
大数据核心是在应用层面 真实有效最重要
2015年11月20日在广州车展(微博)现场,腾讯汽车举行大数据研究院战略发布仪式,正式启动“罗盘计划”。在发布仪式现场,北京金马甲产权网络交易有限公司副总裁龚冯兵现场参与互动讨论。
龚冯兵:金马甲从2009年诞生之日开始到现在已经六个年头了,在这六年里,金马甲平台在各地公车的处置上,积累了几十万条数据。我们从二手车交易来看,本地化属性很强烈。基本上做二手车都在周边800到1000公里范围之内,这就是二手车生态的特点。
从数据的角度说,不管是对于处置公车还是二手车,首先做公有车处置核心的是汽车价值评估。基于这个市场来说,之前在近几期的针对同一车款、同一年份等等,二手车的成交价格、车况什么样,车价格什么样,对于新进入市场做评估的时候,这种数据就会有具体的应用。
同时对于经销商来说,周边最近看什么品牌的车,或者什么样的二手车销量和处置情况状态,这对于经销商来说也是有利用价值的数据。因为大数据来说,我们之前也都或多或少像J.D.Power所说的,从很早的时间就做大数据,但是没有像现在是当做特别新的概念来提。可能很多人都会在大街上碰到调查问卷,这些都是大数据最原始的搜集和积累应用的方面,只不过这些年随着互联网技术、新技术的增加,让数据的采集和数据的获取方面得到了极大的效率,在数据获取的效率方面得到了极大提升。同时,利用新技术对于数据的处理分析能力也获得了巨大的提升。
在二手车处置方面,大数据最核心的是在应用层面,什么样的人来用数据,身份不一样,那对于数据的要求是不一样的。可能针对于汽车行业,我个人认为可能有三个。一个是主机厂,一个是汽车的经销商,包括各类新车的经销商、二手车经销商,还有最广大的是用户。针对于各个层面在汽车领域里面的身份,对于数据的需求是不同的。我们作为交易平台来说的话,现在正在做的工作,就是针对于不同的身份来提供相应感兴趣的,或者针对与他适应性非常强的数据。
问:请问龚冯兵总,现在在广州、深圳、天津、杭州实施的禁牌的系统,其实里面也有很多的数据。您能否介绍一下这种数据?其实更偏向于更精准一点。从这种数据来看的话,平台运营情况怎么样,以及各个城市之间有差异?互联网数据和这个平台进行结合的话,请您谈一下看法?
龚冯兵:实际上从这四地号牌每个月的竞价情况来看,就像刚才咱们所介绍的一样,本地的特性是特别明显的。不管是从参与人数,从每个地号牌成交的均价来说,地区之间都有差异化。从整体来说,像我们四地基本上每个月的竞牌的获得者总体来说在2万个用户。因为还有一部分是摇号的,光是通过竞价方式获得车牌的就是2万用户左右。每个月关注的在10万左右,也就是有意向竞牌的统计下来有10万左右。关注的基本上就更多了,在四个城市里面有两三百万的规模。
本身竞牌的核心就是一个数据最核心的,这个月可能获得了竞牌会在未来的一个月到两个月会实施购车计划。在这个过程当中,实际上这个数据对于各个品牌的主机厂来说,或者是对于想要在未来获得购买汽车,以及对获得车牌的广大消费者来说,都是有非常好的意义。
我们在通过之前每期的车牌竞价数据的积累,也是在不断地分析、研究,包括数据的车牌价格的走向。也挺有意思的,不像8、9月份价牌会高,10月到11月价格又回落。而是价格有高有低,我们也是通过数据的分析形成价格波峰波谷的规律。同时希望通过数据分析,对于主机厂和对于四地的消费者来说,也能够给予一定的参考和支撑的作用。
第一个层面,在顶层上现在大家都在说大数据,国家在大数据相关立法方面应该拿出具体的措施来。让大家在一个合规合法的情况下去获取数据,去分析数据,去运用数据,让它在法制的大环境下产生更大的经济效益。
第二个层面,像各位嘉宾都是在做大数据生产和经营方面的事情。对于消费者来说,我们能够给各类的消费者提供真实有效的,特别是有效和真实的数据,是我们大数据从业者所要牢固树立的核心出发点。
第三个层面,从金马甲本身来说,希望在今后包括跟腾讯汽车,罗盘计划我们也进入了,跟张教授和从业者一起共同努力,给汽车行业的经营者和消费者提供更为高效和优质的服务。
张教授刚才提到了腾讯推出具体的产品,实际上金马甲跟腾讯现在正在做的四地号牌的产品。我们利用腾讯的微信,做了一个微信的四地号牌的产品,通过这个产品可以给四地号牌消费者非常好的服务,包括历史成交的数据,包括下一步的价格分析等等。我们想通过与跟腾讯汽车合作的产品,来为消费者进行精准的服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11