提示：本文共有 5311 个字，阅读大概需要 11 分钟。
你好，我是得到大学教务长蔡钰。
这是得到大学的第11节课， “数据科学家思维模型” 。
这节课，我们面对的问题是，怎样通过数据改造现实？
这个问题的边界，可以描述为以下两点：
．第—，解决问题的大致方向是有的；
．第二，但具体如何着手，并不清晰。
比如，孩子考试考不好，表面上你知道—切原因：上课没有认真听讲，孩子不够努力，语文比数学差等等。但是具体怎么改善，无处着手。
但当这个问题引入数据的因素，就会完全不同。如果你通过分析，发现他周—的测验成绩总是比其他时间的分数低，那就可能是周末玩得太疯， 周—还没有调整好学习状态。这就是用数据意识去定位问题了，然后再去针对性地解决。
你看，只要有这么—点点数据方法，在解决问题的时候，我们就能找到抓手。
而用数据解决间题的专家，我们称之为数据科学家。他跟传统的数据统计最大的区别就在于，统计的目标停留在了记录和整理数据，而数据科学家致力千解决真正的现实问题。
这节课我们请到了—位货真价实的，而且解决过具体问题的数据科学家，茅明睿。他是数据公司城市象限的创始人，也是北京城市规划研究院的规划设计师。他的强项是借助数据分析，来诊治大城市病。
他和他的数据团队，做了北京的回龙观城区数据分析和改造建议。这套来自民间的方案，史无前例地被北京市昌平区政府采纳了。目前茅明睿正以外脑身份，参与到了“回天有数”的城市改造项目当中。“回”就是回龙观，“数”就是数据。
那就让我们看看他是如何用数据，诊断和改造城市的。
这节课是茅明睿和得到大学研究员罗砚—起研发的，由转述师怀沙来进行转述。
好，下面我们开始。
在今天听课的过程中，我提醒你注意—个区别：通过直觉来进行决策， 和通过数据来进行决策的区别。
2016年，我开始着手研究— 个课题： 怎么能提升回龙观社区的活性？
北京的同学，听到可能就要会心—笑了。回龙观到底是个什么地方呢？
它是北京北五环外的卫星城区，也是出了名的睡城。1998年被开发出来的， 它当时是用来承接北京中心城区的拆迁人口，也是北京第—批经济适用房和回迁房的所在地，目前有超过30万人口，号称亚洲第—大住宅区。
回龙观住了这么多人，却始终缺乏活力。快20年了，也没有形成健康的社区生态。大量居民白夭—起涌到其他城区上班，晚上再—起涌回来睡觉， 通勤又拥挤又耗时间，非常痛苦。住了20 年，大家也仅仅是把这里当—张床来用。
这也让回龙观所属的北京市昌平区政府头疼不已。怎么提升城区的活性呢？
其实，假设你就是—个聪明的政府干部，拍脑袋你都能想到两个解决办法：
．第—个，白天没有人，那就增加工作机会，让人白天回来上班；
．第二个，通勤难，就多修路。
但这两个任务摊出来之后，你会长叹—声。因为完全无处着手。方案怎么落地呢？提高哪—类就业？开商场还是开工厂？在哪个地方多修路？修公交道还是修地铁？资源怎么投入？
所有这些问题完全没有头绪，这就是用直觉决策的问题所在。
同样是这个问题，请你回到最小白的视角，跟我—起来看，以数据科学家的视角，怎么解决回龙观的活性问题？
新数据是新石油
改造旧城，过去也有很多尝试。政府也会从数据里寻找决策依据，比如，—个地区需要几个图书馆、老年人活动中心这些基础设施？再比如，就业岗位和居住人口数量、土地可开发空间这些宏观数据。
这些数据的背后，政府真正关注的要么是土地价值的提升，要么是基础设施的完善。但这些问题的主体，其实是政府。
而面对“如何提升居民的生活品质，提升城市活性”这个问题，以往决策方式难以给出准确的回答。
好消息是， 这个时代做数据的人，有—个大红利。随着移动互联网的普及和各类传感器的普遍应用，数据的采集成本降低了，我们拥有了大量的底层数据。
这些新数据就是新石油啊。 无论是数据维度的增加，还是精确度的提升，新数据让我们对问题有了更深刻的认识，能指引我们找到更精准的解决方案。
而对于改造城市而言，有哪些新数据呢？太多了，我举几个例子：
．第— 个，公交IC卡的刷卡数据， 这个数据的利用是过去被忽视的。但深入分析，刷卡数据能
很好地反映回龙观居民的通勤行为轨迹。人们 什么时间坐车？坐车去哪？要坐多久？有了这些数据，我们就能还原回龙观居民真实的通勤行为。
．第二个，手机定位数据，这里可挖掘信息就太多了。有多少真实的居住人口？他们都是什么时间段待在回龙观？他们用什么手机？维度太 多，我就不在这里——列举了。
看数据还有很多有趣的维度，互联网产品也记录了大量的城市数据。你可以用大众点评分析城市的餐饮情况，比如回龙观的餐饮高频词是快餐、小吃。相比起其他城区的高频词，你就可以判断这个城区的消费水平不算高。
手机、互联网产品、摄像头这些传感器积累了大量的原始数据，这些都是我们重新了解世界的富矿。同样，其他行业也迎来了这个机会，关键是看你能不能利用好这些数据。
接下来，我就踉你讲，拿到回龙观的数据之后， 我是怎么用的。
找到参照系，寻找差异点
我做的第二件事是，寻找适合的参照系，来做比对。
怎么来研究回龙观问题呢？我找到了北京的另—个卫星城区，位千北京东北方向的望京，拿它来踉回龙观做比对。北京的望京城区，常住人口也是30万， 早年也被话病是睡城，但近几年城区活力改善得非常明显。还是上面那些观测角度， 这两个社区有什么不同呢？
先对比大数， 这两个城区常住人口都是30万， 高峰期地铁的人流量差别有多大？
2018年， 北京地铁站， 早高峰进站客流排名前十的车站里，回龙观城区的四个地铁站回龙观、霍营、龙泽、回龙观东大街全上榜了。而望京城区没有—个地铁站进入前十。
值得追问的问题来了：两个地方常住人口差不多，为什么乘坐地铁通勤的人流量差这么多？那是不是就说明，回龙观的职住分离现象，要比望京更严重呢？
我们搜集了两地居民的手机定位数据：
两地内部通勤的比例，也就是说在本地上班的人的比例，回 龙观只有9.4%, 而望京有23.7%。望京提供了更多的就业岗位，四分之—的人都在本地上班， 而回龙观90%以上的人， 都得去其他城区上班。
再看平均通勤距离，回龙观居民平均通勤距离是10.9千米， 而望京只有8.6千米。回龙观居民离上班的地方更远。
对比细节数据，两地的居民花多长时间坐地铁？
监测发现，回龙观刷卡进站的早高峰比望京早了15分钟， 早上7点45分就开始了， 望京是8点。晚上就更明显， 晚上望京刷卡出站的高峰是6点—刻到6点半， 而住回龙观的居民7点到7点—刻才集中刷卡出站， 也就是平均晚了45分钟。
住在回龙观、乘地铁通勤的居民，平均下来比望京的人早出门15分钟， 晚到家45分钟，足足多出了1个小时通勤时间。这还没算他们在回龙观站外排队的时间。
在通勤问题上，回龙观居民要比望京居民多花1个多小时，也就少了1个多小时的生活时间。难怪他们感觉身体被掏空了。
听到这你可能还是觉得，数据科学家也没什么了不起，只不过是把人们的感受，变成了量化的数据嘛。但是接着往下来听，你就知道数据能起到的作用了。
给出可执行的具体方案
通过搜集数据和别的地区做参照比对，我明确了两个关键问题：
．第—，回龙观城区内的工作岗位太少。
．第二，地铁作为主流通勤方式，让居民们的精力消耗太高。
过去做城市规划可能会笼统地提出—些建议，比如增加就业、多修道路等。但具体怎么落地，其实没有真正的直接依据，不当的方案还会带来新的问题。
这个时候就需要数据能帮我们找到，到底哪个具体地方、哪类人群问题最突出，最需要被解决。
针对第—个问题，那应该给回龙观多提供什么类型的工作岗位呢？
我分析了回龙观居民的从业类型，有两类人群最为突出：
第—类是从事文化、商业这类公共服务行业的人。他们占到了总人数的27.5%, 而且这类职业是女性占比最高的。他们工作地点也非常分散，散布在北京城的各个角落。
第二类是码农，回龙观离码农工作聚集地都非常近，比如著名的中关村，以及中关村北面的上地。在回龙观，码农们的居住成本也相对较低。
摆在政府面前的就有两个选择，要么多提供公共服务类的工作岗位，要么多提供码农的工作岗 位。别忘了，政府的出发点是提升城区的活性，哪个方案更有效？
我先说答案，解决女性就业。为什么？
首先，增加码农的工作岗位对城区活力没什么帮助，甚至会让城区生活品质更差。他们没时间消费，天天加班，对城区活力没有什么直接贡献。
但解决女性就业就非常不同了。
如果我们让太太们更多在本地就业，通勤时间变短，女性多出来的时间会用来干瞅呢？买买买。这就会反过来为本地创造更多公共服务类的就业机会，形成了正向的循环。
这样整个回龙观社区就盘活了。—个女性友好的社区，就是—个有活力的社区。
那我们应该为回龙观设计什么样的就业机会呢？
我们还是来对比—下望京，来看看两地商业的供给和需求两端的情况。
我们可以用手机定位数据来对比望京和回龙观两地的商业供 给： 回龙观有3家商场，60%都是本地人来消费 ； 而望京有7 家， 本地消费者仅占30%, 70%都是其他城区的居民来消费。这说明望京的商业水平比较高，可以吸引外部的消费者。
再看需求端，考察—下回龙观和望京两地居民的周末行为轨迹。回龙观的人一到周末就往外跑， 而望京的人更多在本地活动。很明显，回龙观本地的商业设施，没有满足本地居民的需求。
什么需求没被满足？我们找找他们周末去哪就知道了。
回龙观往南5公里左右， 五彩城购物中心是回龙观居民去得最多的商业中心。五彩城的客流中， 20%来自千回龙观。 那为什么去五彩城呢？因为五彩城有—些回龙观没有的消费场所，—些知名连锁餐饮、潮流的消费品牌，亲子项目和—些家居体验业态。
所以，这类商业就是回龙观应该引进的商业业态，它们能够留住更多的女性，无论是吸引她们去就业，还是去消费。
再看第二个问题，通勤时间长。
地铁刷卡数据告诉我们回龙观居民，比较集中的上班地点是哪里呢？
我分析了 回龙观居民早高峰那1小时的客流，出站的地点集中在西二旗、五道口、知春路和上地这么几处，都是互联网公司集中的地方。从数据可以看到，码农们是地铁出行的主力人群。
而这些地方到回龙观的距离在10公里以内，是正常的通勤距离。距离上班居民最集中的西二 旗，更是只有5公里左右。
所以，我们发现了码农们通勤的直线距离并不远，近的5公里，远的也在10公里以内。但是通勤时间特别长，地铁拥挤，体验太糟糕。那问题明确了，该怎么办？
传统的解决方案就是多修路、多修地铁，这些办法成本高、实施周期长不说，可能也没法很好地缓解问题。
其实针对5公里左右的短距离通勤，还有—个选择，骑自行车。能不能修建—条专用的高速自 行车道呢？对于码农来说 ，既能缩短通勤时间，还能锻炼身体，一举两得。
高速自行车道 ， 在德国、荷兰、丹麦这些欧洲国家早就有实践。它被建设成封闭式的高架立交 道路， 和机动车道路区分开来，保证不受机动车干扰。而且不设百红绿灯， 而是设置了— 些骑行驿站， 用来中途休息和维护车辆。
听起来是不是很有创意？
这个想法现在已经不仅仅是创意，已经被北京市政府采纳了，开工在即。第—期规划路线，从回龙观到上地，全程6.5公里。按照每小时15公里的正常骑行速度计算，未来早高峰时段，骑自行车会成为回龙观居民耗时最短的出行方式，全程通勤时间在半小时左右。
那我们回顾—下，通过数据分析，我们提出了哪些具体解决方案：
．第—个是对回龙观的公共服务进行升级。在商业方面建设招募连锁品牌的商业中心，并且利用算法新增公共服务设施、优化设施布局和可达性，这个提议也已经在“回天有数”的整体项目规划中了。
．第二个是建—条从回龙观到上地的高速自行车道，这个项目已经开工在即。
通过这个案例的具体分析，我想你能看到，没有数据的方案和决策，大多都是拍脑袋，而数据能给我们的决策提供具体的方向依据。
总结
好，现在我们总结—下，你多半不是专业的数据科学家，身为外行的你，能怎么用到数据科学家的思维模型呢？
第—，关注那些刚刚出现技术条件，可以把它记录下来的数据，这就是当代的新石油，你不利用别人可就利用了。
比如，过去工厂里的零部件出问题了，需要工人—个个去排查，花很长时间还不—定能检查出 来。但现在有了数字工厂，在每—个关键零件的地方，都装上了传感器，就能第—时间发现问题，极大地提高了运作效率。
第二，找对比的参照系。回龙观怎么改造？答案很难找，但你找到—个曾经的回龙观，就可能找到方向。这个案例就是找到了望京作为参照。
我们这个时代特别容易嘲笑过气的事物，但过气的事物还有另—个特征，就是它完整地经历过，你可能将要经历的周期发展阶段。比如，在中国研究社会问题就应该关注日本，当下日本的老龄化、后工业化问题，可能就是中国几十年之后将会面临的状况。
第三，数据的分析—直要深化到变成可执行的行动。比如在哪建—条自行车道这样的具体方案。不然那就跟过去的数据报告没有区别了，这才是数据科学家提供的独特价值。
好，回龙观改造的案例我们就学完了。那么在你的工作和生活中，有没有用数据去解决问题的有价值的案例呢？欢迎你来跟我分享。
数据科学家思维模型
关注那些刚刚出现技术条件，可以被记录的数据， 它能给你解决问题的新视角。只有用它为具体方案找到依据，才是真正对数据价值的挖掘。
看到此处说明本文对你还是有帮助的，关于“「DD大学」「第11讲」数据科学家：怎样用数据改造现实”留言是大家的经验之谈相信也会对你有益，推荐继续阅读下面的相关内容，与本文相关度极高！
