摘要：本文针对众包平台中的任务定价问题，研究了任务完成情况与任务位置、价格以及所处位置的劳动力密度的函数关系，根据相关数据推断出任务定价规律。首先，运用了Matlab进行了数据可视化，绘出了完成任务与未完成任务的三维图，接着研究了任务周边单位面积可使用人力与任务定价的关系，并分析了任务未完成原因，最后根据完成任务的定价与劳动密集度的关系，推出了定价模型。
　　关键词：数据可视化；线性拟合；定价规律
　　引言
　　当前的世界已经迈入了大数据时代。在当今的大数据时代，大数据的复杂程度和更新速度，给企业开发和利用大数据带来了巨大的挑战。广大企业为了应对挑战，开始由封闭式走向开放式创新；互联网与移动终端迅速普及，又使得商家与用户的沟通存在可能；因此，随之而诞生的是拍照赚钱APP服务，它提供了一个众包模式，让广大用户通过零碎时间拍照赚钱搜集信息，从而使得大数据搜集高效完成。
　　一、任务未完成原因分析
　　通过Bubble Plot作图，得到数据分布图如下。
　　此图纵、横坐标分别是经、纬度，上面的小点是价格。红色是完成的任务，蓝色是未完成的任务，颜色的深浅体现了事件发生的频率。价格为O所在平面是会员的信息，点的具体坐标表示了会员的所在位置，点的大小描述了会员的预定任务限额（也就是能够完成的任务数目）。从分布图中可以看出会员的任务限额主要集中在几个区域中。
　　再根据价格为0的绿色点来计算出每个任务点周围的劳动力密度，反映在散点图中，研究发现当某任务周边的劳动力密度较大时，由于竞争激烈，可以將价格订的较低，因此劳动力密度在5-12的范围内基本价格都相对较低。相反，当可用人力较少时，需要通过控制价格来吸引周边不多的人力来完成任务，因此最高价主要出现在可使用人力较少的地区。高于80的价格中有82.6%来自于劳动力密度为0-2的地区。总而言之，单位面积中可利用劳动力越高，定价可以越低。
　　所以完成的任务中的定价规律和劳动力密度是存在负相关的。
　　二、定价规律推断
　　在以上对于任务未能完成的原因分析中，本文发现任务完成成功的定价主要是和劳动力密度呈现负相关的。即原任务完成的定价很大程度上取决于劳动力密度。
　　利用logistic回归，我们可以得到拟合优度很高的函数模型。
　　通过观察用户密度和定价的关系散点图得知呈现一定的指数关系，所以本文将价格Pou与！ogD进行线性拟合，该拟合方程的表达式为：
　　三、结语
　　信息社会，“拍照赚钱”是移动互联网下的一种自助式服务模式。用户通过下载APP，注册会员，领取任务赚取金额。本文对于定价问题的探讨可以为目前开展类似项目的公司提供参考，在真实的市场中产生一定经济效益并且提高效率。同时模型中利用了Bubble Plot来得出劳动力密度的分布图，进而求解原定价策略。该模型还可利用于商家外卖量分布、城市工厂及其他大型工业设施的分布中，且精确程度较高。