们将地图放大，比如说放大到长三角地区，可以看到在平时的时候，长三角的这些中心城市都有大量的人口，红色的是人口多的地方，绿色的地方是人口少的地方，但是到了大年初一我们发现城市里人口数量急剧地减少。
这张图看的更清楚，我们将这两个数据叠加在一张图上，我们可以知道蓝色的就是人口减少的区域，而红色的就是大年初一人口增加的地方，这是长三角的情况。
这里是中国的西部，可以看到成都、重庆、贵阳等地都有人口流失这一情况，但是在整个四川省发现大量的农村地区、一些过去没有人的地方人口显著增加了，人们从大城市回到家里，我们甚至可以知道每一块土地上大年初一回去了多少人。
我们还可以看到海南岛，游客都在海南的什么地方，还有东南亚……
我们将这些数据做成了一个平台，来监测中国的人口流动和变化情况，可以看到中国在过去一年当中每一天、每一个小时人流密度在如何变化。这是在长三角的这样一个宏观的尺度上看的整个城市群的苏醒过程。
在微观的尺度上，例如贵阳，我们可以看到该市每一个街区在平时某工作日和十一节假日时，在街区尺度上人口密度的变化对比。
此外我们也看到每一个街区，每一个小时人口密度变化，以及在这里活动的人都来自于哪些城市，理论上可以监测到中国的每一寸土地，每一天、每一个小时的密度变化，以及在该区域活动的人有多少是本地的市民，有多少是外地人，这些外地人来自于哪些城市。
此外还可以看到特定人群的分布，比如说在北京的日本人都住在哪些小区，在北京的韩国人又住在哪里，北京的公务员住在哪里，北京的软件开发者或者我们俗称码农群体，他们又住在哪儿？可以将这些不同的人群的空间行为偏好，他们喜欢去哪里进行地图可视化。
我们还可以看到每一个街区的职住关系，在每个街区上班的人都是从哪些小区来的，在这里住的人都会去哪些地方上班。
而且，我们还有一些其他的数据可以感知、监测城市空间，比如说动态的房价指标、公共服务设施的指标，以及不同街区的微博语意和情绪情况；
最后，我们可以通过特定的数据指标看到城市的空间异质性，形成名为城市光谱的分析图。
对于城市，我们的目的并不是感知、监测到就结束了，还要通过这些感知监测到的结果去治理城市，因此我们利用这些新的数据、新的技术开展了一系列的城市治理工作。
我们参与了“顺义城市品质提升研究”的项目中，通过针对智能手机定位数据的分析得出住在通州的人都去哪些地方上班，住在顺义的人又去哪些地方上班，传统上我们会认为顺义会有更多的就业岗位，因为那里有比较多的产业园区，所以顺义是不是比通州在通勤和职住分离的情况上会更好呢？
我们的数据告诉我们，其实无论是顺义也好，还是通州也好，他们的职住分离现象是一样的严重，顺义的居民和通州的居民一多半人都会离开他们居住的新城，去其他的区域去上班，所以通过上图可以看到，他们的去向都是比较一致的；反过来，顺义新城和通州新城吸引就业的能力却是截然不同的，顺义新城的这些就业岗位吸引了大量来自于其他区域、尤其中心城各个区县的人去那儿工作，但是通州却很难吸引其他地方人到那儿去工作，所以我们并不能先天地认为顺义这个地方有更多的就业岗位，所以顺义就职住更平衡了，其实它的意义在于，顺义新城提供了工作岗位，它为其他区域的人带来了服务，所以顺义的这些轨道交通，城市快速路，以及基础设施的效率是比较好的，因为它们总是双向的、相对比较均衡的在使用。
那么顺义提供的这些就业岗位，是否在改变顺义居民的择业或者置业，使他在顺义新城内部去进行更短的通勤，在自己的新城内部进行的职住平衡呢？我们也有条件去监测它。通过IC卡刷卡记录可以看到随着时间的演变，早高峰的时候有多少人乘坐公交车和地铁在顺义内部下车，这些人数和比例是否在发生变化。因此，我们能够模拟出，通过提供新的就业岗位，或者建设新的产业园区，到底能够对市民的出行和择业带来什么样的变化，这项工作我们正在进行当中。
作为一个城市品质提升的研究，我们还基于社交媒体数据进行社会感知。跟长辛店一样将顺义的特征地点进行了提取，将这些特征地点的微博语料进行了抓取，这样就能够对于顺义的公共空间进行诊断。我们发现顺义的居民对于顺义绝大多数区域都是比较满意的，但是对于有一些地点——以红点的恐惧脸符号为标识——是顺义居民觉得不太好的地方，进一步通过他们所说的话，反映他们眼中的城市到底存在什么问题，比如说北小营村这里有一系列的微博，我挑了几条语义消极的：比如有一个人说，“我今天出门遇到了变态尾随我”；第二条语料说“今天出门踩了狗屎”；第三条语料说“北小营村今天又停水停电，一直停到了下午五点半”……所以通过这样的办法，我们能够知道这里存在治安问题、环境问题、公共服务设施和物业管理问题，这就是一个利用社交媒体数据，去对我们的城市体征进行快速诊断，从而开展治理的案例。
我们除了研究了通州新城的职住情况，还分析通州东侧北三县——三河、大厂、香河这些区域。大家都知道这些区域每天应该都有很多人会乘坐公交车、地铁、或开车到北京去上班，但是确切的数字是多少呢？他们到北京什么地方工作了？过去并没有什么好办法来统计这些，但是利用大数据，例如智能手机的定位数据、IC卡刷卡记录，我们就能够知道每天北三县的居民有多少人来到了北京，他们到北京的什么地方去，他们大概在从事什么样的工作。而且我们将智能手机的定位数据跟IC卡刷卡记录进行了互相的验证，发现这两者有非常好的相关性，表明这两者可以互相校验。
除了IC卡和智能手机以及社交媒体数据，还有一类数据，我们称之为“志愿者数据”。志愿者数据也可以为我们的城市治理服务，比如在北京的步行系统规划当中，我们结合着线下和线上开展了志愿者数据采集。
利用北京国际设计周的时机，我们在大栅栏做了一个线下的展览：在展厅布了一扇墙，印有一张五环内的路网图，在现场放了两种颜色的大头针，我们邀请前来看展的游客，用不同颜色的大头针来表述他们对城市的直观感受：北京哪些地方步行环境比较好，哪些地方步行环境比较糟糕，同时我们在微信公众号上面也做了这样一个地图，让公众能够在微信公众号的地图上面去“扎针”，最终我们采集到了1560个扎针的点，这些点表现为两种颜色，一种颜色是市民觉得走路比较好的地方，一种颜色是市民觉得走路不好的地方。
我们想进一步了解市民觉得步行环境好或者不好的原因，分析各个不好的点存在什么问题，所以通过互联网的街景数据，对于扎针的每一个地点进行了场景还原，并将这些扎针的地点的街景进行了抓取，每一个地点抓8张图，每45度抓一张；
我们通过分析这些照片来观察市民扎的地方是什么地方，然后让规划师也对其进行评价，对于每一个扎针的地点用可达性、步行的尺度、无障碍性、停车的情况、公共设施的情况等 9个维度去评估它，并对每一个维度进行打分，这样就得到了一套市民的评价结果和一套规划师的评价结果，通过对比市民的评价和规划师的评价之间的差异，得出哪些总体评价是一致的，哪些点评价极端不一致（这些极端不一致的地方有可能是扎针环节出现了错误）。
将评价极端不一致的点过滤掉之后，得到一个共识的评价结果，并且实现了将一个比较粗的好和坏二元评价，变成了精细的9个维度的评分，我们就能够知道北京的哪些地方停车管理比较糟糕，哪些地方是街道上的这些市政设施不合理，哪些地方使北京的步行系统不够连续，这样我们就能够对城市的步行系统进行比较精细化的、有针对性的改进。
最近我们将之前所作的这些工作基于数据的感知、监测和治理手段进行了总结，并将这些成果集中地应用到了“回龙观地区的功能优化”这一项目当中。
基于之前的这些技术手段和案例，我们形成了一个从前期分析到方案设计、再到运营评估的一个完整流程的解决方案，并编制了数据治理城市的手册，告知规划师，在面对不同的城市问题时，要感知城市的哪些内容，监测城市的哪些指标，使用哪些工具，分析哪些问题，最后找到解决办法。
比如我们都知道铁路会分割城市空间，影响社区的居民互相交流往来和两个区域的活力，但是传统上并没有办法去了解和量化这种情况，但是利用智能手机的定位数据，我们发现在回龙观区域13号线所在的这样一条铁路，将回龙观分成了南北两个区域，北侧60%的人口，南侧40%的人口；铁路对这里的商业设施客流带来了严重的分隔，北侧的商业设施只有14%的人来自于南侧居民，而南侧的商业设施只有27%的客源来自于北侧的居民。所以我们可以量化城市空间的这样一个阻隔，到底对所在区域的商业活力带来了什么影响。为了提升城市品质，我们可以通过模型去模拟，假如在这里打通几个通道，会使得南北两个区域的交流往来得到多大程度上提升，增加多少商业客流。
我们也可以通过大数据分析来对比回龙观和望京两个区域存在什么样的差异：利用大众点评网的设施数据，我们进行了统计并形成了词云图，可以发现回龙观的餐饮以简餐，小吃，快餐为主，而望京的餐饮设施词云图却以韩国料理、火锅、烧烤、西点面包等类型为主；
我们也能够看到在工作日的晚上和在休息日的期间，回龙观的居民和望京的居民他出行的规律有什么区别：比如，回龙观的居民到了周末的时候，比望京的居民更喜欢宅在家里边。而对于那些外出的人来说，回龙观的居民会去的地方更远，他们会离开回龙观区域去到五道口、中关村等更远的地方去活动，但是望京的居民在周末的时候尽管外出，其大部分活动范围还是处于望京的区域内部。这意味着望京提供了比较完善的公共服务设施，能够满足望京的居民休闲活动的需求，所以望京居民都在自己区域里面活动；而回龙观休闲服务设施不足，所以有大量的居民需要到回龙观区域以外去满足自己的休闲活动需求。
两者所用拥有的商业设施数量、品质等方面的差异也可以用数据观测到：例如回龙观人均的消费更低，回龙观的商业和餐饮的得分更低，多样性更差，以及回龙观的商业设施他们对区域外的客流吸引力较小，而望京的商业却能够吸引大量的望京区域以外的客流等等。
通过这样一系列的技术手段，我们可以更好地去感知和监测城市，并提出有针对性的治理手段。我们可以感知社交媒体数据，感知智能终端的数据，感知刷卡记录，感知各类传感器的数据；并能通过这些数据去监测人群的流动、监测城市的活力，监测城市公众的情绪和舆情；基于感知和监测的信息，我们能够针对它们反映的问题进行有精细化的治理，比如说进行城市的预警应急、城市规划、设施选址、优化提质……。
我们一直有一个观点：当一个市民的活动被我们感知到，这个市民就参与到我们的城市治理中了。所以我们提出了“感知即参与”的观点，基于城市数据的感知、监测也是我们能够达成居民更广泛的参与社会生活，参与城市治理的一个好办法。
感谢各位的聆听。
作者：茅明睿
转自：微信公众号：软件定义世界（SDX）【ID：SDx-SoftwareDefinedx】
央视网经济频道《大数据名人讲堂》之《茅明睿：数据感知城市脉搏》视频地址（点击文末阅读原文即可）：
央视网《大数据名人讲堂》
《大数据名人讲堂》以落实国家大数据战略为己任，传播数据知识、构建数据思维、提升数据能力、挖掘数据价值，致力于大数据生态体系建设，通过聚合政产学研用等多方资源，加速企业成长、推动产业转型升级，倡导数据伦理，探寻数字文明。
《大数据名人讲堂》汇聚国内外大数据各界精英，引发深入探讨，激发思想碰撞，全面解析大数据的产业应用和未来发展，致力成为大数据思想的策源地，大数据应用的领航者。《大数据名人讲堂》聚集业界专家、院士、企业定期开展专题讲座。
视频链接（点击文末阅读原文）：http://jingji.cctv.com/special/mrjt/dsjmrjt/index.shtml《大数据名人讲堂》正在面向海内外创新创业企业、研究院所、咨询机构等专家学者征集大数据精彩演讲，如果您有大数据应用精彩案例，敬请把您的姓名、单位、联系方式、演讲主题、500字左右的演讲提纲、计划录制时间等信息发电子邮件至chenxinhe2020@126.com，经专家委员会审核后将邀请您来录制节目。
央视网《大数据名人讲堂》已上线视频（点击文末阅读原文）：
●《陈新河：万亿元大数据产业新生态》（高清图文版已上线，点击标题即可），60页PPT、上万字，覆盖600多家企业，展示金融、保险、房地产、影视、体育、交通、旅游、电子商务、制造业、农业、经济预测、政府治理、社会安全等10多个行业的20多个新鲜案例，全面、深入分析中国大数据生态系统；
●《李伟：预警、预知、预测--大数据催生“智慧警务”》大数据福尔摩斯告诉您如何从12亿抓拍车牌套牌车辆，如何从一个城市10年累计在各类旅馆登记的15亿条数据识别嫌疑人；
●《茅明睿：数据感知城市脉搏》，72页PPT、近万字告诉您如何利用微博、一卡通等数据感知城市情绪、发现灰色人群和低收入群体……还有更多，去看视频吧！
●《于莹：千万头猪联网大数据新价值》，如何将猪联网？猪友圈如何运作？千万头猪迁徙的盛况如何？47页PPT彻底改变您对猪的认识！
更多《大数据名人讲堂》嘉宾图文版信息将在微信公众号：软件定义世界（SDX）发布，敬请期待！
TalkingData University
TalkingDataUniversity以传播数据知识、构建数据思维、提升数据能力、挖掘数据价值为己任，专注于大数据专业教育培训，致力于大数据生态体系建设。
截止2015年底，TalkingData University已为100多家企业、数千名学员提供了大数据专业培训服务，其中包括国土资源部、工商银行、建设银行、农业银行、交通银行、招商银行、兴业银行、平安集团、民生银行、光大银行、国泰君安、国信证券、海通证券、中信建投、华泰证券、东方证券、泰康人寿、新华人寿、积木盒子、玖富、翼龙贷、国美金控、中国移动、中国电信、中国联通、中国石油、中铁集团、中航信、中国国航、畅游、万科集团、万达集团、碧桂园集团、卓越集团、花样年集团、百胜集团、老百姓大药房、OCHIRLY、链家集团、一汽丰田、白云机场等。
TalkingData University大数据名人大讲堂视频直播及部分视频回放网址：
▌专题：
点击蓝色标题即可阅读全文
SDX最受读者欢迎的文章：【TOP100】
院士：李国杰【（PPT）（全文）】【数据开放】，邬贺铨，倪光南【大数据时代（上）（下）】，怀进鹏；
大数据100分：【金融】【制造】【餐饮】【电信】【电商】【更多行业大数据应用请点击底部导航栏BD100分】；
征信：【ZestFinance】【BCG】【芝麻信用】；
PPT：【大数据产业地图】【数据之巅】【互联网的未来】【软件正吃掉整个世界】【互联网思维】【互联网+】【一带一路】；
原创：【陈新河：万亿元大数据产业新生态】【陈新河：软件定义世界，数据驱动未来】【数据交易】【互联网+观点】。
❶软件定义世界, 数据驱动未来；
❷ 大数据思想的策源地、产业变革的指南针、创业者和VC的桥梁、政府和企业家的智库、从业者的加油站；
❸个人微信号：sdxtime，
邮箱：sdxtime@126.com；
=>> 长按右侧二维码关注。
在微信公众号的丛林中，如何一眼找到软件定义世界（SDX）？