京公网安备 11010802034615号
经营许可证编号:京B2-20210330
滴滴快的与Lyft战略合作,大数据或成为合作重点
美国时间9月16日,全球最大的移动出行平台滴滴快的和美国领先的打车应用Lyft公司在纽约宣布达成战略合作,滴滴快的已战略投资Lyft公司一亿美元,双方在产品、大数据方面将展开渐进式合作。
据了解,滴滴和lyft将达成跨平台协同机制,通过持续的联合创新、产品开发和资源共享,推动出行解决方案跨境共享,以及和导航、支付的对接互联。最简单的描述,中美用户在中美两国漫游往来需要使用移动出行服务时,可以无缝平滑的用APP获得对方提供的出行服务。
滴滴方面表示,除了进行产品层面的整合之外,双方真正能完成“1+1大于2”的合作主要在大数据方面。鉴于独特的发展环境,滴滴的数据处理能力已经达到了世界顶尖水平,其实现了每分钟200万订单的峰值数据处理,每天1000万的常规订单处理,每天10亿计算次数,以及10TB的日数据分析量。
此外,滴滴拥有世界级独家数据技术,打造了乘客画像、订单智能推送、实时交通路况检测等多个大数据系统,用于乘客行为分析、精准营销;抢单和派单相结合的高效订单匹配模式;以分钟为单位的实时交通检测,并为乘客、司机提供出行指导。
不久之前,滴滴快的去硅谷招聘互联网公司数据人才,成立了专门的机器学习研究院,深度挖掘出行数据中的价值。
Lyft总裁也认为,滴滴能够在中国市场遥遥领先,凭借于其在中国这个最复杂多元市场的深刻理解和快速的市场反应能力,以及处理庞大业务锤炼出的海量数据和实时处理分析能力、高效的团队执行能力和技术能力,而Lyft本身也始终站在科技创新的前沿,和滴滴结合,双方能为用户创造更为丰富的产品和体验。
滴滴快的与Lyft数据整合之后,短期产品将可以满足在美国华人的应用。滴滴出行的用户到了美国之后,可以直接用滴滴出行叫车,而提供服务方则是Lyft,不仅如此,滴滴出行的数据技术实现的用户画像和订单推送系统将会增加到乘客和司机的匹配因素中,进而消除双方在语言、沟通上的误差。
比如如果用户历史数据在中国比较多,那他在美国发出的订单需求,将需要给司机更精准的位置推送,如果双方语言沟通不顺畅,就会增加乘客和司机碰面的难度,而如果技术定位很精准,就可以提高效率。
此外还会有更多领域的合作,比如利用滴滴快的机器学习、用户画像系统,与Lyft在美国积累的原始数据相结合,可以碰撞出更多的可能。这些产品、服务端的改善不仅仅用于服务在美华人,还可以对Lyft本身的产品和技术进行改善。
马云把下一个时代的竞争定义为数据竞争,而滴滴快的和Lyft的战略合作中,大数据也是非常重要的一个环节。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20