第七章：案例研究

┌─────────────────────────────────────────────────────────┐
│                   数据采集层                             │
│  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────────┐  │
│  │淘宝/天猫│ │支付宝   │ │饿了么   │ │高德地图     │  │
│  │¥8万亿GMV│ │10亿用户 │ │2亿订单  │ │日活4亿      │  │
│  └────┬────┘ └────┬────┘ └────┬────┘ └──────┬──────┘  │
└───────┼───────────┼───────────┼──────────────┼─────────┘
        └───────────┴───────────┴──────────────┘
                           │
                           ▼
┌─────────────────────────────────────────────────────────┐
│                   特征工程层                             │
│  • 消费升级指数 = f(品类结构, 客单价变化, 品牌偏好)     │
│  • 消费活力指数 = f(新用户占比, 复购率, 消费频次)       │
│  • 消费信心指数 = f(大额消费占比, 预售参与度, 信贷使用) │
└───────────────────────┬─────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────┐
│                   模型预测层                             │
│  ┌──────────────────────────────────────────────────┐  │
│  │ XGBoost集成学习：预测下月社零总额                 │  │
│  │ 特征重要性：消费活力(0.35) > 信心(0.28) > 升级(0.21)│  │
│  └──────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────┘

实时数据流处理管道：
Kafka(10万QPS) → Flink(流处理) → HBase(存储) → Spark(批处理)
                    ↓
              实时特征提取
              • 3C换机周期
              • 家电更新率  
              • 奢侈品消费指数
                    ↓
              LSTM时序预测
              "预测未来30天消费趋势"

原始定位数据(日均300亿条)
        ↓
    隐私保护处理
    • 差分隐私
    • K-匿名化
    • 时空泛化
        ↓
    迁徙指数计算
    迁徙指数 = (当日迁出人数/该城市常住人口) × 标准化系数
        ↓
    复工率预测模型
    复工率 = α×迁入指数 + β×市内出行强度 + γ×POI到访率

┌──────────────────────────────────────┐
│         原始出行数据                   │
│  • 起终点(OD)矩阵                     │
│  • 时空分布                           │
│  • 订单类型(通勤/商务/休闲)           │
└──────────────┬───────────────────────┘
               │
               ▼
┌──────────────────────────────────────┐
│         活力指数分解                   │
│  通勤活力 = f(早晚高峰订单强度)        │
│  商务活力 = f(机场/高铁站订单)         │
│  消费活力 = f(商圈/娱乐场所订单)       │
│  深夜活力 = f(22:00后订单占比)         │
└──────────────┬───────────────────────┘
               │
               ▼
┌──────────────────────────────────────┐
│         综合活力指数                   │
│  VAI = 0.3×通勤 + 0.25×商务           │
│        + 0.25×消费 + 0.2×深夜          │
└──────────────────────────────────────┘

用户价格 = 基础价格 × (1 + 价格敏感度系数)

价格敏感度判定：

- iPhone用户 → 低敏感(+5-15%)
- 一线城市 → 低敏感(+3-10%)  
- 高频用户 → 低敏感(+5-20%)
- 优惠券使用率低 → 低敏感(+10-25%)

训练数据：2017年5-8月（夏季高峰期）
日均骑行：8次/车
预测逻辑：线性外推全年

实际情况：
春季(3-5月)：5次/车
夏季(6-8月)：8次/车  
秋季(9-11月)：6次/车
冬季(12-2月)：2次/车

年均：5.25次/车 (预测8次，误差52%)

错误假设：
需求 = f(人口密度, GDP per capita, 地铁站距离)

正确模型应该是：
需求 = f(天气, 温度, 节假日, 季节, 竞品投放, 补贴力度)

      + 随机游走项
      + 长期趋势项

模型预测：
渗透率 = 0.6 × 一线城市渗透率
获客成本 = 0.5 × 一线城市CAC
订单量 = 人口 × 渗透率 × 订单频次

残酷现实：

- 本地玩家占据70%份额
- 地方保护主义严重
- 用户习惯难改变
- 骑手招募成本反而更高

搜索指数构建：
关键词集合 = ["unemployment benefits", "job search", 
             "food stamps", "resume template", "welfare"]

归一化处理：
Index(t) = 100 × Query_Volume(t) / Max_Volume(2004-2024)

预测模型：
失业率(t+2周) = α + β₁×Index(t) + β₂×失业率(t-1) + ε
R² = 0.86, RMSE = 0.21%

┌─────────────────────────────────────────┐
│           Uber Movement平台              │
├─────────────┬─────────────┬─────────────┤
│  Travel Times│    Speeds   │   Origins   │
│  OD对耗时    │  路段速度   │  出行起点   │
├─────────────┴─────────────┴─────────────┤
│              应用场景                    │
│  • 交通规划：识别拥堵瓶颈              │
│  • 地产评估：通勤便利性打分            │
│  • 零售选址：客流可达性分析            │
└─────────────────────────────────────────┘

实时交易流
    ↓
清洗与分类
• 剔除B2B交易
• MCC码映射品类
• 币种统一转换
    ↓
机器学习预测
• Random Forest：短期预测(1-7天)
• LSTM：中期预测(1-3月)
• 贝叶斯结构：长期趋势(3-12月)
    ↓
行业报告输出

餐饮活力指数 = Σ(城市权重 × 同比增长率)

细分指标：

- 高端餐饮(>¥500/人)：经济信心指标
- 商务餐饮(工作日午餐)：企业活力指标
- 家庭聚餐(周末)：消费意愿指标

相关性分析(2019-2024)：
餐饮指数 vs GDP增长：r = 0.89
餐饮指数 vs 消费者信心：r = 0.92
餐饮指数 vs 失业率：r = -0.83

领先性：平均领先官方数据35天

2019年模型表现：
训练期：2015-2018
验证MAPE：3.2%（优秀）
特征：捕捉季节性、节假日、趋势

2020年崩溃：
Q1预测：增长8%，实际：-15%（疫情）
Q2预测：增长5%，实际：+45%（报复性消费）
Q3预测：增长12%，实际：-5%（二次封锁）

全年库存损失：¥8000万

集成预测框架：
├── Prophet（基准预测）
├── 变点检测（CUSUM/PELT）
├── 情景分析（Monte Carlo）
└── 专家判断（德尔菲法）

决策规则：
IF 变点检测触发 THEN 降低Prophet权重
IF 不确定性>阈值 THEN 人工介入

收益预测 = f(地段因子, 人口密度, 科技公司数, 
            地铁距离, 竞品数量, 租金水平)

训练数据：2010-2017成功案例
验证R²：0.91（看似完美）

房价 = XGBoost(
    房屋特征：面积、卧室数、建造年份...
    位置特征：学区、犯罪率、步行指数...
    市场特征：库存、利率、成交速度...
    图像特征：CNN提取的装修质量分数
)

声称精度：中位数误差1.9%

算法预测 vs 实际成交：

案例1（凤凰城）：
购入价：¥350万（算法估值）
持有成本：¥5万/月（税费+维护）
6个月后售出：¥280万
损失：¥100万

规模化失败：
Q3 2021购入9,680套房产
Q4 2021仅售出3,032套
库存积压：¥20亿

                预测任务
                   │
        ┌─────────┴─────────┐
        │                   │
    时间跨度？           数据量？
        │                   │
   ┌────┴────┐        ┌────┴────┐
   │         │        │         │
 <1月      >1月     海量      有限
   │         │        │         │
经典模型   PDE系统  物理方法   ABM模型
(ARIMA)   (HJB)    (相变)    (博弈)
   │         │        │         │
精度85%   精度90%   精度88%   精度75%
成本低    成本高    成本中    成本高

┌────────────────────────────────────┐
│          预测任务分解               │
├────────────────────────────────────┤
│ T+1天：ARIMA（权重0.5）            │
│        + XGBoost（权重0.5）        │
├────────────────────────────────────┤
│ T+7天：Prophet（权重0.3）          │
│        + LSTM（权重0.4）           │
│        + 专家调整（权重0.3）       │
├────────────────────────────────────┤
│ T+30天：系统动力学（权重0.4）      │
│         + 面板回归（权重0.6）      │
└────────────────────────────────────┘

综合精度：MAPE = 4.2%（优于任何单一模型）

成功案例的数据投入占比：
阿里巴巴：65%（数据治理）vs 35%（模型开发）
Google：70%（数据采集）vs 30%（算法优化）
Mastercard：60%（数据清洗）vs 40%（预测模型）

失败案例的通病：
重算法、轻数据，垃圾进、垃圾出

┌─────────────────────────────────────┐
│         成功金字塔                   │
│                                     │
│            价值创造                  │
│         /     |     \               │
│     敏捷性  信任度  创新力           │
│      /    \  |  /    \              │
│   实时   迭代 | 透明  伦理           │
│    /  \   /  \|/  \   /  \          │
│ 数据 技术 组织 文化 合规 生态        │
└─────────────────────────────────────┘