
滴滴打车张博:我们要这样玩社区和大数据_数据分析师
近期,刚刚完成7亿美元融资的滴滴打车正式对外披露“滴米”系统。在此之前,“滴米”系统并没有引起外界太多的关注,但是从滴滴打车CTO张博透露的信息来看,这却是一个杀手级功能,并在滴滴公司内部被寄予厚望。
什么是“滴米”系统呢?我们先听听张博的介绍:今年年中时碰到了新问题,滴滴打车虽然发展很快,但实际上还是没能真正调度出租车。比如去机场的订单,大量司机蜂拥去抢,但是有一些例如行驶里程短、路段拥堵的低价值订单,就很少有司机愿意抢。网游中的虚拟货币对不对?如果将滴滴打车比作一个司机与乘客组成的虚拟社区的话,“滴米”就相当于社区中流通的虚拟货币。那么拥有“滴米”多的司机会获得什么优势呢?
张博给出的答案是:让手上掌握“滴米”比较多的司机能够在抢单时有一定优势,另外也会考虑司机去接乘客的距离,通过一套复杂算法来实现“滴米”的发放和抢单的决策。
“传统的接单行为中,司机是看单次收益,我们希望他不要看单次收益。”张博说,滴滴的核心是大数据,因为滴滴能够掌控未来订单的分配,可以不断记录司机的行为,司机接了好的订单还是接了差的订单,有没有绕路等不正常的行为都会被记录下来,然后从而客观评价一个司机的服务如何。
这套大数据系统真正可怕的地方在于,比如这个司机当前所在的位置,在未来的半个小时订单不都多,滴滴会告诉他,前往一公里以外的某个路口,那里未来15分钟以后会有比较多的订单。张博透露的信息是,目前在测试中有80%的司机认为这个信息对他有用,这是大数据创造一个巨大价值,和之前的“补贴大战”不在一个层面,补贴只要有钱都可以做,而这种大数据的这种价值会随着数据越来越多,逐渐发酵产生更多价值。通过大数据实现社区化之后呢?
张博的规划是,滴滴现在每天产生很多数据,几百万乘客出行的记录是一个很有价值的数据,未来这个数据有可能能够连接本地商业。“我们现在每天会产生5T的数据。这些数据我们都会保存,我们有一个800人的大数据团,这个是我们引以为傲的核心资产。”张博透露,滴滴的核心资产是大数据,未来对社会的贡献也是源于这套大数据系统。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23