星巴克的門店選址方法

20世紀80年代末，美國星巴克公司董事會名譽主席霍華德·舒爾茨(Howard Schultz)曾經在西雅圖總部組建地產團隊，專門研究咖啡門店的選址。

他們除了有著專業的地產團隊外，還有地理信息系統進行數據化分析，從而決定開店位置和營銷方式，這個地理信息系統將不同來源的數據入庫并對其比較分析。

從而使決策者能夠全面了解車流量、消費群體分布、安全信息、商業構成以及其他地理位置信息。

舉個例子，如果星巴克要在舊金山開設新門店，星巴克當地團隊會使用這個數據平臺定位出最佳門店選址。選址因素包括這個門店位置附近消費者步行可達范圍內有幾棟在建寫字樓，是否位于商業大街或者十字路口邊上，人流量是否密集等。

開放數據值得深度利用

從而使決策者能夠全面了解車流量、消費群體分布、安全信息、商業構成以及其他地理位置信息。

在互聯網開放數據如此發達的年代，以上數據信息可能未必需要組建一個地產團隊和一個地理信息系統去獲取。

上海地面道路指數

如上圖，上海交通出行網中向大眾開放城市地面道路的擁堵情況，側面反映了當時車流量的大小。然而僅單次數據獲取，無法得到長時間車流量的情況，只能通過數據的常態化監控。

只要投入時間和精力，其他數據信息都可以被找到，同時監控這些數據的平時狀態，便能得到和星巴克團隊相差無幾的選址結論。

但如果數據量十分龐大，僅單靠團隊去完成這項工作，成本會非常高昂。

氫能源技術中心選址

在2018年，國內某大型集團欲投資建設氫能源技術研究中心，但對研究中心的選址苦于沒有可以依賴的決策依據。

我們中云數據充分利用了互聯網上誰都能獲取到的開放數據，發揮數據驅動的優勢，向該集團提供了選址決策依據。

首先，建設氫能源技術中心，將技術作為抓手，需要了解國內什么地方是氫能源技術的發達地區，才能利于技術中心的人員招聘。 中云數據從互聯網上獲得全國關于氫能源的論文和專利的作者，所在單位等信息。 結合由互聯網匯集而來的海量關于氫能源的產經新聞，通過數據模型及算法分析，得到氫能源技術分布熱力圖，顯示結果主要集中在北京、上海和廣州的周邊區域。

氫能源技術(論文、專利)熱力圖

最后該集團根據實際情況進行戰略調整，最終氫能源技術研究中心目標坐落地定為北京周邊的河北。

開放數據驅動的高昂價值

在21世紀，數據就是黃金已經成為大多數人的共識。大多數人不夠重視互聯網上的數據或信息，互聯網作為世界上最大的數據庫，其利用價值通過上方的案例可想而知，縮減了工作人員的運營成本，提高了輔助決策的可靠性，而這僅僅只是用于“選址”。

那其他商業上的一些問題是否也可以通過開放數據解決呢，答案是可以的，假如在互聯網上使用數據技術監控著大量船舶的建造時間并推算它的維保年份，利用期貨的手段，能否可以獲得更大利潤呢?