关注我们，获取全球优质教育资源
人生地不熟的时候，问路和导航App哪个更靠谱？
两种选择是不同时代的常识更迭，也是经验与大数据间的博弈。
互联网时代里，大厂导航App成了国民级出行工具，用起来方便又准确，让认路几乎成了被人遗忘的技能。
据统计，2020年高德和百度两大头部地图导航的月活人数在4亿左右。而2019年数据显示，高德地图导航日活峰值高达1.15亿。
各大导航App月活人数
走在北京四九城里，你可能找不出一个能给你准确指明目的地的年轻人。
而在荒无人烟的公路上，更可能出现的场景是，你连个问路的人都找不到。
北京- 拉萨的路况和导航路线
当然，导航App的作用不仅体现在一场说走就走的冒险旅行之中。
即使是天天上下班必经的通勤之路，导航也会给你不一样的建议。
导航的熟路模式，可智能学习用户喜好，提供符合使用者习惯的个性化常走路线，越用越懂你。
导航的熟路模式
自驾少不了导航App，难道打车就不用了吗？而货运路线，关系着物流企业的时间效率与成本效益，更少不了导航软件的帮助。
网约车和物流行业的导航系统
对于导航App推荐的最优路线，我们已习以为常。细想，又发现这问题复杂且抽象，很难理解。
但其实，上述问题可以归结为路线选择的决策问题。
而为解决路线选择的决策问题，我们需要包括实时定位和路况信息、路径规划和预计到达时间(ETA)等大数据和算法技术做支撑。
导航App的技术工具
这个问题的灵魂在于路径规划，教科书里对路线规划建模有基础且扎实的讲解。
教课书中的路径规划模型
它的核心包括节点(路口)、边(道路拓扑)和各种权值(旅行时长、距离和费用等等)，应用到的基础算法是Dijkstra, A*等等。
但现实中，问题要复杂得多。
首先，是路网规模巨大。针对1亿日活用户的大地图，仅全国范围，就有4000万+条道路信息。
而路网信息的属性变化很快，每季度会有10%左右复杂多变的禁限行信息需要更新。
而实时路况信息发布，更是产生海量数据需要实时插入地图导航系统。
而完成这一套路线规划任务，不仅要支持上述路网结构的小时级更新，路况信息的分钟级更新，更要保证规划算法的性能不出问题。
教课书中的路径规划模型
而为了更好地保证路线规划算法的性能，BAT们也在不断研究更前沿，更精准的算法技术。
高德导航App的算法发展脉络
所以其实，大厂导航App之战，不仅是构造国家级的数据库资源之争，不光是搭建互联网完整生态系统的战略比拼，也不完全是市占率和流量变现的利益抢夺，更重要的是对“下一代”硬核算法技术的研究、开发、应用、推广的终极PK。
而对这一切贡献最大的，当数身在其中的各位数据分析师和数据科学家们了。
他们不光要拥有扎实的理论基础和实践动手能力，也要有不断开拓进取的科学精神。
既然技术的核心是人才，BAT的导航App的PK，说到底是对技术人才的争夺战。
不知大家有没有注意到，不同App建议的最优路线，往往是不同的。
也正因为现有算法在用户体验上并没有达到极致，仍有不断完善的空间，所以这个赛道仍然需要大量能够给导航系统添砖加瓦的核心人才。
而核心人才，自然是能够帮助大厂不断完善最优路线的数据分析师和数据科学家。
他们在最优路线的推荐工作中，可能是这样的：
利用Python和R等工具读取文本信息，
提取核心数据，标准化数据格式
也可能是这样的：
利用可视化分析
相关性热力图来衡量各因素之间的相关系数
还可能是这样的：
分析总时长与各因素之间的单一关系，
发现最显著的影响因素是特定日期和时间
有没有一脸蒙圈的小伙伴想弱弱的问一句，他们在干啥？
这其实是罗切斯特理工大学商业分析在线硕士项目的同学们在BANA680商业分析中的数据管理课程中完成的实景案例：根据加拿大官方网站上披露所有过境点的历史等待时间，从不同角度和因素来分析各过境点的所需时间。
当然，在这个数据为王的时代，有待人们挖掘的数据宝藏，不仅局限于导航和路线规划。
各行各业都将在数据分析的助力之下继续数字化转型之路，千家万户也将因此拥有更加美好便利的生活。
而对于想要拿到通往数据分析师之路一张入场券的好学又爱思的你，我忍不住分享一个优质的项目信息：
这就是前文提到的美国罗切斯特理工大学（Rochester Institute of Technology，RIT）在线商业分析（MSBA）硕士的课程项目。
你可能有所不知，这所历史悠久的大学在2021年荣登U.S News商业分析项目全美第29名。
根据RIT的课程设置，你将有机会不断练习最实用的SQL、Python、R等编程技术，还会学习统计模型和常见的机器学习方法，更有深刻有趣的商业分析案例，以提高不同工作不同应用场景的实践能力，终于迎来职场的崭新一页。
还等什么？迎接新商业数据能力，从见到罗切斯特理工大学开始。
参考文章：
连接真实世界，高德地图背后的算法演进与创新，任小枫，高德地图首席科学家
热门跟贴