京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10