那些年踩过的坑：ArcGIS地理大数据实践

目录：

1. 什么是大数据

   ——What is big data

2. 空间大数据的传统策略

   ——当互联网遇上空间分析

3. 现实的挑战很严峻

   ——当量变成为质变的时候

4. 大数据中，我们能做什么？

   ——We are action in Big data

5. 大数据带来的思考

   ——Think in Big data

1、什么是大数据？

——What is big data

现今大数据的几种认识：

• 数据量大就是大数据

• 不用（传统）数据库就是大数据

• 用了Hadoop，就是大数据

我们是否可以凭借上面的条件判断呢？当然不，那么用什么条件呢？三个内容共大家解读~

数据复杂：大数据的那些V

大数据与传统数据的差异

大数据真正的核心

信息化最后到底要什么？

2、空间大数据的传统策略

——当互联网遇上空间分析

在新版本的ArcGIS 10.5的GeoAnalytics中已经提供了现成工具，实现这部分的功能，不要开发，不要代码！点击鼠标即可：

• 数据汇总

  聚合点

  连接要素

  重新构建追踪

  汇总属性

  范围内汇总

• 位置查找

  查找相似位置

• 分析模式

  计算密度

  查找热点

  时空立方体(ArcGIS Pro)

• 邻近分析

  创建缓冲区

• 数据管理

  复制到数据存储

几个GeoAnalytics的案例

3、现实的挑战很严峻

——当量变成为质变的时候

一个很简单的需求~看下面。

这么简单的问题，就拜托了~（截止2015年：北京共有1200条公交线路，5000余个公交站点。）

这个问题也是一样的，拜托了。

那么如何解决上面的问题呢？我们现行主流解决方案有三个~

1、矩阵运算

• 优点：数值分析中的标准形式，有严谨的数学模型支持。

• 缺点：编程模型比较缺乏

2、分布式运算

• 优点：当前发展的主流趋势

• 缺点：被赋予的期望值太高

3、多线程

• 优点：编程模型成熟

• 缺点：编程难度较高，限制较大

如何解决前面的“简单”问题？看这里~

点是空间数据的主要表现形式，常用数据中点数据的占比要远远高于面和线数据，类似这样~

LBS的特点：

• 空间数据

• 时间数据

• 唯一ID

• 附加的其他信息（可选）

LBS的表现形式

4、大数据中，我们能做什么？

——We are action in Big data

企业内部如何快速开展大数据战略？

一个组织的数据科学部门的主要职责，就是类似统计局这样的部门。

地理分析的意义在哪里？看图就好。

大数据带来的思考

——Think in Big data

大数据分析中还存在着许多的陷阱，比如：一组来自百度大数据的对比图。