星巴克的门店选址方法
20世纪80年代末，美国星巴克公司董事会名誉主席霍华德·舒尔茨(Howard Schultz)曾经在西雅图总部组建地产团队，专门研究咖啡门店的选址。
他们除了有着专业的地产团队外，还有地理信息系统进行数据化分析，从而决定开店位置和营销方式，这个地理信息系统将不同来源的数据入库并对其比较分析。
从而使决策者能够全面了解车流量、消费群体分布、安全信息、商业构成以及其他地理位置信息。
举个例子，如果星巴克要在旧金山开设新门店，星巴克当地团队会使用这个数据平台定位出最佳门店选址。选址因素包括这个门店位置附近消费者步行可达范围内有几栋在建写字楼，是否位于商业大街或者十字路口边上，人流量是否密集等。
开放数据值得深度利用
从而使决策者能够全面了解车流量、消费群体分布、安全信息、商业构成以及其他地理位置信息。
在互联网开放数据如此发达的年代，以上数据信息可能未必需要组建一个地产团队和一个地理信息系统去获取。
上海地面道路指数
如上图，上海交通出行网中向大众开放城市地面道路的拥堵情况，侧面反映了当时车流量的大小。然而仅单次数据获取，无法得到长时间车流量的情况，只能通过数据的常态化监控。
只要投入时间和精力，其他数据信息都可以被找到，同时监控这些数据的平时状态，便能得到和星巴克团队相差无几的选址结论。
但如果数据量十分庞大，仅单靠团队去完成这项工作，成本会非常高昂。
氢能源技术中心选址
在2018年，国内某大型集团欲投资建设氢能源技术研究中心，但对研究中心的选址苦于没有可以依赖的决策依据。
我们中云数据充分利用了互联网上谁都能获取到的开放数据，发挥数据驱动的优势，向该集团提供了选址决策依据。
首先，建设氢能源技术中心，将技术作为抓手，需要了解国内什么地方是氢能源技术的发达地区，才能利于技术中心的人员招聘。 中云数据从互联网上获得全国关于氢能源的论文和专利的作者，所在单位等信息。 结合由互联网汇集而来的海量关于氢能源的产经新闻，通过数据模型及算法分析，得到氢能源技术分布热力图，显示结果主要集中在北京、上海和广州的周边区域。
氢能源技术(论文、专利)热力图
最后该集团根据实际情况进行战略调整，最终氢能源技术研究中心目标坐落地定为北京周边的河北。
开放数据驱动的高昂价值
在21世纪，数据就是黄金已经成为大多数人的共识。大多数人不够重视互联网上的数据或信息，互联网作为世界上最大的数据库，其利用价值通过上方的案例可想而知，缩减了工作人员的运营成本，提高了辅助决策的可靠性，而这仅仅只是用于“选址”。
那其他商业上的一些问题是否也可以通过开放数据解决呢，答案是可以的，假如在互联网上使用数据技术监控着大量船舶的建造时间并推算它的维保年份，利用期货的手段，能否可以获得更大利润呢?
