现在数据剖析和机器学习是很炽热的领域，近几年各行各业都现已采集了很多的数据，怎么运用数据提高功率成为了问题的关键。
作为一个C端产品司理，最近作业原因有幸与BAT中某厂的地图标注聊到了单点信息(POI)的准确性这个问题(主要是店肆的倒闭与否)，在当今大数据和机器学习如此炽热的年代，自己有意图的对此问题做了一个粗浅的剖析，写一篇小文章请地图相关的PM一起来纠正一下。 现在来看，单点信息主要以人工方式进行验证，如某厂淘金和人工扫街。信息流程处理杂乱，费时吃力，数据的推迟相对严峻，没能充分运用已有数据。
下边将从一个具体事例入手，概括总结，以点带面，晋级为一套可执行计划。
事例剖析
事例的选取：事例店肆在身边不能太多，如便利店，由于便利店周围就有很多替代品;也不能太少，如大型商超，倒闭关门的频率根本很低，不具有参考价值。所以事例运用洗衣店这种非高频却是必须品的店肆。
事例：小区门口有家洗衣店，需要判别其是否依然健在倒闭营业。
事例剖析：数据的产出来自方方面面，但是其本质来源于人类的日常活动，洗衣店的参与者包括了洗衣店消费者(Customer)、老板店员(Owner)和供货商(Supplier，以洗衣店为用户的效劳提供商)，下面临三种人物的行为轨道进行剖析，然后发现其可运用的数据点。