京公网安备 11010802034615号
经营许可证编号:京B2-20210330
行在云端,大数据时代的智能生活
从滴滴快的的平台上,可以看到全国各个城市每天交通的情况、车辆行使情况、路网情况以及打车需求情况,运转时可以很清晰看到北京从24小时内车辆分布情况,包括聚集情况。
从滴滴快的的平台上,可以看到全国各个城市每天交通的情况、车辆行使情况、路网情况以及打车需求情况,运转时可以很清晰看到北京从24小时内车辆分布情况,包括聚集情况。
滴滴快的打车技术副总裁朱磊在没有看该平台之前,认为北京每天早上6点到8点间,三、四环是高峰,然而该平台却清楚地显示出,机场高速才是最繁忙和高峰的路段。下午1点,则统计出金融街对于出租车司机来讲是生意最好的时段,每天1-2点很多顾客会从金融街去机场,这样的预测对司机来说非常明了,根据预测来进行订单选择能够获得的收益也最大。
朱磊介绍,滴滴快的平台是对外发布的,他们后续会在这个平台上发布更多的数据。他表示,滴滴快的希望可以做一些拥挤情况的需求优化和公共交通方面的匹配来帮助交通行业,帮助交管局看待交通情况。此外,滴滴也会融入出行数据,让人们全年出行数据都得以在这个平台看到,私人便可以知道什么地方订单最热,什么地方生意最好。
一般提大数据,人们提到、看到都是宏观性的东西,都是站在整个行业角度怎么做大数据,包括大数据、产品、运营、商业关系是什么,然而真正落实产品层面做事情还是非常细节的。朱磊表示,滴滴快的打车不仅仅是发一个单,有人接单把顾客拉走就可以的事情。逻辑是这样,但里面有许多细节的问题,比如顾客站在一条河边发一个请求,距离最近会优先推进,但是有一条河在河对岸时就没法处理。这时候,对订单调度算法和路径导航算法要求非常高。与此类似,北京的立交桥、四环、五环以及西直门会非常复杂,做真正智能匹配这件事情难度会呈几何上升的态势。
滴滴快的打车本质上到底是在做一件什么事情?如果留意产品的人会注意到,滴滴快的推出包括专车、出租车、顺风车,后续即将推出代架等等一系列交通出行行业的产品,一直在慢慢扩充。其实,滴滴快的本质上是在做人、物、信息以及服务的时空转移,这是公司定位抽象的本质,把人运来运去时可以做收费。
出租车运营往往会有一个高峰期,但在下午的时候则有许多空闲时间,如何在全国交通很拥挤运挤跟不上的状况下,对于出租车时间进行合理分配,将在不同时间段出现的空闲的运力做出整合,这也是滴滴快的想要去解决的一件事。朱磊认为,出行不是大家的本身目的,出行只是一种手段,把目的地相关信息做成商业信息推送给大家,以获得更方便的生活,也是滴滴快的一直想做的事。
在传统互联网1.0、2.0时代,所有人时空割裂,把人和时空绑定,是很大的突破点。而在服务模式里,去除中间环节,这也是出行支撑的数据分析关键环节。最后会形成生态系统概念,人、物、信息服务都是介入生态里边,认证身份、信誉问题、还有安全性以及成本问题,都能得到极大的解决。
理想商业模式从经济学价值来讲剩余价值为零,这点在传统行业里做不到,回到O2O本质里,供需双方智能匹配时,利润最大化是没法做到的。整个交通行业整个中间商区掉后,打掉中介环节后做任何一件事情,都可以做到颠覆到以前商业模式建立的模式,可以做到剩余价值为零。
朱磊介绍,滴滴快的要维护客户的活跃度和客户关系,需要先抛一个人物画像。在中国范围内进行数据采集,对用户精准描述非常粗糙。其实,常用的出发点,意味着家住在那边,常想去的地方,意味着工作在什么地方,这样就刻画出了活动范围、商圈范围。而车型的选择可以判断人物的消费能力及消费倾向。才外,根据每次出行的节点,还能刻画出家庭的情况,、同学和朋友的圈,如此一来,就建立了用户的生活数据。未来,滴快的也会跟阿里、团推、腾讯建立合作,希望建立一张大网,共同为客户提供更方便的生活。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24