起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識暢想 | 城市級停車場規劃的大數據架構
本文筆者將與大家暢想一下：針對于城市級停車場規劃、車場未來壓力預測以及壓力疏導，如何通過大數據形式進行展示，并通過簡單的數據計算出車場、商圈等場所未來一段時間內，面臨大量壓力所能做出的針對性調整？
首先，大數據絕不是各種原始數據的報表或圖形的另一種展現形式，這一點我們要有明顯認知。
其次，大數據之所以稱之為“大”，那一定是具有海量級的數據，大到輕輕松松就可分析用戶的幾百上千種行為、大到幾百次隨機抽樣計算都未必能選中同一個用戶、大到北冥有魚，其名為鯤，鯤之大，一鍋燉不下（不好意思，小說思維泛濫了，責編又催我交稿了）。
再次，大數據需要進行數據細分，對有可能想到、碰到的所有行為、用戶類型等，都要進行標簽化設置。腦洞的用途在這里有很明顯的優勢，化而為鳥，其名為鵬，鵬之大，需要兩個燒……..
又次，大數據的組成結構一定是具有多樣性的，So……你要想盡一切辦法為數據庫填充你主營業務的所有可擴展字段。而這些維度的數據，是在建立大數據平臺前你無法進行預知，說不定哪天就能用上。
雙次，剛才說了，大數據并不是原始數據的報表輸出形式，而是建立在計算數據當中，我們通常稱其為“指標”。只有將無序且面似毫無關聯的數據通過一組公式進行組合之后，這些數據才最終具有了可判斷性。我們最常用的一種指標，應該算是KPI了吧。老板：這個月你得扣錢了?。?/p>
叒次，大數據平臺載體的算力同樣是讓人捉急，已經大到那個樣兒了。載體不給力，你要怎么算，對于某些行業來說，兩天前的數據已經不具有對未來的指導性了。
叕次，有了海量數據和高功的算力，接下來大數據平臺，就應該考慮這些數據如何對業務產生既定分析以及業務未來的決策分析了。這基本是通過指標進行的，而且各個行業特點不同，所以會有不同的區別。
大數據平臺的基本結構
我要先聲明一下：系統結構萬萬千，通羅馬的道路千千萬，不要被固化思維與結構形式所束縛，腦洞在這里是最需要釋放的地方。（當然，設計得合理）
可支持任意模型創建：在工作未開展前，你恐怕永遠都無法將數據平臺的用途詳盡吧，在運營人員提出向看一下用戶站著喝水的比例的時候，難道要產品重新開發么？
可支持事件創建：平臺使用者通過事件類工具，可以自定義事件類型，自有發揮、自有選擇環節。（運營：其實我真正的需求是想看一下用戶喝完水之后是去接水還是扔掉杯子。）
可支持數據報警：數據報警分為兩部分，一部分是數據缺失造成計算的結果、指標會出現明顯偏差，影響著數據精準性；另一部分是運營趨勢的報警，這部分看業務需求，對于停車業務來說，只要穩定增長且不超過最大負荷量，就基本可以滿足。
可支持自定義報表：自定義報表這個東西，相信很多人都知道，Excel的WEB版么，對運營來說很重要的。（研發表示：嗯，你們應該有一個）
可支持SQL查詢：在自定義報表都將無法滿足你運營人員需求的時候，有沒有想過讓運營去學SQL？自己通過頁面SQL工具進行查詢，甚至生成圖形話報表。（運營：呸！湊不要攆）
停車業務數據平臺
假定需求方：一個可以看到整個城市或整個區域停車數據的公司。
至于細分用戶、模型創建那些需求我就不在介紹了，那些細分的數據是要注入到指標里進行作用的，直入主題吧。另，篇幅原因，當前文章中僅對“停車場 壓力預測”功能進行介紹。
我們先對一些車輛、車場、行為進行一些粗淺的分類了解。
車輛行為分類：
- 入場：車輛開進停車場即可。
- 出場：與入場是一對兒不可分開的存在。
- 返港：特指駕駛者將車輛駛停至車輛所有者的常停車場（家），可以理解為車家。
車輛分類：
- 常量車：同一個停車場，每周連續時間段，且固定時間入場、出場行為，同時符合早幾晚幾的特點，如日常辦公樓的白領們。
- 定期車：每周不連續時段，但行為固定，如每周（或每隔周）一、三、五都會出現的車輛，稱為定期車。
- 臨時車：無任何規律可循，隨隨便便入場出場的車輛。
- 僵尸車：停下來就不走的那種，固定個時間范圍即可。
- 錯峰車：如上班駕車，經常遲到，車場位置不足，無法入場，只能選擇當前車場周邊的其他車場進行停放。
- 返港車：確定當前車場為該車輛長期停放場所，特指小區，這與每天出入場次數無關。
因為每種類型車都會有自己的行為習慣，這對進行數據分析有很重要的指導。
車場分類：
按照車場所處的地理位置，大致可以將車場分為商、政、辦、娛、教、住等，可以通過車場類型，判斷車場中不同車輛類型的停放時間、以及其他。
數據用途范圍：車場健康預測、車場分流可行性預測、商圈壓力預測。
- 預測類：車場健康、分流可行性、商圈壓力、壓力輸出導向等。
- 統計類：車場內部組成解結構、車輛結構趨勢等。
雖然以上的介紹中，我并未增加關于人的大量數據（工作性質、崗位、性別、房子、有無子嗣、），但是并不說明這套系統指標計算中并未將其參與進來，零散的數據終將以指標形式存在。
原型中的內容不需要細說了，只對一些指標進行簡單的介紹。
守約率：
守約率是判斷當前車場中，不同類型車輛是否按照周期性的特點進行停駛操作的一種行為判定性指標。
如某一個車場中，每天大部分時間都存在滿載的情況時，可通過守約率來查看，當前車場中，到底是哪一種類型的車輛支撐著車場滿負荷運轉。
當你了解了停車場中某一周期的停車類型結構時，那么你就會發現：這種結構對于大多數車場是有著穩定性的——如商、政、教、住等，每種類型的車輛守約的程度不同，一旦車場中某一類型車輛的守約率發生明顯變化時，證明當前車場的主要力量正在更換，車場周邊的環境正在發生改變。
同時，守約率指標配合車輛入場時間類型指標時，將可對未來的某一天，車場在某個時間段是否存在空缺、滿負載情況進行數據預測。
關于其他的指標我就不在這篇文章里進行介紹了。
準媽媽定期檢查、財務人員固定時間進行報賬、教師的假期、節假日的返鄉等這些行為，都要納入到車場判斷未來趨勢的因素中去。同時，車輛的駕駛者日常的行為習慣、是否守約、長停車場等，依舊是判斷車場未來趨勢的重要數據。
也許這些都是暢想，反正如果你覺得有用的話，可以參考一下
作者：王榮，微信號公眾號：PM_magic，10年產品，各種系統各種搭，各種平臺各種做，各種規劃各種出，各種模式各種落地
本文由@王榮 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash, 基于CC0協議
- 目前還沒評論，等你發揮！
