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
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27