我们看一下对于大数据相关的项目中，我们能做什么，这个话题企业界比较感兴趣，在学术界可能谈论得比较少。一般来说，大数据战略目前有三个主要的关键节点：系统轻载、应用闭环、数据变现。




第一个节点也是最重要的节点就是系统轻载。大家知道从一亿条数据中查询一条数据和从一万条数据中查询一条数据是截然不同的两种速率，庞大的历史数据在线，已经严重影响了系统的效率、稳定性，极大地增加了维护成本和系统开销

如果按照互联网所谓的大数据特点来说，GIS领域大部分的传统数据都不算是互联网意义上的大数据。

我国从各个方面来说，都是一个大国，所以有各种大国的幸福和苦恼，特别是对于我们做GIS的人来说。

比如地理国情普查，比如二调，比如农地确权，960万平方公里，十几亿人，生成的数据量都是极度庞大的，比如农地确权：

农地确权是以农户为单位发证，以地块为单位制作数据的，所以全国上来，预计超过15亿个地块（三

接下来我们看一下我在实际工作中的遇到的一些与大数据建设有关的案例。

客户告诉我，他有一个很简单需求：
（虾神每次听见“简单”这两个字，就瑟瑟发抖，曾经有个朋友问我会不会做网站，我说会一点点，然后他马上就说：“我有一个很简单的需求，你帮我做个百度那么简单的网站就行……就是一个输入框一个按钮……然后搜啥出来啥就行。……这么简单的要求，给你500块钱够不够？”






我说，你是不是在后面

本文是今年1月份去武汉参加社会计算会议的时候，应约在武汉大学GeoScienceCafe 论坛上面做的主题报告《空间数据挖掘与空间大数据的探索与思考》的讲话录音整理稿，另外虾神配合着PPT又重新编写了部分内容，形成了整个文稿，大约会形成三到五章左右发出来。






大家好，非常开心能够来到武大，也特别激动和感动，因为本次来武大是参加社会地理计算的年会，主要想见一见卢克教授，当然啦，还有在座的

可视化号称是数据分析的最后一公里，有时候（更准确的说，是大部分时候），一张图就够了。图1是美国2000年人口统计数据，灰色的球表示所在州的人口数量，而且按照球体的大小，也很轻易的分辨美国的三大人口中心：分别是纽约、芝加哥、洛杉矶，橙色的球代表原住民。如果看的不是图，而是将这张上的数据列出做成Excel表，估计打印20页没有问题，但是看一份二十页的表格容易，还是上只给出下面这样一张地图更明白的了解整

地理的分析核心是来源于所谓的空间统计学，空间统计学有四个最基本的概念：空间概率、概率密度、不确定性和统计推断。








第一个概念是空间概率，空间概率是一种符合地理学第一定律的联合概率。



说道联合概念，先得聊聊经典统计学里面的联合概率。举一个简单的例子，一个女生要找想男朋友，问我有没有啥资源可以介绍 ？我问你需要什么样的男生？她说她的要求很简单，就三个。第一个要求要长得高一点；第二个

讲完了空间统计学和数据中心，我来讲一讲业界很多政府官员以及我对大数据的认识和理解，因为我现在在ESRI中国主要做大数据，他们对大数据有一些什么样的认知呢？

第一种认识，数据量大就是大数据，这是我去交流的时候很多用户提到的，动辄说大数据，就是我们有XX亿条，XXTB数据，所以我们就是大数据。还有说我们要做大数据项目，先要弄够多少多少量的数据，才行。







第二种认识是不用传统数据库就