百度发表论文:如何借助大数据提升后疫情时代决策效率

2020-05-29 17:54:00

据介绍,研究者在试图摸清地图数据与经济复苏情况的关联时,发现了两个关键因子——地图用户到店数量(Volumes of Visits to Venues,简称V3)与商户新开设的地理位置点数量(New Venues Created,简称NVC)。V3可以反映用户的活跃程度,NVC则反映商户的活跃程度。

于是,研究者将这两个数据的走势与GDP走势做成可视化图表,结果发现,NVC、V3与GDP的走势,呈现强烈的正相关,也就是说,地图用户到店的情况与商户新开设的地理位置点情况,可以反映经济活动的强弱。

博般数据

图1:从2018年第一季度到2020年第一季度,每个季度的国内GDP与百度地图用户到店数量,新开设的地理位置点数量,呈现强烈正相关。(注:分析所用的数据皆为脱敏数据,所有处理环节均不涉及个体隐私。下同。)

那么,这一发现,除了作为经济活动的晴雨表,还有什么作用呢?

研究人员又做出了进一步的分析。他们对各个行业、各个地区省份的经济活跃程度进行了细致分析,结果发现,不同行业、不同地区之间,经济复苏情况呈现巨大差异,主要分为以下三类——L型、勾型、V型。

先来看L型。这一曲线显示复苏缓慢,说明受疫情影响大,下图分别是机场、火车站、教育培训机构、酒店的用户到店情况。可以看到,代表今年情况的红色V3曲线,呈现“L”形状,依旧在低谷摇摆。

博般数据

图2:上图为机场、火车站、教育培训机构、酒店的用户到店情况(V3)和新开设的地理位置点情况(NVC)

再来看勾型。虽遭受疫情影响,但是疫情缓和之后,能够恢复到2018年与2019年同期之间的经济水平。餐饮酒吧、休闲娱乐、公园景点等是典型的行业代表。这一复苏情况在V3的可视化图表里很像一个反写的“对勾”。

博般数据

图3:勾型:疫情缓和之后,餐馆酒吧、娱乐设施、旅游景点等行业能够恢复到2018年与2019年同期之间的经济水平

最后看V型。尽管疫情的影响严重,但是一旦疫情缓和之后,能够快速触底反弹,恢复到2019年同期水平,甚至比那时情况更好。代表行业有工作居住的地点、商超、医院药店等。

博般数据

图4:V型:疫情缓和之后,工作居住地点、商超、医院药店等景气程度快速反弹,走势看上去像字母V

此外,大数据还发现了人口出行情况、搜索情况与疫情防控之间的紧密关联。可以看出,中国内地除湖北外主要城市确诊感染人数与该城市人均搜索COVID-19相关关键词的次数存在显著正相关。由此得出结论,可能是由于感染情况引发的恐慌心理,人们更愿意搜索相关信息。

研究还发现,全国除湖北外主要城市的出行恢复率与当地人通过搜索COVID-19次数呈现显著的负相关。也就是说,人均通过搜索COVID-19关键字较多的城市,人们出行意愿更低、或是当地疫情管控措施更为严格 (在排除了其他潜在因素的偏相关性分析后,此关联依然显著)。