做商业地产策划时间越长，越感觉自己在“忽悠”。

　　天通苑与回龙观同属于大型生活社区，同样面临距离北京核心城区远，地面交通、轨道交通拥堵等问题。回龙观地区得益于周边产业环境，商圈内消费力有保障，同时地区商业尚不发达，类似于天通苑2007年地铁5号线开通但商业尚未完善的阶段。在北京城市交通短期内难以得到根本性改善的前提下，回龙观很可能形成类似天通苑的封闭式区域商业体系，是商业地产郊区型购物中心投资的真正“价值洼地”。

　　对于商业企业来说，大数据技术的引入最直接也最根本的目的是要了解真实的商圈消费人群，进而挖掘他们自己都尚未觉察到的需求，从商业运营角度弥补需求、提升定位精准度。大数据技术帮助企业获得越来越精准的商圈内消费客群画像，未来的商业定位将不再像现在这样面临大同小异的尴尬，而是真正做到应需而生，避免千铺一面的盲目竞争，真正开发面向细分客群的商业类型，满足不同的消费需求。

　　客群聚类分析结果

宏观商圈洞察中大数据工具的

　　TalkingData从数据收集到数据挖掘，从数学模型到深度学习，从分析工具到数据平台，在数据应用领域积累了丰富的经验及海量数据，逐步打造了以SmartDP平台为核心的数据生态体系。针对宏观商圈人群洞察，TalkingData借助地理围栏圈取商圈人群及竞品客群，同时整合来自于众多渠道的数据，与TalkingData数据中心超过40亿智能终端设备的线上行为、线下轨迹数据进行匹配，全面利用数据挖掘分析技术，发挥数据价值、服务地产投策具体业务场景。

大数据技术的引入：

　　整合企业累积数据

　　商圈人群移动设备属性特征

　　结合聚类分析，实现商圈人群分类管理

似乎，我们都习惯了用

　　TalkingData基于移动大数据的大规模积累，建立起有关人群描摹的六大类基础标签，包括人口属性、设备属性、游戏特征、线上应用偏好、线下行为轨迹、消费兴趣，同时也可以结合企业自身需求做定制化标签开发；以全样本数据为基础，人群标签体系为核心，将全面构建商圈内消费人群的360度画像，实现更全面、更精准、更高效的人群描摹。用户画像既包括整体商圈层次，也包括竞品层次，更好地辅助企业决策。

助力企业商业决策

　　借助大数据技术，宏观商圈洞察将破解传统调研方式的困局，全面展示商圈人群的属性特征、设备使用特征、线上应用偏好、线下行为轨迹，结合以上商圈内人群特征，同时对竞品到访客群进行相似维度的刻画，从商圈和竞品的两个层次来深度解析未来消费客群的整体特征及分类情况，从而指导前期商业定位、业态规划、品牌布局等等。面对纷繁芜杂的商圈人流，借助大数据工具可快速获取人群特征，且保持实时追踪及更新，并能通过不同城市、不同商圈的指标对比，发现最合理的商业布局模式。

逻辑上的正确来掩盖数据上的不精确。

　　快速提高调研效率

　　传统商圈调研基本以抽样样本为主，样本量受限且难以覆盖商圈整体范围，线下工作实现难度大。利用大数据商圈洞察应用，可从全量数据上整体描摹商圈特征，让企业决策不再一叶蔽目，从全局角度把握项目开发策略。

　　增加有效调研维度

　　关注零售、商业与商业地产的新思维和新趋势，20万业内精英人群订阅，已成为商业地产领域最具影响力的个人自媒体平台。

商业决策进入大数据竞争阶段