商业选址报告怎么做?GIS叠加分析咋用?

老板说“找个好地方开店”，你却只会拍脑袋？

上周一位刚入职商业咨询公司的读者私信我：“Dr. Gis，老板让我做份咖啡店选址报告，我对着地图看了三天，最后选了个‘感觉人多’的路口……结果被骂得狗血淋头。”这场景太熟悉了——90%的初学者把选址当成玄学，而高手用GIS叠加分析，10分钟就能输出带数据支撑的决策图。

我在某互联网大厂做新零售选址时，曾用这套方法帮客户把开店成功率从58%提升到89%。核心就一句话：别猜，让地理数据替你投票。

叠加分析不是“图层叠罗汉”，而是给城市做CT扫描

很多人误以为GIS叠加就是把人口图、交通图、竞品图堆在一起——这就像把X光片、B超和心电图胡乱贴在墙上，然后宣布“病人很健康”。真正的叠加分析是空间权重决策模型，本质是回答三个问题：

1. 哪些因素决定成败？（比如：500米内居民≥3000人，地铁出口≤200米）
2. 每个因素值多少钱？（人口密度权重40%，租金成本权重-30%）
3. 哪里能同时满足所有条件？（用栅格计算找出综合得分TOP10%区域）

类比一下：这就像给城市做CT扫描——单看骨骼（路网）、血液（人流）、器官（商圈）都没用，必须把多维度切片合成三维影像，才能发现隐藏的“病灶”或“黄金位”。

手把手实战：用QGIS给奶茶店找“印钞机位置”

假设你要为连锁奶茶品牌选址，跟着我的步骤操作（数据已脱敏处理）：

Step 1：准备“食材”——四类关键数据

Step 2：标准化调味——让不同量纲的数据能相加

人口数（万人）、租金（元/㎡）、距离（米）单位不同，直接相加会出鬼。我的解决方案是Min-Max归一化：

# Python伪代码示例（实际用QGIS字段计算器）
def normalize(value, min_val, max_val):
    return (value - min_val) / (max_val - min_val)

# 人口得分 = normalize(人口数, 0, 5000) * 0.4
# 租金惩罚分 = (1 - normalize(租金, 200, 800)) * 0.3 
# 注意：租金越高得分越低！

Step 3：猛火爆炒——栅格计算器一键合成

在QGIS中打开Raster Calculator，输入公式：

("人口得分@1" * 0.4) + 
("步行可达性@1" * 0.3) + 
("竞品避让分@1" * 0.2) + 
("租金惩罚分@1" * 0.1)

生成的结果图中，颜色越红代表综合得分越高。右键图层→Extract by Attribute筛选得分＞0.8的区域，就是你的“黄金候选点”。

避坑指南：我踩过的三个致命雷区

• 雷区1：忽略时间维度——早高峰人流量≠全天候客流，务必分时段分析（参考我去年写的《时空立方体分析法》）
• 雷区2：权重拍脑袋——用AHP层次分析法或专家打分法确定权重，别让老板的“我觉得”毁了模型
• 雷区3：忘记实地验证——GIS给出的是“理论最优解”，一定要带卷尺去现场量店铺昭示性、台阶高度等微观因素

现在轮到你了

下次老板再让你选址，别再对着地图发呆。打开QGIS，按本文方法跑一遍流程——哪怕第一次只做到60分，也比玄学决策强十倍。

互动时间：你在选址时遇到过最奇葩的需求是什么？评论区告诉我，点赞最高的三位送《商业GIS数据源清单》电子版！