做geo数据下载表头含义这行，最怕的就是拿到一堆乱码或者根本没法用的字段。今天这篇就是专门解决你下载完数据后，看着Excel一脸懵逼，不知道哪个是经纬度，哪个是地址的问题。搞不清楚这些，你后续做热力图、做分析全得废。
先说个真事儿。上周有个兄弟找我，说他从某个免费渠道搞了一堆POI数据，结果导入地图软件全报错。我一看文件，好家伙，经纬度字段叫“位置信息”，里面存的却是“北京市朝阳区某某路1号”。这种数据你能直接算距离吗？不能啊。这就是典型的表头含义没搞明白，或者数据源本身就没清洗过。
咱们做这行的都知道，geo数据下载表头含义千奇百怪，但核心就那几个东西。别指望每个平台都给你整得明明白白，很多时候你得自己当侦探。
首先看经纬度。这是命根子。有的平台叫“lng_lat”，有的叫“lon_lat”，还有的直接叫“coordinate”。注意啊，顺序很重要。大多数时候是“经度在前，纬度在后”，也就是X,Y。但有些老旧的数据集，或者国外导进来的，可能是“纬度在前，经度在后”，也就是Y,X。你要是搞反了，北京的数据可能跑到南海去了，那可就闹大笑话了。我见过有人把北京的数据当成广州用，因为纬度数值差不多，结果客户骂得狗血淋头。
再看地址字段。这个最坑。有的平台给你分得很细，有“省”、“市”、“区”、“街道”、“门牌号”。有的平台就给你一个大杂烩，全塞在一个“address”字段里。如果你要做精细化分析，比如分析某个街道的商业密度，那你最好找那种字段拆分细的。要是拿到的是大杂烩，你还得自己写代码去正则匹配，那工作量简直了。而且，地址里经常会有“附近”、“对面”、“旁边”这种词，这些在GIS系统里是没法直接定位的，必须得清洗。
还有时间戳。别小看这个。很多geo数据是有时效性的。比如一家店，2020年还在，2023年倒闭了。如果你的数据里没有“更新时间”或者“采集时间”，你拿2020年的数据去做2023年的市场分析，那结果肯定不准。所以，下载的时候，一定要看表头里有没有“update_time”或者“crawl_date”之类的字段。如果有，那这数据就比较靠谱。
再说说坐标系。这个更是重灾区。国内大部分平台用的是GCJ-02（火星坐标），国外或者高精度测绘用的是WGS84。你要是把GCJ-02的数据直接放到WGS84的底图上，偏移量能有几百米。几百米啊，在市中心可能还能凑合，在郊区或者山区，那偏移就大了去了。所以，看表头的时候，留意有没有“coord_type”或者“projection”这样的字段。如果没有，默认当成GCJ-02处理，除非你明确知道来源。
我有个客户，做外卖配送优化的。他下载的数据，表头里有个“delivery_zone”，他以为是配送范围，结果发现是“配送员ID”。这误会闹的，差点把整个算法模型跑崩。所以说，别想当然，每个字段都要点进去看看样本数据。哪怕表头写着“name”，你也得看看里面是不是真的只有名字，有没有混进去电话或者备注。
最后提醒一句，免费的数据往往最贵。因为你要花大量时间去理解那些乱七八糟的表头含义，还要花时间去清洗。有时候花点钱买那种标准化好的数据，反而更省钱。毕竟，时间也是成本。
总之，拿到数据先别急着跑模型。花半小时，把表头过一遍，抽样看100条数据，确认每个字段的含义。这一步省不得。不然后续改bug的时间，够你喝十杯奶茶了。做geo数据下载表头含义这块，细心点，能少掉很多头发。
