
据美国媒体上周报道,纽约一家名叫Juno的创业公司正在悄悄挖掘Uber的数据,还邀请Uber司机来纽约世贸中心喝咖啡,条件是必须安装一个神秘的车载设备,以及Juno手机APP。
虽然商业模式秘而不宣,但Juno请Uber司机喝咖啡,显然是看重了车辆和司机的出行数据金矿。
B2C比C2C共享模式更适合玩大数据
据说,Juno在纽约街头的Uber司机群体中已经口口相传。目前,Uber还没有将其封杀,但这确实威胁到了Uber的生意。
有人说,这家企业玩的是“借船出海”的游戏:给Uber司机开出足够诱惑的条件,比如每周25美元(约合人民币163元)的酬劳,提供咖啡休息、免费停车等,目的是通过“寄居”在Uber身上采集出行数据,最终通过数据来构建商业模式并获利。
可以说,Uber被挖角,Juno很聪明。出行大数据是一座大金矿,国内各大专车已经看到了这一点。滴滴、Uber最初高额补贴烧掉了上百亿元,圈到了大批的私家车司机和车辆。但这仅仅是第一步,下一步就会在车联网、无人驾驶、智慧城市等交通领域“孵化”出更多的大数据服务。
出行大数据的战争已经悄然打响。滴滴在大数据方面很高调,推出了智能出行平台,还定期发布不同地区、人群的出行报告。神州专车去年推出“极速佛”GSFO系统,通过研究用车需求和车辆供给数据,实现动态调价,价格最高降幅高达40%,非早晚高峰的0.8倍至1.0倍动态定价让滴滴、Uber动辄一两倍的加价很尴尬。就连交通部门也盯住了专车大数据,一直期望滴滴、Uber、神州专车等平台共享数据。
不过,Uber遭遇数据“劫持”,表明共享经济下C2C专车模式,虽然能圈到海量的司机和车辆,但对于车辆的不可控、难以安装OBD设备,让大数据挖掘难度增大。相比之下,神州专车的B2C模式能够有效管控司机和车辆,出行数据更容易采集,围绕大数据做文章可谓占据天时地利。
用户出行大数据怎么玩?
当下正进入一个DT的时代,几乎所有基于互联网、移动互联网的新商业都可以归结为数据生意。相比传统的静态数据,不管是社交数据还是出行数据,未来都是待开发的金矿。智慧交通、智能出行及车联网等新兴服务都离不开大数据的肌体。数据只是一个工具,如何由数据到服务是一个从0到1的过程。
大数据服务能够为出行打开更大想象空间。以神州专车为例,由于车辆和司机自营,每辆车都安装OBD车载诊断系统,车辆位置、运行状态,甚至每一脚油门的数据都可视化,既为车联网提供了数据基础,又能根据数据提供更安全、个性化的出行服务。此外,车辆供给与需求的匹配和车辆调度也依赖于大数据,以降低空驶率,节省燃油成本。
滴滴已经成立了 “机器学习研究院”,全球招募相关领域的世界级科学家,使用机器学习方法提高数据处理效率。神州专车去年也在美国硅谷设立实验室,挖角谷歌、Facebook等大数据技术专家。
专车竞争经历烧钱圈地战后,必将升级到大数据竞争的新阶段,基于大数据的服务会是下一轮较量的主战场。出行仅仅是一个开端,由此延伸的餐饮、旅游、电影、消费等生活服务,都可以基于大数据的画像能力,为用户提供更便利、智能、个性化的服务,开启的会是一个数万亿的大市场。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30