MIT Technology Review宣布900个连接纽约的岗亭已经建立，每个亭子十英尺高，可连物联网，并且坐落于原来电话亭的地址。人们用这些连接着的岗亭给手机充电，利用高速的WIFI，搜索天气、餐馆等信息，连接亭的服务都是免费的，其广告收入用以回馈设计并提供连接亭的机构们。
The Missing Link 每个连接亭有两个摄像头，目前这些摄像头只用来监控故意破坏捣乱行为，将来在情况允许下，可以用来360度监控并用来制作实时数据地图来监控紧急事件。连接亭提供了更多的定位信息，这对于交通管理也是有利的。
Mobilized Information
智能岗亭并不是唯一的城市新信息流来源，Driver-assistance technology company Mobikleye与ESRI合作了Mobileye’s Shield+ system，在车辆（主要是城市公交）上安装摄像头，来侦测行人和障碍物来提醒司机避免发生碰撞。
The Edge是指公司产品或者服务与客户对接的地方，有了大数据分析、地域性视野和人工智能，员工开始根据服务和销售快速做决定，而这些决定就叫decisions at the edge.
当公司开始使用这些基于人工智能和地区性的工具来帮助员工更精准的回应客户需求，并将中层经理们从重复性销售与服务业务中解放出来的时候，这些公司将降低销售成本并且利润暴涨。
The Human-Machine Interface
用来帮助在公司产品和客户服务对接的地方做决定的系统是用来帮助人公而不是替代人工的。这个系统用机器学习和GIS工具的定位分析来帮助雇员更快的做决定，以此来增加客户认同度和合作倾向。
Digitizing and Sharing Best Practices
在公司产品与客户及服务对接时，有海量数据可以用来帮助做决定，在销售场景中：影响因素有客户购买历史、同时段客户的购买倾向、此地区人口统计、此地区吸引力的一些细节性特征等。在装备服务领域：影响因素有维修历史、某部分的使用情况细节、本地的天气影响、此时股市情况、客户预期的使用率等。计算和分析这些数据，是人脑所无法完成的，而人工智能可以完整的记录和分析一个公司的商业来往，并保持实时更新。
Sales Decisions on the Edge
想象如果一个客户买了高档电视，而旁边的推销员拿着一个平板，平板上提供了几条信息： 给客户卖相关产品（家庭影院话筒），额外保险，或者附加服务等，不同地区的推荐根据客户群消费习惯和货源地远近程度等也可能不同。基于人工智能的系统给出类似edge决策的建议，但最终还是由雇员来决定采用什么方案。
Service Decisions at the Edge
在服务领域，AI系统应用的好处是：加快了解决问题的进度，监管者可以不用投入那么多精力了，技术可以有更高的生产力，客户满意度更高，且更具有竞争优势。
Billions Going to AI
不仅是一些部门，城市、公共设施、慈善组织也可以从人工智能的帮助快速做决定中受益。大数据分析和智能机器来帮助做决定已经应用在很多商业领域了。哈佛商业评论杂志指出2016年机器学习的投资总额是50亿美元，而在接下来的八年里，将有可能增加到1000亿美元。
Machine Intelligence: A Supplement, Not a Replacement
预言学者经常提到智能机械将会导致人们失业，但是在公司产品与客户或者服务对接的地方实现全自动化是不太可能的。AI在这领域的目的是帮助雇员提高工作效率并减少所需的监管，以此让雇员变得更有价值和更难被替代。
Benefits to Middle and Upper Management
将人工智能引入decisions at the edge可以解放中高层的管理者，让他们可以更多地发展商业机会、寻找合作伙伴、发现提高效率的方法、提升员工技能以及做更好的项目投资。将智能机器引入公司管理中将变得越来越重要，而忽略这个的公司将会面临失去竞争力的危机。
2018年1月9日 Reporters, Scientists, and Citizens Team to Map Virginia’s Highest Tide
11月5号，周日的早晨，去Virginia的Hampton Roads地区的游客会发现超过500居民在大街上，穿着长筒橡胶靴，眼睛都盯着手机。这是一大群Catch the King Tide项目的志愿者，这个项目是由一群媒体机构组织的。在每个手机上都有一个Sea Level Rise app来记录定位和这年最高的浪的信息。
最高的浪潮为将来的海平面上升提供了一个窗口，而海平面上升是全球海岸边居民都关心的一件事。当秋季，月球里地球最近的时候，在部分地区最高的浪潮将会升到比平时高三英尺。Catch the King项目变成了全球最大的测量浪潮的集体项目。从Virginia的Pungo到Williamsburg附近的Chickahominy River，志愿者们捕捉了在12个地区的23,982个GPS定位点以及518张浪潮的照片。
A Growing Concern
CCRFR是Virginia海平面上升的权威数据的来源，CCRFR在他们网站上提供预测模型，引导学习，提供训练和科学的服务来帮助减小上升中的浪潮的影响。由于最高的浪潮每年都发生，研究者们可以测量并比较随着时间最高浪潮点的变化，观测趋势，并且根据地区和时间预测将来的海面上升的程度。
在长期来说，这种预验知识可以帮助社区更机智投资弹性基础设施和发展不动产。在短期来说，预言家可以提醒居民何时搬家。
Science and Citizen Sensors
作为这个项目的科学顾问，Loftis制作并发布了Catch the King的故事地图，展示了模拟洪水淹没的地图，解释了最高浪潮、需要的数据以及如何参与到这个活动中来。活动组织者选了55个低洼地方发送给志愿者，然后组织者任命队长来引导参与者采取正确的数据收集步骤。在11月5号早晨，本地的居民和一些学生出现在选定的地点来收集最高浪潮的数据，当浪潮来的时候，他们用他们的手机上的数据收集装置每隔5英尺发出一个模拟GPS定位。这个app讲这些数据点传入在线地图中，让每个用这个app或者上网站的人都可以看到。
Collection Accomplished
这个Catch the King项目创造了一个志愿者的浪潮数据收集网络并在过程中引起了群众的注意。数据和实时地图为分析将来海平面上升程度提供了精确的基础，同时也吸引了广大群众的兴趣。这些数据，短期来说可以用于分析风暴潮，长期来说可以分析气候变化。更重要的是，这个项目为城市居民提供了一个工具汤他们更了解上升的海平面是如何影响这个地区的。
2018年1月10日 The Curious Connections between Religion, Location, and Creditworthiness
The Business Cost of Bad Air
这些发现可以作为发达国家和发展中国家城市化进程的一个警告。耶鲁的研究者发现在城市中心的公司相比于一个原理城市的农场更容易被怀疑受空气质量的影响。城市居民的消费习惯受空气污染的影响要四倍的高于非城市居民。这表明了城市经济在空气污染下的需求。
当人类将继续在城市聚集时，城市经济规划者正在努力了解对自然的影响并创建环境。GIS和地理分析技术可以帮助降低风险、变得更加高效并发掘新的商业机会。
Smart City, Efficient City 智慧城市用基于地理定位的分析和地理实况来分析事情发生的位置——甚至是事情可能会在哪儿发生。智慧城市使政府机构更高效的定位事情，甚至可以提高生活质量——举例而言，通过帮助消防员或者制止坏的房屋出租者强迫租房者离开搬离他们的公寓。
作者曾是纽约的CAO，事实上，由于CAO的用途还是很新颖的，因而在私人机构还是很少有CAO的，即使很多生意依赖数据分析来增加运营效率和扩大销售。然而随着CAO所能做的事情越来越被认同，很多私人机构和政府准备开设相关部门就一点也不惊讶了。
The First Mayoral Department of Analytics
当作者成为纽约Mayor’s Office of Data Analytics的主管的时候，大约十二人的队伍要试着学习如何分析由一个城市里八百多万人产生的数据。举例而言，他们从城市311系统得到以小时为单位的数据，每天有100000个联系人，而911系统每天收到30000个电话。
如果你的智慧城市面临一个健康或者安全或者竞技的危机并且你在寻找解决途径——你需要一个CAO和分析的队伍来带路。 CAO和他团队是务实，从研究探索出发同时以结果为导向的。每一个项目都会很快的得出结论并为将来要做什么提供明确的指引。
Chief Analytics Officer versus Chief Data Officer 智慧城市，数字化数据为基础建立的，依托于物联网快速发展而来。当数据量存储量急剧增加是，很多城市和商业体意识到了有一个首席数据官的重要性。CDO很重要，他们知道如何收集和管理数据。
有大量整理的很好的数据以后，你需要知道如何用这些原材料来满足你的需求。一个首席分析官将组织的数据变成解决问题、增加效率和识别机会的决定。在表达方式上面：一个首席数据官可能会将交通事故绘制在地图上以告知路段的安全性，而首席分析师会先进行定位分析——检查一周里的每一天，一天里的每一小时，交通流量，天气，路面情况和其他的——来解释为什么这些交通事故会发生并探讨如何能减少这些交通事故的发生。
Using Data to Stop Illegal Rental Practice 当无良的房屋出租者强迫租户从长期租住的公寓中搬出去从而将住房可以以更高价卖给购买者，这导致了很多紧急情况。而被迫搬出去的人很难找到相同价格相同条件的住处，从而导致工作上学和家庭的不稳定。这种情况是如何发生的？如何预测这种事情发生的地方？该如何阻止这种事情的发生？我们应该用定位技术和GIS来进行挖掘数据中的关键因素并揭露隐藏的趋势。当我们提供组成这个强制事件的基础信息之前，我们需要了解这些时间的地理实情。
When Big Data Mining Saves Lives 我们通过数据挖掘为消防员提供了一种方式来预测那些很有可能发生违法和危险事件的地区和建筑物。这个算法对消防员们高效处理事故的能力而言非常重要。
Characteristics of Top Analytics Teams
顶级分析团队需要的并不是大学学历或者是某个专业的人才，像在一个如纽约一样拥挤而复杂的城市，健康、经济和社会问题很容易堆积，数据分析不可能是一个可以用几年来解决的问题，而是一个生或者死的、需要被快速解决的问题。一个CAO团队的成员需要知道如何跟各职业的人打交道，需要善于从经济、社会、法律等方面来看待对问题的影响，同时需要保持一定的好奇心、会说其他专业的术语、做事情效率高、在追求正确的数据上有进取心，并且会用定位分析来支持他们的发现。
Building Your Analytics Team
除了需要分析团队的成员们，智慧城市非常需要一个强力的数据团队，首席数据官与首席分析管并不是竞争关系，他们是互补的。没有强力的整理好的数据，是没有办法得到好的数据分析的成果的。一个由CAO领导的好的分析团队，可以用数据提高解决问题的效率并强化决策力。
2018年1月27号 Chicago Adds Real-time Awareness to Manage the Marathon(芝加哥添加实时警报系统来管理马拉松)
Coordinated Force
芝加哥是一个大型活动驱动的城市，而马拉松比赛是每年城市的四大赛事之一。在芝加哥，26.2公里的马拉松赛道都在城市内，这让城市各个部门同时监管比赛的各个细节变得更加容易，而GIS是实现的基础，每个部门通过网络表格来记录个人和一些有用信息的细节。
“数据精确性和可获得性都在持续提高，因为当这些信息都在制图终端被展现出来的时候人们意识到了这样做的好处”OEMC的GIS管理者说，“比起纸质文件，从地图上进行直观的视觉观察更容易理解政府的各种部署”。
OEMC是城市的警务、火警和紧急医疗服务于一体的一个不可分割的系统，GIS作为一个中央调控的点来提供各种情况的监测。地图只是GIS中很小的一部分，GIS是数据的输入输出，是事件发生的位置信息而绘制而成的图，来帮助我们做决策的。
Data-Driven Specificity
在很多组织中，游说是是商业技巧中很重要的组成部分。游说可以帮助一个商业体获得持续的竞争优势，同时帮助公司与立法者不出现意见相反的情况。在International Journal of Law and Management发表的一个研究成果中显示游说的投资回报率高达1000%。
Moving Targets, Shifting Interests, and a Search for Precision
这个地图展示了GIS是如何将百万量级的广告整合进话题和地点的目录的。在工作日的早晚高峰期，交通和出游话题是最多的。在工作日晚上和周末下午，运动是最受欢迎的话题，当大部分电视播送的比赛进行的时候。在城郊地区的人们对工作和家庭话题更感兴趣。
Location Awareness in an Era of Digital Transformation
作为有着1000名学经济的研究生和500名本科商科生的University of Redlands School of Business的院长，我和老师们专注于帮助学生在正在加强改变的数字化商业世界中茁壮成长。
这个转变将会创造一个在2020年之前有200亿个物联网终端的世界，而这早已经附加在大数据浪潮之中。物联网数据必须在处理提炼之后才能揭露效率性、持续性和盈利上的机会，位置信息确实是大数据，为数以十亿计的片段信息提供内容和深度。
Pace University的教授Daniel Farkas说：最终，在商业和教育中采用GIS来自于一个组织的商业领导明白GIS对他们组织的重要性，这导致与他们有联系的学校以后将定位分析作为聘用中必须会的技能。
在University of Redlands School of Business, 我们的MBA项目提供了在GIS上的关注点。大约一半MBA GIS的毕业生会在科技岗位上工作，另一半在管理岗位，但是他们都了解彼此的岗位。我已经见证了他们的事业在财富五百强上绽放，当他们用定位技术来加强他们公司的商业进程的时候。
最近一个研究显示66%的商业体认为定位技术对薪资增长有非常关键的作用，然而只有9%的商科学校在课程中设置了和GIS或者空间分析有关的内容。
The Role of Spatial Business Transformers
在我的工作中，我见证了领先的企业通过空间商业转换者的工作来获得竞争优势。当北美一家金融公司的主管宣布要进军一个新的地方的市场，GIS团队的两个成员看到了影响公司位置策略的机会。这些空间转换师基于本地人口和来自ATM、在附近市场使用手机app的数据来为新市场建立地理模型。
这个实验的成功使这家机构将GIS和定位科技结合到他们运营的更多领域中去，包括弹性的估计模型可能的服务崩溃以及应对的计划。
另一个有证明力的例子，世界上最大的投资公司之一的分析师最近用定位技术的能力来指引一个投资技巧。在寻找一个奢侈品包包的制造者，这个公司在网上搜索问题如；我在哪可以买到这个品牌的包？ 通过将进行这些搜索的地址做空间分析，公司可以标绘出需求的热力图。为奢侈商品制造者工作的空间商业分析师也会将GIS用在相似的情况，识别哪些高需求而低供应的地方。有了这个信息，执行者可以确定新店的位置，扩张他们在全球市场的出现率。
这些例子阐明了这些会用空间技术来影响运营策略的空间商业分析师的能力。
Educating Tomorrow’s Business Leaders
基于我对商业和学术界的了解，我相信企业和商科学院一起来创造空间商业分析师的人才运输通道是最好的。我们该如何推进呢？我们怎么样可以提高现阶段只有9%的MBA项目提供有关定位分析的教育的情况呢？
在University of Redlands,我们的策略是尽可能多的在商科课程中增加GIS的曝光度。我们MBA项目提供了一个重视GIS的方向——这是国内唯一一个这么做的项目。我们也将空间商业分析的学习贯穿在我们的MBA课程中。此外，我们本科商科学位也有一门GIS的必修课——这个也是国内唯一一个。此外，我们的预科课程会让学生使用空间分析来解决真正的商业问题。
最近与一个Redlands的MBA GIS毕业生的交谈坚定了我觉得这个尝试有价值的信念。在毕业后不到一年，他在硅谷一家很有名的公司工作，他告诉我公司正急切招聘那些可以达到科技公司的高要求的有很强的GIS背景的候选者。“当我作为一个MBA学生进入商业世界，”他告诉我说，“我的GIS专业可以让我了解到那些普通MBA学生也许不能理解的技术，MBA和GIS的结合是无价的。”
Fostering a Partnership between Business and Academia
一小部分核心大学——包括UCR，University of Wisconsin-Stout, Murray State University和Pace University——正在将空间分析和定位技术的学习加入他们的商科课程中。他们的预见能力和领导力很让人振奋，在这篇文章里，你也可以听到他们的呼吁。
在学术界，我们明白我们有太多的事情去做来培训那些作为领导人现在和将来需要知道的东西。商业中将会创造空间商业分析师的需求，那上课学校将会供应这个需求。随着更多的公司意识到地理数据的能力和潜力，他们会寻求聘用新的有能力和经验能做空间分析的人。从某种程度上说，这个正在成为下一个商业情报——空间商业情报。
现在可能还言之尚早，但是我相信空间商业情报——通过商业和GIS技术达到的——将会变得比物联网和大数据更加有价值甚至改变整个商业和科技世界。同时随着年轻的空间分析这提升到了最高管理层，他们会帮助将定位分析提高到一个策略角色。那些聘用他们的公司将会在接下来的很多年里很适应的茁壮成长。
2018年4月8日 Eyes in the Sky Use AI to Track Investment Opportunities
商业和政府机构用卫星图像来预测道路、风暴等级、森林大火的蔓延方向或者敌军的转移等，因此他们可以做出基于科学技术的决定。很快，根据Bloomberg的文章“卫星技术正在用来揭露商品交易世界中被紧紧隐藏的秘密”所说，商人们将会见证人工智能辅助图像分析被加入投资研究报告。
这个文章强调了新的图像处理技术将作为供应链和经济智能的下一步。Bloomberg提到，一些商人早已经得到了测量油罐的浮顶影子深度的报告。用这个方式，他们可以在政府公布每周报告之前知道油储存在哪里。
现在，一些卫星追踪公司，如Ursa Space Systems Inc和Orbital Insights Inc，正在用AI来浏览百万张卫星影像并将他们翻译成有用的数据。这些公司用特定种类的影像来展示那些可以影响商品价格的供应等级，并在商业市场中给顾客一个竞争性的优势。
这篇文章提供了一个煤炭商人作为例子，他也许通过检查发电场外煤堆的大小预测需求量大增，并可以推测何时供应量将会追上来，根据矿场中卡车的活动。
AI Combines with GIS at Scale
测量在一个空间影像中的一个煤堆高度的这种小细节已经很有挑战了，但是在大面积范围并处理的如此之快似乎基本上是不可能实现的。然而，通过大量的预处理和高性能的机器学习算法——AI的一种——影像分析，可以从这些影像中提取有意义的信息。一些产业研究者警惕的得出了很多结论，根据文章所说在大宗商品方面的数据也许更加缺乏可信度。
然而，从科技上来说，着各种可能性是可以达到的。GIS，举例而言，通过使用大数据管理技术、影像分析工具和人工智能来帮助提高影像智能。GIS影像工具帮助用户更快更准确的获取影像中的信息，同时AI对象，那些需要用扫描影像来识别——通过机器学习——在地面的特殊特征。
通过这些科技上的提高，一些商业分析和分析员已经开始传递基于科技的商业报告，并且自信的推荐生意和投资决定。
基于app的送餐服务没有取得大量的商业成功，虽然这并不是因为缺乏需求。在便捷的新时代，顾客们更希望全种类的快速送达服务。但是很多餐馆拒绝参与——一部分害怕对外卖缺少质量控制，其他的害怕缩减本来就很微薄的利润。当在美国的外卖公司，如Grubhub，DoorDash正努力劝餐馆经营者参与到他们的外卖业务中来时，一家英国的创业公司叫Deliveroo正在用定位智能和卫星厨房来创造一个新的模型。
在“Deliveroo Takes a Kitchen-Sink Approach to Food Apps，”Bloomberg Businessweek报告说，卫星厨房和成熟的逻辑算法已经帮助这个创业公司在欧洲主要城市留下了一个很深的印象并且吸引了将近10亿美元的风险投资。
Calculating Demand by Location
Deliveroo的准则是通过这些来驱动的：定位意识，数据分析和一个简单的信条，餐馆离潜在的顾客的街区越近，餐点就更会热乎着并准时到达。意识到很少有餐馆有钱在每个有需求的区域新建一个可以坐下来的分店，Deliveroo正在将包含外卖的店面转变为只进行外卖的厨房。这个创业公司囊括了要开厨房的初始费用，然后出租给餐馆，Bloomberg Businesssweek这么报道到。在一个众所周知的薄利行业，这个模式对商人们来说非常有吸引力。
Deliveroo用定位和人口数据来展示在独立厨房周围的潜在餐馆分布特征的需求。餐馆，如：Karam Seith,英国伦敦一家很赞的cafe的老板，冒险尝试了这个，据这个文章所说，因为数据证明他高价的Indian食物的需求会回报低价的厨房投资。
网约车服务，如Uber，正在干扰传统出租车服务，正在毁掉一个长期以来享受着有可预期的顾客和薪酬的产业。但是正因为城市里有这么一个新的角逐，不代表着出租车行业将要投降。在东京，一群公司正在用基于地理定位的大数据和人工智能来将车放置在供给需求的交汇口，希望基于AI的预测可以给他们一个竞争优势。
在最近的一篇公告中，Toyota Motor Corp揭露说他们将会与Japan Taxi, KDDI还有Accenture to pilot合作一个这些公司称之为基于AI的出租车调度辅助系统的项目。这个调度系统使用AI来预测何时何地将会需要出租车服务。
AI通过从很多庞大的数据库抽取值来为自己赚取名声。在这个例子中，大数据中包含了大量固态和动态的与地质有关的信息，从出租车记录到东京事件日历、天气、交通和移动电话定位。Toyota说这个人工智能科技——使用匿名位置数据——根据时间和位置来预测人们的位移。这个调度系统展将这些信息展示在地图的一小块上，那样出租车司机在他们车上时就可以获取这些信息。
Innovation Based on Human Weather
一些研究者将这个东京项目中被追踪的数据成为“人类气候”，同时交通公司并不是唯一用这个来做定位分析的机构。在近期的一篇WhereNext的文章中，我提到了零售公司是最先开始采用“人类天气”技术的，用数据来做更好的实体店位置选择并且以一个更私人定制化的渠道来经营产品和服务。
其他有顾客大数据的商业产业也许会用AI技术来预测购买者行为和位置以及在供给与需求之间的平衡的位置来提高销售量。
在东京，出租车的在运营中的地图给出租车司机展现了在特定地点预测的被占用的车辆的数量，以及可能需要的空间。根据已经参与了的公司统计，已经在行驶中使用了基于AI智能定位的出租车平均有20%的销售量的上涨。
随着出租车行业唤醒了“人口天气”和基于定位的人工智能来在这个改变中的行业里竞争，代表了高级定位技术和创新有破坏的能力。
2018年4月18日
AI leads Corporate Data Priorities, but Worries Outweigh Progress
大数据依旧是商业领袖的首要关注点，而人工智能的使用也在上升期。许多公司将传统的数据分析、大数据和人工智能结合在一起用在他们的战略上，因此这些都在帮助他们理解他们正在经历的数据爆炸。
这些发现来自New Vantage Partners最近公布的大组织机构如何看待数据的年度报告。Harvard Business Review从振奋人心的和令人担忧的两个角度总结了这个报告。
在积极的方面，73%的反馈报告说已经从初步的数据分析、大数据和人工智能中获得了可衡量的价值。在消息的方面，将近80%执行者反馈说他们害怕被取代或者被瓦解。
简而言之，他们害怕自己的公司走得不够快，不足以和在数据驱动的文化中成长起来的新贵们来竞争。99%的执行者说他们正在转型为数据驱动型的，但是只有三分之一达到了这个目标。
Executive Roles for AI, Big Data
新的数据导向的管理角色正在帮助加快这种转型，包括首席信息官，首席数据官，首席电子化官，首席分析管等等。然而，这个调查发现这些角色依旧缺乏清晰性，特别是他们和彼此相关联的时候。
调查的回答主要来自于首席数据官，他们完成了56%的问卷调查。这表明了首席数据官是一个正在成长的角色——去年只有32%回答者是这个职位，而在2012年只有12%。Amen Ra Mashariki, 纽约市前首席分析官和Esri首席城市分析师，在最近的WhereNext文章中帮忙定义了CDO和CAO之间的差异。他说CDO(首席数据官)收集和组织数据来确保数据的精确性、准确性和可获取性，而CAO(首席分析官)分析数据来精确定位解决方法并做更好更快的商业决定。
New Vantage Partners研究表明人工智能是最有破坏性的（72%选择AI为最有破坏性的，而13%选择云计算，7%选择区块链）。大部分执行者期望人工智能来衍生分析能力并在客户服务和降低费用上作出更好的决定。只有27%在现阶段追求自身的创新和分裂，并且他们专注于市场速度和数据货币化。
专家建议执行者们主动在自己公司应用人工智能，而不是等着看哪一种人工智能因公从产业链中脱颖而出。最近WhereNext文章介绍了一个策略，这家公司通过人工智能来提升客户服务的，策略是结合大数据分析、定位科技和人工智能来供给区域内的古语制定信息丰富的决定来提供更快的服务和关心顾客。
对于商业执行体，大数据和人工智能的重要性急剧上升，如这个调查结果清晰显示。随着机构们探索不同的方法来合理化分离数据，许多人发现定位科技是这个中间很有价值的一部分。每个商业活动都在某个地方发生，同时结合定位分析、大数据和人工智能可以帮助解锁模式并减少恐惧，当企业正在寻求加强决策的时候。
2018年4月24日 Wellness Emerges as a Real Estate Trend
Paying for Premium
开发者们对健康社区感兴趣的背后的一个驱动因素是他们所吸引的资本。Fast Company报告说在健康社区的购买者家庭支出的10%-25%花在化妆品上。
早在2014年，Urban Land Institute研究发现健康社区在一些关键要素中超越了房地产开发商的期望：房产被购买或者租出去的速度，购买者和租户住在这里所花的费用，和在他们等待列表中的购买者和租户的数量。尽管很多健康社区（如在亚特兰大的Serenbe）在乡村地区并且拥抱大自然，他们代表着顾客价值的广阔的范围。
由于不同的人对于健康有相同的基础期望，那很有可能一个健康社区要契合许多顾客类型。从农场到餐桌、基于艺术的和奢华的健康社区是消费心理学的展现，并且开发者们抓住这些兴趣点来吸引新的顾客。
Snapping Up Locations
根据Snapchat商业博客上的宣告，地点是用户与社交媒体平台互动的一个重要部分。这个app的百万的用户将他们发布的帖子添加定位图片、根据地点来搜索其他的帖子，并与朋友们分享他们自己的定位。现在，商家和品牌可以根据他们潜在客户在哪里来接触到电子受众。
在这个博客上，snapchat提供了这些新目标定位的例子的样子：一个太阳镜品牌指向在海滩的用户，举例而言，或者是一个电影院发送消息给在电影院的人们。同时，范围指向可以用在传统的方式中——如针对一个特定商店周围的区域——或者广告可以针对每一个去过运动场或者音乐节的人。
根据snapshat分享的例子来看，机智的市场人员可以用这个技术来接触与他们的消息最接近的听众，用定位技术来驱动一个更精确投递广告的引擎。
Helping Businesses Locate Consumers on Their Own
商业执行者也许可以从Snapchat中找到线索来将基于定位的广告合并到他们自己的运营中。将GIS软件合并到市场和商业运营中可以帮助公司理解应该何时与何地来指向潜在客户。
在现在数据驱动的经济形势下，公司有时候努力尽可能利用他们的数据。通过GIS，公司可以将地理数据与他们的数据库合并来可视化他们之间的联系。Snapchat的用于定位投放广告的新工具强调了物理位置与电子化视野的联系。用这些新兴的工具和技术，如GIS，的商业体在空间上意识到可以在合适的位置针对新客户提供相关信息——并且以更针对性的方式接触到忠实顾客。
Location Intelligence on Aging
欧盟已经开始主动地为这个转变做计划，因为在欧盟城市人口中60岁以上的人早已超过25%。一个项目已经展示了这个严峻问题——这些人会去哪里和经济机会会在哪里，的答案。European Space Agency所资助的研究者们已经创建了一个计算机模型，用高分辨率卫星影像来决定来年人将会搬去哪里。
研究这么最近把他们的建模成果放在了Future Development的博客上。这个团队包括Vienna University OF Economics and Business的研究者，World Data Lab（一家商业应用的制造者）和GeoVille(一家地理空间咨询公司）。在他们的模型的中间是一个预测算法叫AgeSpot.
研究者训练AgeSpot算法通过整理微信图片和人口数据来发现一个地域的物理环境和居住年龄层的关系。这个卫星影像分析建筑密度和出现新建筑的一些细节。这个数据，与人口数据中的年龄、人口比例等数据一起加入了预测模型。然后模型基于历史轨迹预测每十二年的人口变动。
预测模型识别帮助预测哪里新的公寓楼、娱乐场所、教育机构和健康中心会出现的模式，他用不同年龄层人群的分布和其他特征来预测将来不同年龄层人群住在不同地区的偏好。
这个团队主导了在澳大利亚Vienna，一个有丰富人口数据的地方，的一个可行性研究，然后研究人员将相同的模型应用到土耳其一个人口数据十分匮乏的地区。根据研究表明，在土耳其做的这个研究得出了相同的结果，并且两者与政府公布的数据相比都有超过90%的准确度。
GeoVile现在正在运作来商业化这个科技创新，通过建立一个运作原型，加入收入和健康因素进入模型，来预测老年人群会住在哪里。
Guidance on Human Movement
一些实践者们用人工智能扫描了几百万张卫星影像，并预测特定区域的经济状况——一些投资者和供应链决策者可以转化为利润的视野。创新的能源实践者——一些将数据视作新的石油——正在用定位技术来简化去哪里并如何找到专业员工的决定。同时零售规划是正在用定位来理解流动性和顾客在决定市场时的偏好。
随着这些公司和其他公司赞助GIS技术来组织和强调定位科技，预测人口的新资源，如AgeSpot，可以为支持长期商业决定而提供更大的视野。
1 个回复
zmfflora
赞同来自: 麻薯 、donglc 、江宝骅
Flying Taxis Take Flight, Presage New Location Interllidence(空中出租车起飞，预示新定位技术时代的到来)
相关网址：https://www.esri.com/about/newsroom/publications/wherenext/flying-taxis-bode-well-for-location-intelligence-technology/
现在自动驾驶汽车吸引了大部分人的注意力，但一些专家预测自动驾驶飞机的时代将会来得比大家想象的早很多。Volocopter和Lilium，这两种两座自动驾驶直升机都已经完成了首飞。现在研发公司面临的难题是：导航系统如将如何自动引导这些飞行器穿过高楼大厦和避开交通堵塞。
Volocopter的创始者Zosel说，他相信这些空中出租车的第一个商业用途将是点对点运输——用10到20架飞行器帮助人们避开交通拥堵点或者河流等地理断点。他预测在2020年左右，空中出租车将开始提供商业服务。
空中地图时代
实时地图的定位技术早已应用在自动驾驶汽车的导航中，而空中出租车也将使用实时的智能地图来进行导航，这也将是一些数据分析公司进军空中出租车市场的一个巨大的机会。空中出租车相比于自动驾驶汽车来说具有空间优势，而空中定位技术将是实现空中交通系统的基石。
2018年1月3日：
Connected Kiosks Foreshadow Smart Cities(连接着的岗亭预示着智慧城市)
相关网址：https://www.esri.com/about/newsroom/publications/wherenext/connected-kiosks-deliver-free-wifi-smart-cities/
MIT Technology Review宣布900个连接纽约的岗亭已经建立，每个亭子十英尺高，可连物联网，并且坐落于原来电话亭的地址。人们用这些连接着的岗亭给手机充电，利用高速的WIFI，搜索天气、餐馆等信息，连接亭的服务都是免费的，其广告收入用以回馈设计并提供连接亭的机构们。
The Missing Link
每个连接亭有两个摄像头，目前这些摄像头只用来监控故意破坏捣乱行为，将来在情况允许下，可以用来360度监控并用来制作实时数据地图来监控紧急事件。连接亭提供了更多的定位信息，这对于交通管理也是有利的。
Mobilized Information
智能岗亭并不是唯一的城市新信息流来源，Driver-assistance technology company Mobikleye与ESRI合作了Mobileye’s Shield+ system，在车辆（主要是城市公交）上安装摄像头，来侦测行人和障碍物来提醒司机避免发生碰撞。
以上这些Authoritative Data将为规划者提供一个地方任意时刻的景象，最终可以帮助他们创造更加智慧的城市并提供更高品质的生活。现在我们需要思考的是，应该如何利用所有的这些已有的数据库，并让他们更具有时效性和有效性。
2018年1月4日
Disrupting the Autonomous Vehicle Industry with Crowdsourced Maps
相关网址：https://www.esri.com/about/newsroom/publications/wherenext/crowdsourced-location-intelligence-autonomous-vehicles/
没有高精度地图，自动驾驶的汽车将无法上路，然而生产这种高定位精度并实时更新的地图并不是一个简单的任务。
三番的创业公司Mapper设计了一个可以放置在私人车辆里并录制街道三维影像的小型设备，他们准备雇佣很多兼职的人员，来为自动驾驶汽车使用的地图底图收集数据，并保持同步更新。
Harness the Crowd
现在很多自动驾驶汽车制造商都依赖雷达来制作和更新无人驾驶汽车所用的地图，但是雷达装置太大，因此Mapper提供了一种精度可以媲美雷达的好装置——S1，S1有多个摄像头和传感器，并可以同步无线连接到司机的iphone上去。现在Mapper已经雇佣了10000个人来使用这个装置。
Growing Competition
Mapper有很多竞争对手，如福特的Civil Maps, Interl的Mobileye，Carmera等。这些公司都在设计可以帮助无人驾驶汽车更快进入市场的设备。随着Carmera在车辆中合并了更多的传感器，Mapper生产的这种装置的需求将会被无意识收集数据的日常司机们所替代。然而在自动驾驶汽车变得普及之前，制造商们需要Mapper公司这样的装置来加速高精度地图的产生。
2018年1月8日
Trend Watch: AI Helps Businesses Make Decisions at the Edge(人工智能帮助做商业的前线决定)
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/artificial-intelligence-improves-business-decisions/
创新商业执行者们在探寻使用大数据分析和人工智能帮助他们的员工解决两个永恒的商业难题：提供更快的服务与做更好的商业决策，在两种情况中，新的解决方案中结合了最好的机器学习和最好的人的眼光来获得更好的商业成果。
The Edge是指公司产品或者服务与客户对接的地方，有了大数据分析、地域性视野和人工智能，员工开始根据服务和销售快速做决定，而这些决定就叫decisions at the edge.
当公司开始使用这些基于人工智能和地区性的工具来帮助员工更精准的回应客户需求，并将中层经理们从重复性销售与服务业务中解放出来的时候，这些公司将降低销售成本并且利润暴涨。
The Human-Machine Interface
用来帮助在公司产品和客户服务对接的地方做决定的系统是用来帮助人公而不是替代人工的。这个系统用机器学习和GIS工具的定位分析来帮助雇员更快的做决定，以此来增加客户认同度和合作倾向。
Digitizing and Sharing Best Practices
在公司产品与客户及服务对接时，有海量数据可以用来帮助做决定，在销售场景中：影响因素有客户购买历史、同时段客户的购买倾向、此地区人口统计、此地区吸引力的一些细节性特征等。在装备服务领域：影响因素有维修历史、某部分的使用情况细节、本地的天气影响、此时股市情况、客户预期的使用率等。计算和分析这些数据，是人脑所无法完成的，而人工智能可以完整的记录和分析一个公司的商业来往，并保持实时更新。
Sales Decisions on the Edge
想象如果一个客户买了高档电视，而旁边的推销员拿着一个平板，平板上提供了几条信息： 给客户卖相关产品（家庭影院话筒），额外保险，或者附加服务等，不同地区的推荐根据客户群消费习惯和货源地远近程度等也可能不同。基于人工智能的系统给出类似edge决策的建议，但最终还是由雇员来决定采用什么方案。
Service Decisions at the Edge
在服务领域，AI系统应用的好处是：加快了解决问题的进度，监管者可以不用投入那么多精力了，技术可以有更高的生产力，客户满意度更高，且更具有竞争优势。
Billions Going to AI
不仅是一些部门，城市、公共设施、慈善组织也可以从人工智能的帮助快速做决定中受益。大数据分析和智能机器来帮助做决定已经应用在很多商业领域了。哈佛商业评论杂志指出2016年机器学习的投资总额是50亿美元，而在接下来的八年里，将有可能增加到1000亿美元。
Machine Intelligence: A Supplement, Not a Replacement
预言学者经常提到智能机械将会导致人们失业，但是在公司产品与客户或者服务对接的地方实现全自动化是不太可能的。AI在这领域的目的是帮助雇员提高工作效率并减少所需的监管，以此让雇员变得更有价值和更难被替代。
Benefits to Middle and Upper Management
将人工智能引入decisions at the edge可以解放中高层的管理者，让他们可以更多地发展商业机会、寻找合作伙伴、发现提高效率的方法、提升员工技能以及做更好的项目投资。将智能机器引入公司管理中将变得越来越重要，而忽略这个的公司将会面临失去竞争力的危机。
2018年1月9日
Reporters, Scientists, and Citizens Team to Map Virginia’s Highest Tide
相关链接：https://www.esri.com/about/newsroom/blog/mapping-virginias-highest-tide/
11月5号，周日的早晨，去Virginia的Hampton Roads地区的游客会发现超过500居民在大街上，穿着长筒橡胶靴，眼睛都盯着手机。这是一大群Catch the King Tide项目的志愿者，这个项目是由一群媒体机构组织的。在每个手机上都有一个Sea Level Rise app来记录定位和这年最高的浪的信息。
最高的浪潮为将来的海平面上升提供了一个窗口，而海平面上升是全球海岸边居民都关心的一件事。当秋季，月球里地球最近的时候，在部分地区最高的浪潮将会升到比平时高三英尺。Catch the King项目变成了全球最大的测量浪潮的集体项目。从Virginia的Pungo到Williamsburg附近的Chickahominy River，志愿者们捕捉了在12个地区的23,982个GPS定位点以及518张浪潮的照片。
A Growing Concern
CCRFR是Virginia海平面上升的权威数据的来源，CCRFR在他们网站上提供预测模型，引导学习，提供训练和科学的服务来帮助减小上升中的浪潮的影响。由于最高的浪潮每年都发生，研究者们可以测量并比较随着时间最高浪潮点的变化，观测趋势，并且根据地区和时间预测将来的海面上升的程度。
在长期来说，这种预验知识可以帮助社区更机智投资弹性基础设施和发展不动产。在短期来说，预言家可以提醒居民何时搬家。
Science and Citizen Sensors
作为这个项目的科学顾问，Loftis制作并发布了Catch the King的故事地图，展示了模拟洪水淹没的地图，解释了最高浪潮、需要的数据以及如何参与到这个活动中来。活动组织者选了55个低洼地方发送给志愿者，然后组织者任命队长来引导参与者采取正确的数据收集步骤。在11月5号早晨，本地的居民和一些学生出现在选定的地点来收集最高浪潮的数据，当浪潮来的时候，他们用他们的手机上的数据收集装置每隔5英尺发出一个模拟GPS定位。这个app讲这些数据点传入在线地图中，让每个用这个app或者上网站的人都可以看到。
Collection Accomplished
这个Catch the King项目创造了一个志愿者的浪潮数据收集网络并在过程中引起了群众的注意。数据和实时地图为分析将来海平面上升程度提供了精确的基础，同时也吸引了广大群众的兴趣。这些数据，短期来说可以用于分析风暴潮，长期来说可以分析气候变化。更重要的是，这个项目为城市居民提供了一个工具汤他们更了解上升的海平面是如何影响这个地区的。
2018年1月10日
The Curious Connections between Religion, Location, and Creditworthiness
相关链接： https://www.esri.com/about/newsroom/publications/wherenext/religion-affects-business-credit-ratings/
商业中采用定位分析来提升竞争力已经很久了。用传统的人口统计学的数据可以得出某个地方预期的商业机会或者借贷风险，然而，根据最新研究，宗教虔诚度可能也是地区性商业策略需要考虑的的因素。
What Would Lenders Do?
研究发现，在高虔诚度的地区，公司有更高的信用评级和更底的债务成本。这个发现也与以前的研究得出的结论：这类公司更值得信任并且更加不喜风险相一致。虔诚度可以作为传达公司想诚实保守经营的意图的方法。债权人从而相信高虔诚度会有更低的风险和更少的经营麻烦。
Appearances Matter
报告也指出，银行不仅仅根据信用来发放贷款，当评价一个公司的可信度时他们也会参考虔诚度传达出来的信息。而这样做是合理的，因为一个公司的虔诚度表明在信用评级以后在将来的债务表现上有多的能力。
成功的经理人早已知道分析地理定位信息可以提高竞争力，当他们探寻机遇，选址，生意合作伙伴和竞争者的时候，他们也许会发现基于地理定位的一些信息，如虔诚度——不仅仅指传统人口统计学的因素——可以在指导他们的商业扩展上起到重要作用。
2018年1月16日
Poor Air Quality Costs Businesses Millions, Research Shows
相关链接：https://www.esri.com/about/newsroom/publications/wherenext/air-pollution-stifles-business-revenue/
空气污染不仅对人类健康有害，同时也损害了商业利益。
一个研究首次量化了消费行为如何随空气污染情况波动，在西班牙的十二个省，他们惊奇的发现：当空气质量比正常糟糕10%，顾客们一天将少消费29到48百万。用GIS和统计程序，研究者发现，当污染变严重时，消费者们更喜欢待在室内，避免去餐馆和零售店等地方。
The Business Cost of Bad Air
这些发现可以作为发达国家和发展中国家城市化进程的一个警告。耶鲁的研究者发现在城市中心的公司相比于一个原理城市的农场更容易被怀疑受空气质量的影响。城市居民的消费习惯受空气污染的影响要四倍的高于非城市居民。这表明了城市经济在空气污染下的需求。
当人类将继续在城市聚集时，城市经济规划者正在努力了解对自然的影响并创建环境。GIS和地理分析技术可以帮助降低风险、变得更加高效并发掘新的商业机会。
Locating Timely Insights
随着这项研究的展开，Data-Driven Yale加入了使用地理分析技术来衡量气候对销售和运营的影响的一系列组织中。
举例来说：一些领先的公司在研究气温波动是如何影响市场有效性和供应链实施的。同时，设备制造商在用GIS来监控每年的天气特征来分析将要有的设备需求并相应的调整能源储备；餐厅和零售商用GIS根据长期或短期的本地市场的预测来决定将那些产品储存并储存在哪。
基于GIS的位置分析帮助商业领域规避运营风险、发掘商业机会并提高商业竞争力。
2018年1月24日
Your Smart City Needs a Chief Analytics Officer
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/smart-city-and-the-chief-analytics-officer/
数字化转换为城市提供了很多捕获数据的新方法——从连接着的路灯、闭路电视系统，到由智慧道路传输过来的交通流和塞车消息。但是很多城市大大降低了他们数字化的潜力因为他们只专注于收集和使用从狭隘传统方式而来的数据。
真正的智慧城市应该是这样的：通过分析数据来提升生活质量以及商业环境，并依赖智慧城市在一系列严峻的事件：从公众安全到商业投资的开源数据，来做实时的好决定。钻研大数据并对重要问题得出精准的结论需要一个首席分析管（CAO），而不是一个首席数据官（CDO）。虽然两者都对智慧城市和智慧商业很重要，但是两者截然不同。
Smart City, Efficient City
智慧城市用基于地理定位的分析和地理实况来分析事情发生的位置——甚至是事情可能会在哪儿发生。智慧城市使政府机构更高效的定位事情，甚至可以提高生活质量——举例而言，通过帮助消防员或者制止坏的房屋出租者强迫租房者离开搬离他们的公寓。
作者曾是纽约的CAO，事实上，由于CAO的用途还是很新颖的，因而在私人机构还是很少有CAO的，即使很多生意依赖数据分析来增加运营效率和扩大销售。然而随着CAO所能做的事情越来越被认同，很多私人机构和政府准备开设相关部门就一点也不惊讶了。
The First Mayoral Department of Analytics
当作者成为纽约Mayor’s Office of Data Analytics的主管的时候，大约十二人的队伍要试着学习如何分析由一个城市里八百多万人产生的数据。举例而言，他们从城市311系统得到以小时为单位的数据，每天有100000个联系人，而911系统每天收到30000个电话。
如果你的智慧城市面临一个健康或者安全或者竞技的危机并且你在寻找解决途径——你需要一个CAO和分析的队伍来带路。 CAO和他团队是务实，从研究探索出发同时以结果为导向的。每一个项目都会很快的得出结论并为将来要做什么提供明确的指引。
Chief Analytics Officer versus Chief Data Officer
智慧城市，数字化数据为基础建立的，依托于物联网快速发展而来。当数据量存储量急剧增加是，很多城市和商业体意识到了有一个首席数据官的重要性。CDO很重要，他们知道如何收集和管理数据。
有大量整理的很好的数据以后，你需要知道如何用这些原材料来满足你的需求。一个首席分析官将组织的数据变成解决问题、增加效率和识别机会的决定。在表达方式上面：一个首席数据官可能会将交通事故绘制在地图上以告知路段的安全性，而首席分析师会先进行定位分析——检查一周里的每一天，一天里的每一小时，交通流量，天气，路面情况和其他的——来解释为什么这些交通事故会发生并探讨如何能减少这些交通事故的发生。
Using Data to Stop Illegal Rental Practice
当无良的房屋出租者强迫租户从长期租住的公寓中搬出去从而将住房可以以更高价卖给购买者，这导致了很多紧急情况。而被迫搬出去的人很难找到相同价格相同条件的住处，从而导致工作上学和家庭的不稳定。这种情况是如何发生的？如何预测这种事情发生的地方？该如何阻止这种事情的发生？我们应该用定位技术和GIS来进行挖掘数据中的关键因素并揭露隐藏的趋势。当我们提供组成这个强制事件的基础信息之前，我们需要了解这些时间的地理实情。
Location Intelligence Delivers Results
住房和租房数据分布在纽约的各个公寓里。我们通过沟通来寻找正确的数据，我们发现一个关键的点是：如果一个建筑失去了五个或以上常规本是租住的公寓并且这个建筑正在出售或者最近被卖出去了，那么这个建筑是重点关注对象。然后我们根据以下这些来检查买卖的趋势：
1.谁在买,在哪儿
2.这个邻里区域的社会经济和人口特征是什么
3.哪些建筑的买卖是在大范围的翻新后进行的
4.哪些建筑拥有者风评不好
用GIS，我们将一些主要威胁性因素聚集起来并结合在城市地图上的定位，为解决这个问题提供了可靠地指导。
When Big Data Mining Saves Lives
我们通过数据挖掘为消防员提供了一种方式来预测那些很有可能发生违法和危险事件的地区和建筑物。这个算法对消防员们高效处理事故的能力而言非常重要。
Characteristics of Top Analytics Teams
顶级分析团队需要的并不是大学学历或者是某个专业的人才，像在一个如纽约一样拥挤而复杂的城市，健康、经济和社会问题很容易堆积，数据分析不可能是一个可以用几年来解决的问题，而是一个生或者死的、需要被快速解决的问题。一个CAO团队的成员需要知道如何跟各职业的人打交道，需要善于从经济、社会、法律等方面来看待对问题的影响，同时需要保持一定的好奇心、会说其他专业的术语、做事情效率高、在追求正确的数据上有进取心，并且会用定位分析来支持他们的发现。
Building Your Analytics Team
除了需要分析团队的成员们，智慧城市非常需要一个强力的数据团队，首席数据官与首席分析管并不是竞争关系，他们是互补的。没有强力的整理好的数据，是没有办法得到好的数据分析的成果的。一个由CAO领导的好的分析团队，可以用数据提高解决问题的效率并强化决策力。
2018年1月27号
Chicago Adds Real-time Awareness to Manage the Marathon(芝加哥添加实时警报系统来管理马拉松)
相关链接：https://www.esri.com/about/newsroom/blog/chicago-adds-real-time-awareness/
芝加哥马拉松以布满宽阔的城市峡谷、欢呼的粉丝以及路旁多彩的树叶而受到参赛者的喜爱。第40届BOA芝加哥马拉松比赛在10月8号周天举行，今年的赛事发生在拉斯维加斯枪击案仅仅七天以后，而2013年波士顿马拉松比赛上发生的爆炸也还停留在大家的记忆中。在这个背景下，今年赛事安全措施和安保检查都被加强了，芝加哥也加了实时传感器来满足时间侦查需求。
芝加哥紧急事件管理和沟通办公室（OEMC）将从参赛者穿着的RFID芯片收集的实时数据与他们分享的地图相连，当比赛进行时，这个机制为我们了解在哪儿发生了什么提供了更宽广的视野，而过去发生的一些事件证明这个机制非常有用。
将参赛者位置和有价值的位置信息的一些细节投影到一个地图上，这个地图可以从电脑上访问，也会被投影到OEMC的大屏幕上，让大家对实时的比赛情况有一定的了解。
Coordinated Force
芝加哥是一个大型活动驱动的城市，而马拉松比赛是每年城市的四大赛事之一。在芝加哥，26.2公里的马拉松赛道都在城市内，这让城市各个部门同时监管比赛的各个细节变得更加容易，而GIS是实现的基础，每个部门通过网络表格来记录个人和一些有用信息的细节。
“数据精确性和可获得性都在持续提高，因为当这些信息都在制图终端被展现出来的时候人们意识到了这样做的好处”OEMC的GIS管理者说，“比起纸质文件，从地图上进行直观的视觉观察更容易理解政府的各种部署”。
OEMC是城市的警务、火警和紧急医疗服务于一体的一个不可分割的系统，GIS作为一个中央调控的点来提供各种情况的监测。地图只是GIS中很小的一部分，GIS是数据的输入输出，是事件发生的位置信息而绘制而成的图，来帮助我们做决策的。
Real-time Understanding
芝加哥原来有为一个高安全性的事件用过GIS来展示实时数据，那是2012年5月的NATO高层会议。从那以后，芝加哥很快将GIS用在各大活动中，他们添加了所有城市摄像头的链接来满足实时影像的需要，他们也想增强他们的实时意识。在准备每个活动的时候，城市也从各个活动组织以及部门中收集数据，GIS数据也随之被部署。
Always Evolving
有何时何地发生了什么的记录对未来发展中事故的检测很有帮助。OEMC用一个故事地图来从基础层面上来捕获细节，这个故事地图记录了可以被收起或者点开的信息，并且了解当时间发生时的反应机制。
这个终端是为马拉松设计的，但是每周都有很多活动在芝加哥举行，他们希望可以做到更多。他们希望借助飞行器，更加准确地追踪事物，也捕获对每个事件的反应的信息。
2018年2月1号
How Big Data is Changing Corporate Lobbying? (大数据正在如何改变企业游说？)
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/big-data-in-politics/
当视频游戏行业说客Tom Foulkes和Nika Nour参加一个与国会或者州议会立法者一起的会议的时候，一点点关键的信息就可以影响成败。这个立法者原来是怎么投票的？他曾在社交媒体上说过什么？最重要的是，Foulkes和Nour该如何描述这个行业对这个立法者的家乡地区的影响。
现在他们可以通过手机或者电脑实时回答这些问题。“每个数据都有影响结果的潜力”，Foulkes说现在他通过手机或者电脑可以获得实时地理分析，“我从未有过如此多的数据”。
Foulkes是州政府关系的VP，Nour是联邦政府事物的指导，为Entertainment Software Association(ESA)工作，ESA是一个代表视频游戏行业的组织。Foulkes和Nour也是急剧增加的开始使用大数据分析，来帮助他们了解立法者的关注点以及提供立法将如何影响地区发展的证据，的公共事务的专家们中的一员。
ESA使用Quorum Analytics，一家在过去七年里急剧发展的提供处理公共事务软件公司。Quorum将人口地理数据录入到数据库中，具体包括：投票历史，发布的新闻报告，Facebook的发文，Tweets，新闻邮件，以及地区和国家性质的委员会文件。所有的这些数据，让说客们可以直接得到各种渠道收集而来的此地区的实时信息。“在公众政治中，地理因素是交流中很重要的一部分，他可以帮助我们来讲述故事”Foulkes说。
Data-Driven Specificity
在很多组织中，游说是是商业技巧中很重要的组成部分。游说可以帮助一个商业体获得持续的竞争优势，同时帮助公司与立法者不出现意见相反的情况。在International Journal of Law and Management发表的一个研究成果中显示游说的投资回报率高达1000%。
当聊到游戏和高科技，可能我们会想到好莱坞、硅谷和其他娱乐科技聚集地，视频游戏行业从西海岸衍生到东海岸。ESA绘制了一幅地图，来量化由本地游戏视频公司和教授游戏视频设计和发展的学校带来的经济影响和产业发展。GIS帮助Quorum完善了地图上的数据，而让人惊奇的是，产业发展的领头羊不是加州，华盛顿州或者纽约州，而是印第安纳州。
为什么直接和立法者见面的时候，Nour，Foulkes和他们的同时可以很快的在手机或者电脑上面生成一个热力图来提供某个特定区域的经济数据的可视化。Nour说在乡村地区，他们对这种科技并不知晓，当她向他们展示描述视频游戏行业对他们家乡地区产生的影响的地图的时候，他们是震惊的。
Quorum也依赖GIS技术来为他们提供如消费者购买倾向，市场潜力，和经营者雇用情况等人口数据。ESA可以从数以千计的数据点中抽出本地区的数据来证明行业广泛的支持度。这种精确的数据驱动将把一个谈话从为什么我要关注这个变为我们可以做什么来起到帮助作用。
Moneyball for Lobbyists
Quorum是Alex Wirth和Jonathan Marks在2014年创建的，但是他们还是哈佛的两个本科生。这个坐落于华盛顿特区的创业公司，与公司机构，行业协会，游说公司和非营利组织合作，其中包括沃尔玛，丰田，国际餐饮协会等等。
Quorum和POPVOX，FiscalNote以及驻扎在柏林的Leviathan等公司一起，正在改变一个曾经全部依赖与个人关系的行业。今天，在华盛顿邮报呼吁的“The ‘Moneyball’ effect on K Street”，那些可以分析大数据来获得地区准确预见的说客的竞争优势大大上涨。
在过去的这些年里，举例而言，Quorum已经和前五十的零售商合作用最对公司政府事务部门最有驱动性的和与立法者沟通经济影响最有效的方式来组织管理他们的合作的数据。许多在Quorum数据库里面的信息很长时期以来都是可以获得的，不同的是，现在可以在几秒钟内从GIS中获取，并在视觉上与一些特定的地方相连。
Nour说：“这是一个非常快并有效的可以让我获得所有我需要的数据的方法”，效率对于她所遇到的议会里的人来说十分重要，“这些人一周有上百场会议，任何可视化的，有帮助的，可以联想到家乡的事物都可以帮助我们成功”。
2018年2月11日
How Social Media Could Improve Targeted Marketing
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/social-media-and-targeted-advertising/
当一个广告执行机制可以理解每时每刻走过广告牌的人的生活兴趣点时会怎么样？一个最新的结合了大数据分析，社会媒体展示，和高级定位技术的研究说，他们可以做到。户外广告允许卖方将他们的信息展示在电子屏幕网络中，为每个广告确定时间和地点。然而，基本上没有工具来帮助商人将广告精确的指向特定人群，特别是接收人群会在一天，一周或者一季里有规律的变化的情况下。
UCL的大数据分析Space Time Lab的研究者们刚发明了一个新的工具。他们的研究：基于地理标志的社会媒体数据提高户外广告针对性，详细展示了用社会媒体的数据挖掘探索在伦敦地铁系统里乘客们的兴趣爱好。
Marketers May Have a New Location Intelligence Tool
每天有超过四百万乘客搭乘伦敦地铁，当他们搭乘地铁时候会发推特。研究者挖掘了超过三百万条这样的推特，关键词揭露了推特发送者的兴趣爱好。
如研究所言： 我们已经发现了一个机制来量化在不同的星期周期里每一站点附近所发的推特的话题。这个信息可以被用来决定在特定时间特定地点的主流兴趣点（用来指导广告选择），换而言之，为指向目标广告受众确定最好的时间和地点。
为了实现这个目标，研究者根据行业话题来将推特进行分类。接下来，研究者观察在一般的周末和工作日这些话题会在何时何地突然出现。Juntao Lai，这个研究的负责人，告诉WhereNext说，有百万个社会媒体和几百个地下铁车站，如果单独分析潭门将会是一无法玩横的任务，而用GIS技术，这些特性可以很容易的连接起来并且被统计化的分析。
Moving Targets, Shifting Interests, and a Search for Precision
这个地图展示了GIS是如何将百万量级的广告整合进话题和地点的目录的。在工作日的早晚高峰期，交通和出游话题是最多的。在工作日晚上和周末下午，运动是最受欢迎的话题，当大部分电视播送的比赛进行的时候。在城郊地区的人们对工作和家庭话题更感兴趣。
此外，在站点附近的主流话题和本地的活动非常贴近，在博物馆、展览馆和音乐、演出这些话题上相对明显。在大部分站点，一天之中话题是在变的，强调了基于时间来指向广告受众的重要性。
UCL的团队指出，深层次的定位技术可以通过分析更广的数据集和探究更细节的兴趣话题而得出：理论上来说，这个研究证明了从有地理标签的推特数据来提取用户的基于时间和空间的有用信息是可行的。更大的数据集可以让分析师建立一个更加详细的话题模型。实时数据和建模科技将会促使商人更好地适应那些不遵从日常规律的变化。
传统的户外广告的指向性营销结合了，与某站点附近的居民的地理人口信息有关的交通计数
。但是如这个研究所示，社会媒体数据和定位技术一起提供了在特定时间和地点的一波兴趣话题，而且可以成为衡量和提高日后户外广告效率的一个重要因素。
2018年3月6日
The Next MBA You Hire Should Know GIS (你聘请的下一个MBA应该要了解GIS)
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/grooming-spatial-business-transformers/
空间商业转换者是知道如何用空间数据来解决商业挑战和抓住新的机会的专业人士。他们有特殊的技能组合：对商业技巧很强的掌控力、理解定位技术加强商业决策以及提升运营和商业结果的方式。
学术研究者：Meriem Chinda说：我无法想象一个商业技巧设计课程不用到定位分析和GIS会怎么样，在课程中学生们将为一个公司收集市场策略，也就是评估区域性或者全球性的增长潜力。
随着商业领域的数字化的持续，定位技术的能力开始觉醒。举例而言，零售商们可以分析高精度的地理人口趋势来有序规划他们的商店；工业制造者们用地理分析来最小化风暴对供应链的影响。保险商通过精确定位高危的地区来开设新的商业区域。
Location Awareness in an Era of Digital Transformation
作为有着1000名学经济的研究生和500名本科商科生的University of Redlands School of Business的院长，我和老师们专注于帮助学生在正在加强改变的数字化商业世界中茁壮成长。
这个转变将会创造一个在2020年之前有200亿个物联网终端的世界，而这早已经附加在大数据浪潮之中。物联网数据必须在处理提炼之后才能揭露效率性、持续性和盈利上的机会，位置信息确实是大数据，为数以十亿计的片段信息提供内容和深度。
Pace University的教授Daniel Farkas说：最终，在商业和教育中采用GIS来自于一个组织的商业领导明白GIS对他们组织的重要性，这导致与他们有联系的学校以后将定位分析作为聘用中必须会的技能。
在University of Redlands School of Business, 我们的MBA项目提供了在GIS上的关注点。大约一半MBA GIS的毕业生会在科技岗位上工作，另一半在管理岗位，但是他们都了解彼此的岗位。我已经见证了他们的事业在财富五百强上绽放，当他们用定位技术来加强他们公司的商业进程的时候。
最近一个研究显示66%的商业体认为定位技术对薪资增长有非常关键的作用，然而只有9%的商科学校在课程中设置了和GIS或者空间分析有关的内容。
The Role of Spatial Business Transformers
在我的工作中，我见证了领先的企业通过空间商业转换者的工作来获得竞争优势。当北美一家金融公司的主管宣布要进军一个新的地方的市场，GIS团队的两个成员看到了影响公司位置策略的机会。这些空间转换师基于本地人口和来自ATM、在附近市场使用手机app的数据来为新市场建立地理模型。
这个实验的成功使这家机构将GIS和定位科技结合到他们运营的更多领域中去，包括弹性的估计模型可能的服务崩溃以及应对的计划。
另一个有证明力的例子，世界上最大的投资公司之一的分析师最近用定位技术的能力来指引一个投资技巧。在寻找一个奢侈品包包的制造者，这个公司在网上搜索问题如；我在哪可以买到这个品牌的包？ 通过将进行这些搜索的地址做空间分析，公司可以标绘出需求的热力图。为奢侈商品制造者工作的空间商业分析师也会将GIS用在相似的情况，识别哪些高需求而低供应的地方。有了这个信息，执行者可以确定新店的位置，扩张他们在全球市场的出现率。
这些例子阐明了这些会用空间技术来影响运营策略的空间商业分析师的能力。
Educating Tomorrow’s Business Leaders
基于我对商业和学术界的了解，我相信企业和商科学院一起来创造空间商业分析师的人才运输通道是最好的。我们该如何推进呢？我们怎么样可以提高现阶段只有9%的MBA项目提供有关定位分析的教育的情况呢？
在University of Redlands,我们的策略是尽可能多的在商科课程中增加GIS的曝光度。我们MBA项目提供了一个重视GIS的方向——这是国内唯一一个这么做的项目。我们也将空间商业分析的学习贯穿在我们的MBA课程中。此外，我们本科商科学位也有一门GIS的必修课——这个也是国内唯一一个。此外，我们的预科课程会让学生使用空间分析来解决真正的商业问题。
最近与一个Redlands的MBA GIS毕业生的交谈坚定了我觉得这个尝试有价值的信念。在毕业后不到一年，他在硅谷一家很有名的公司工作，他告诉我公司正急切招聘那些可以达到科技公司的高要求的有很强的GIS背景的候选者。“当我作为一个MBA学生进入商业世界，”他告诉我说，“我的GIS专业可以让我了解到那些普通MBA学生也许不能理解的技术，MBA和GIS的结合是无价的。”
Fostering a Partnership between Business and Academia
一小部分核心大学——包括UCR，University of Wisconsin-Stout, Murray State University和Pace University——正在将空间分析和定位技术的学习加入他们的商科课程中。他们的预见能力和领导力很让人振奋，在这篇文章里，你也可以听到他们的呼吁。
在学术界，我们明白我们有太多的事情去做来培训那些作为领导人现在和将来需要知道的东西。商业中将会创造空间商业分析师的需求，那上课学校将会供应这个需求。随着更多的公司意识到地理数据的能力和潜力，他们会寻求聘用新的有能力和经验能做空间分析的人。从某种程度上说，这个正在成为下一个商业情报——空间商业情报。
现在可能还言之尚早，但是我相信空间商业情报——通过商业和GIS技术达到的——将会变得比物联网和大数据更加有价值甚至改变整个商业和科技世界。同时随着年轻的空间分析这提升到了最高管理层，他们会帮助将定位分析提高到一个策略角色。那些聘用他们的公司将会在接下来的很多年里很适应的茁壮成长。
2018年4月8日
Eyes in the Sky Use AI to Track Investment Opportunities
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/space-imagery-reveals-commodity-market-intel/
商业和政府机构用卫星图像来预测道路、风暴等级、森林大火的蔓延方向或者敌军的转移等，因此他们可以做出基于科学技术的决定。很快，根据Bloomberg的文章“卫星技术正在用来揭露商品交易世界中被紧紧隐藏的秘密”所说，商人们将会见证人工智能辅助图像分析被加入投资研究报告。
这个文章强调了新的图像处理技术将作为供应链和经济智能的下一步。Bloomberg提到，一些商人早已经得到了测量油罐的浮顶影子深度的报告。用这个方式，他们可以在政府公布每周报告之前知道油储存在哪里。
现在，一些卫星追踪公司，如Ursa Space Systems Inc和Orbital Insights Inc，正在用AI来浏览百万张卫星影像并将他们翻译成有用的数据。这些公司用特定种类的影像来展示那些可以影响商品价格的供应等级，并在商业市场中给顾客一个竞争性的优势。
这篇文章提供了一个煤炭商人作为例子，他也许通过检查发电场外煤堆的大小预测需求量大增，并可以推测何时供应量将会追上来，根据矿场中卡车的活动。
AI Combines with GIS at Scale
测量在一个空间影像中的一个煤堆高度的这种小细节已经很有挑战了，但是在大面积范围并处理的如此之快似乎基本上是不可能实现的。然而，通过大量的预处理和高性能的机器学习算法——AI的一种——影像分析，可以从这些影像中提取有意义的信息。一些产业研究者警惕的得出了很多结论，根据文章所说在大宗商品方面的数据也许更加缺乏可信度。
然而，从科技上来说，着各种可能性是可以达到的。GIS，举例而言，通过使用大数据管理技术、影像分析工具和人工智能来帮助提高影像智能。GIS影像工具帮助用户更快更准确的获取影像中的信息，同时AI对象，那些需要用扫描影像来识别——通过机器学习——在地面的特殊特征。
通过这些科技上的提高，一些商业分析和分析员已经开始传递基于科技的商业报告，并且自信的推荐生意和投资决定。
2018年4月9日
Restaurant Meal Delivery Gets Smarter
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/restaurant-meal-delivery/
基于app的送餐服务没有取得大量的商业成功，虽然这并不是因为缺乏需求。在便捷的新时代，顾客们更希望全种类的快速送达服务。但是很多餐馆拒绝参与——一部分害怕对外卖缺少质量控制，其他的害怕缩减本来就很微薄的利润。当在美国的外卖公司，如Grubhub，DoorDash正努力劝餐馆经营者参与到他们的外卖业务中来时，一家英国的创业公司叫Deliveroo正在用定位智能和卫星厨房来创造一个新的模型。
在“Deliveroo Takes a Kitchen-Sink Approach to Food Apps，”Bloomberg Businessweek报告说，卫星厨房和成熟的逻辑算法已经帮助这个创业公司在欧洲主要城市留下了一个很深的印象并且吸引了将近10亿美元的风险投资。
Calculating Demand by Location
Deliveroo的准则是通过这些来驱动的：定位意识，数据分析和一个简单的信条，餐馆离潜在的顾客的街区越近，餐点就更会热乎着并准时到达。意识到很少有餐馆有钱在每个有需求的区域新建一个可以坐下来的分店，Deliveroo正在将包含外卖的店面转变为只进行外卖的厨房。这个创业公司囊括了要开厨房的初始费用，然后出租给餐馆，Bloomberg Businesssweek这么报道到。在一个众所周知的薄利行业，这个模式对商人们来说非常有吸引力。
Deliveroo用定位和人口数据来展示在独立厨房周围的潜在餐馆分布特征的需求。餐馆，如：Karam Seith,英国伦敦一家很赞的cafe的老板，冒险尝试了这个，据这个文章所说，因为数据证明他高价的Indian食物的需求会回报低价的厨房投资。
Gathering Intelligence
在食品产业的一片区域，执行周期性用人口数据和需求感知技术来规划新的地点的操作，有时甚至是整个视频产业。有几百个据点的全国性的餐馆产业链依赖于如GIS这样的工具来预示他们的扩张计划、区分人口，分析可支配收入来为他们的投资寻找想要的区域。很少有商人处在市场的末端的时候会在这种工具上进行投资。
如果Deliveroo在餐饮外卖行业的竞争性世界中成功了的话，那么定位技术将会是关键。除了检测人口和心理信息来探知区域的需求，这个公司将数据放入一个内部系统，这个系统会持续性的改善外卖路线和外卖司机的选择。定位分析和算法为每一次外卖节约几分钟并给Deliveroo的服务增加价值，根据Businessweek报道所说。
基于美国的外卖服务公司将会见证Deliveroo的发展。通过将复刻的厨房门放置在人口和定位技术告诉我们应该放置的地方，这个公司正在破坏这个急需胜利的行业。
2018年4月13日
Taxis Flight Back, Using AI and Location Intel to Predict Demand
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/taxis-toyota-and-ai/
网约车服务，如Uber，正在干扰传统出租车服务，正在毁掉一个长期以来享受着有可预期的顾客和薪酬的产业。但是正因为城市里有这么一个新的角逐，不代表着出租车行业将要投降。在东京，一群公司正在用基于地理定位的大数据和人工智能来将车放置在供给需求的交汇口，希望基于AI的预测可以给他们一个竞争优势。
在最近的一篇公告中，Toyota Motor Corp揭露说他们将会与Japan Taxi, KDDI还有Accenture to pilot合作一个这些公司称之为基于AI的出租车调度辅助系统的项目。这个调度系统使用AI来预测何时何地将会需要出租车服务。
AI通过从很多庞大的数据库抽取值来为自己赚取名声。在这个例子中，大数据中包含了大量固态和动态的与地质有关的信息，从出租车记录到东京事件日历、天气、交通和移动电话定位。Toyota说这个人工智能科技——使用匿名位置数据——根据时间和位置来预测人们的位移。这个调度系统展将这些信息展示在地图的一小块上，那样出租车司机在他们车上时就可以获取这些信息。
Innovation Based on Human Weather
一些研究者将这个东京项目中被追踪的数据成为“人类气候”，同时交通公司并不是唯一用这个来做定位分析的机构。在近期的一篇WhereNext的文章中，我提到了零售公司是最先开始采用“人类天气”技术的，用数据来做更好的实体店位置选择并且以一个更私人定制化的渠道来经营产品和服务。
其他有顾客大数据的商业产业也许会用AI技术来预测购买者行为和位置以及在供给与需求之间的平衡的位置来提高销售量。
在东京，出租车的在运营中的地图给出租车司机展现了在特定地点预测的被占用的车辆的数量，以及可能需要的空间。根据已经参与了的公司统计，已经在行驶中使用了基于AI智能定位的出租车平均有20%的销售量的上涨。
随着出租车行业唤醒了“人口天气”和基于定位的人工智能来在这个改变中的行业里竞争，代表了高级定位技术和创新有破坏的能力。
2018年4月18日
AI leads Corporate Data Priorities, but Worries Outweigh Progress
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/business-executives-and-ai/
大数据依旧是商业领袖的首要关注点，而人工智能的使用也在上升期。许多公司将传统的数据分析、大数据和人工智能结合在一起用在他们的战略上，因此这些都在帮助他们理解他们正在经历的数据爆炸。
这些发现来自New Vantage Partners最近公布的大组织机构如何看待数据的年度报告。Harvard Business Review从振奋人心的和令人担忧的两个角度总结了这个报告。
在积极的方面，73%的反馈报告说已经从初步的数据分析、大数据和人工智能中获得了可衡量的价值。在消息的方面，将近80%执行者反馈说他们害怕被取代或者被瓦解。
简而言之，他们害怕自己的公司走得不够快，不足以和在数据驱动的文化中成长起来的新贵们来竞争。99%的执行者说他们正在转型为数据驱动型的，但是只有三分之一达到了这个目标。
Executive Roles for AI, Big Data
新的数据导向的管理角色正在帮助加快这种转型，包括首席信息官，首席数据官，首席电子化官，首席分析管等等。然而，这个调查发现这些角色依旧缺乏清晰性，特别是他们和彼此相关联的时候。
调查的回答主要来自于首席数据官，他们完成了56%的问卷调查。这表明了首席数据官是一个正在成长的角色——去年只有32%回答者是这个职位，而在2012年只有12%。Amen Ra Mashariki, 纽约市前首席分析官和Esri首席城市分析师，在最近的WhereNext文章中帮忙定义了CDO和CAO之间的差异。他说CDO(首席数据官)收集和组织数据来确保数据的精确性、准确性和可获取性，而CAO(首席分析官)分析数据来精确定位解决方法并做更好更快的商业决定。
New Vantage Partners研究表明人工智能是最有破坏性的（72%选择AI为最有破坏性的，而13%选择云计算，7%选择区块链）。大部分执行者期望人工智能来衍生分析能力并在客户服务和降低费用上作出更好的决定。只有27%在现阶段追求自身的创新和分裂，并且他们专注于市场速度和数据货币化。
专家建议执行者们主动在自己公司应用人工智能，而不是等着看哪一种人工智能因公从产业链中脱颖而出。最近WhereNext文章介绍了一个策略，这家公司通过人工智能来提升客户服务的，策略是结合大数据分析、定位科技和人工智能来供给区域内的古语制定信息丰富的决定来提供更快的服务和关心顾客。
对于商业执行体，大数据和人工智能的重要性急剧上升，如这个调查结果清晰显示。随着机构们探索不同的方法来合理化分离数据，许多人发现定位科技是这个中间很有价值的一部分。每个商业活动都在某个地方发生，同时结合定位分析、大数据和人工智能可以帮助解锁模式并减少恐惧，当企业正在寻求加强决策的时候。
2018年4月24日
Wellness Emerges as a Real Estate Trend
相关网址：
https://www.esri.com/about/newsroom/publications/wherenext/wellness-communities-and-psychographics/
一个叫健康社区的新兴的房地产发展趋势正吸引着开发者和投资者们的兴趣。这种根据总体规划的社区提供了一些针对于支持居民的生理、情感甚至是精神需要的住宅、服务和活动。心理学家可以在帮助房地产开发商和投资者甄别潜在的市场和这些社区的位置。
一篇最近的Fast Company的文章：“乌托邦式健康社区是百万美元级房地产的趋势”，文章总结了这个活动背后的发展和重要性，引用了Global Wellness Institute的一个报告：北美健康房地产的规模将达到525亿美元，每年增长速率为6.4%。全球产业价值1340亿美元，根据机构预测，在2022年之前将会增长到1800亿美元。
健康是很广的分类，开发者们开始面向特定的分支。要辨别一个合适的群体，领先的开发者和投资者们会分析按心理因素划分的信息。消费心态学揭露了潜在顾客的生活方式的偏好——从可能偏好的药品到支持环境的原因而成为某个社会俱乐部的成员。理解在特定地理区域这些偏好有多么受欢迎可以帮助投资者和开发者们决定在哪儿建立哪种社区。
Paying for Premium
开发者们对健康社区感兴趣的背后的一个驱动因素是他们所吸引的资本。Fast Company报告说在健康社区的购买者家庭支出的10%-25%花在化妆品上。
早在2014年，Urban Land Institute研究发现健康社区在一些关键要素中超越了房地产开发商的期望：房产被购买或者租出去的速度，购买者和租户住在这里所花的费用，和在他们等待列表中的购买者和租户的数量。尽管很多健康社区（如在亚特兰大的Serenbe）在乡村地区并且拥抱大自然，他们代表着顾客价值的广阔的范围。
由于不同的人对于健康有相同的基础期望，那很有可能一个健康社区要契合许多顾客类型。从农场到餐桌、基于艺术的和奢华的健康社区是消费心理学的展现，并且开发者们抓住这些兴趣点来吸引新的顾客。
Niche Goes Mainstream
始于安静的乡村地区的健康社区迅速获得国际化的关注。仅仅在北美就有350个健康社区的建设之中，根据Fast Company的调查。Steve Nygren,佐治亚Serenbe的创始人，告诉出版商说房地产开发商，市政委员和金融家经常来他的社区来学习实战经验。
在这个增长的产业中，从消费心理的预期中衍生出来的定位技术是帮助开发者和投资者定位下一个健康目的的有效工具。定位技术的强大能力在于他用地理需求来区域化顾客群体并以房地产发展的规划来应对这些健康社区的需求。
2018年6月5日
Snapchat Embraces Location-Based Advertising（Snapchat加强了基于定位的广告）
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/snapchat-ad-targeting/
有1.87亿用户的社交媒体平台，Snapchat正在吸引广告商的兴趣，现在Snap公司揭露了两种新的以定位为中心的选项来帮助广告商接触到这些用户。
如同Mobile Marketer所报道的，在Snapchat上打广告的公司现在可以接触目标受众当他们在特定的场所或者当他们在一个特定地点的范围内时。Snap的新业务反映除了移动商业的扩张，根据Forrester的报告，这个行业在美国将会保持两位数的年增长率并且将会导致超过一半的零售业务在2022年之前增长。
Snapchat的150个定位目录包括沙滩、健身房、大学校园、体育场和电影院，然而他的这种半径目标范围让广告商专注于地图上特定点周围的一片区域——一个商业地址、一个城市或者简单的经纬度。
这只是Snap最新的将定位科技与平台结合的步伐。随着很多领头羊公司认识到定位广告发送的信息帮助广告商在正确的地方接触到相关广告的顾客。这种定位技术被另一个主要社交媒体用户使用加强了他作为一个主要贸易和分析工具的角色。
一个最近在伦敦做的研究发现广告商可以挖掘社交媒体对话来更好的理解在特定地点顾客的广告偏好。举例而言，在Notting Hill的Twitter用户经常谈论博物馆和画廊，而在Mayfair附近，是购物和时尚。定位技术可以在Snapchat上针对这些地点发布与这些活动有关的广告。
Snapping Up Locations
根据Snapchat商业博客上的宣告，地点是用户与社交媒体平台互动的一个重要部分。这个app的百万的用户将他们发布的帖子添加定位图片、根据地点来搜索其他的帖子，并与朋友们分享他们自己的定位。现在，商家和品牌可以根据他们潜在客户在哪里来接触到电子受众。
在这个博客上，snapchat提供了这些新目标定位的例子的样子：一个太阳镜品牌指向在海滩的用户，举例而言，或者是一个电影院发送消息给在电影院的人们。同时，范围指向可以用在传统的方式中——如针对一个特定商店周围的区域——或者广告可以针对每一个去过运动场或者音乐节的人。
根据snapshat分享的例子来看，机智的市场人员可以用这个技术来接触与他们的消息最接近的听众，用定位技术来驱动一个更精确投递广告的引擎。
Helping Businesses Locate Consumers on Their Own
商业执行者也许可以从Snapchat中找到线索来将基于定位的广告合并到他们自己的运营中。将GIS软件合并到市场和商业运营中可以帮助公司理解应该何时与何地来指向潜在客户。
在现在数据驱动的经济形势下，公司有时候努力尽可能利用他们的数据。通过GIS，公司可以将地理数据与他们的数据库合并来可视化他们之间的联系。Snapchat的用于定位投放广告的新工具强调了物理位置与电子化视野的联系。用这些新兴的工具和技术，如GIS，的商业体在空间上意识到可以在合适的位置针对新客户提供相关信息——并且以更针对性的方式接触到忠实顾客。
2018年6月17日
How and Where the Population Will Age?
相关链接：
https://www.esri.com/about/newsroom/publications/wherenext/aging-population-predictions/
由于出生率的下降和预期寿命的延长，全球六十岁以上的人的百分比正在增长。United Nations预测到2050年五个人中就有一个人是六十岁以上，而现在六十岁以上只占世界人口的13%。
许多国家将这个趋势视作经济威胁，因为老年退休人员需要依赖公共储蓄而对人力市场不再有贡献。但是某些行业——包括健康护理、房产、食品、消费产品、旅游和娱乐——似乎从中受益，因为现在更加健康的老年人群正在重写退休的定义。
这个改变中的白银经济时代给政府和市场都带来了不确定性，随着来年人去搬入更小的离他们同龄人更近的房子。因而，私人和公共规划者都在寻找一种新的定位科技：这些高移动性的退休人群在长期而言会定居在哪里？
Location Intelligence on Aging
欧盟已经开始主动地为这个转变做计划，因为在欧盟城市人口中60岁以上的人早已超过25%。一个项目已经展示了这个严峻问题——这些人会去哪里和经济机会会在哪里，的答案。European Space Agency所资助的研究者们已经创建了一个计算机模型，用高分辨率卫星影像来决定来年人将会搬去哪里。
研究这么最近把他们的建模成果放在了Future Development的博客上。这个团队包括Vienna University OF Economics and Business的研究者，World Data Lab（一家商业应用的制造者）和GeoVille(一家地理空间咨询公司）。在他们的模型的中间是一个预测算法叫AgeSpot.
研究者训练AgeSpot算法通过整理微信图片和人口数据来发现一个地域的物理环境和居住年龄层的关系。这个卫星影像分析建筑密度和出现新建筑的一些细节。这个数据，与人口数据中的年龄、人口比例等数据一起加入了预测模型。然后模型基于历史轨迹预测每十二年的人口变动。
预测模型识别帮助预测哪里新的公寓楼、娱乐场所、教育机构和健康中心会出现的模式，他用不同年龄层人群的分布和其他特征来预测将来不同年龄层人群住在不同地区的偏好。
这个团队主导了在澳大利亚Vienna，一个有丰富人口数据的地方，的一个可行性研究，然后研究人员将相同的模型应用到土耳其一个人口数据十分匮乏的地区。根据研究表明，在土耳其做的这个研究得出了相同的结果，并且两者与政府公布的数据相比都有超过90%的准确度。
GeoVile现在正在运作来商业化这个科技创新，通过建立一个运作原型，加入收入和健康因素进入模型，来预测老年人群会住在哪里。
Guidance on Human Movement
一些实践者们用人工智能扫描了几百万张卫星影像，并预测特定区域的经济状况——一些投资者和供应链决策者可以转化为利润的视野。创新的能源实践者——一些将数据视作新的石油——正在用定位技术来简化去哪里并如何找到专业员工的决定。同时零售规划是正在用定位来理解流动性和顾客在决定市场时的偏好。
随着这些公司和其他公司赞助GIS技术来组织和强调定位科技，预测人口的新资源，如AgeSpot，可以为支持长期商业决定而提供更大的视野。
要回复问题请先登录或注册