
百度天眼:依托百度大数据,意图改变航空业
2014年12月20日,百度天眼正式上线苹果App Store。用户通过百度天眼可以随时随地查询到国内所有航班的实时飞行状态、信息及轨迹。此外,用户还可以使用“嗅探”和“摇一摇”这两个炫酷的功能,基于地理位置找到所在位置附近的航班。
笔者也下载并试用了该APP软件,当看见地图上的小飞机沿着航线实时移动时,作为一个飞机爱好者心里别提多开心了!不禁想起来以前一款模拟控制飞机降落的APP游戏(想知道名字的可以回复我),当时也着实迷了好一阵子,游戏的目标是通过实时调整飞机航线,控制所有飞机的降落,规则是在降落过程中不能触碰到其他的飞机。
有了百度天眼,对于用户来说,可以说确实方便了很多,这也是此款APP所着力强调的。试想一下,以后如果要接人的话不再需要早早过去傻傻等候在机场了,要是碰到航班延误就更惨了,取而代之的是可以实时观测追踪目标航班的航行状况,做到心中有数,这样对用户来说大大节省了时间。在这里,要对百度的这个产品在APP STORE打个满分。
笔者也尝试了其所力推的两个互动的有趣环节,“嗅探”和“摇一摇”,也是非常好用。点击“嗅探”,APP会调用iphone相机,对着天空,如果恰好有飞机飞过,在手机屏幕下方就会出现对应的航班信息,这个功能所带来的体验太赞了,以后倘若再有同事问我天上刚好飞过的飞机是属于哪个航空公司的时候,我可以狂拽酷炫地告诉他答案了。然后就是另一个功能–“摇一摇”,轻摇手机,附近的100km(这个貌似是默认)的航班信息就以卡片形式全部呈现出来,点击单张卡片,就会跳转到该航班的目前飞行状况图,航班信息,坐标,海拔,速度一览无余。怎么样,是不是有点机长的feel了?代入感非常强。
百度能做出这个功能来,最核心的就是要获取到航班的实时信息,而这个目前属于暗网,相信百度能拿到这么多、如此详尽的实时数据是做出了不少努力的。那么百度如何获得回报呢,本文想要大胆探讨一下该应用未来的商业模式。
接机专车服务
对于需要接机的同学,当了解到飞机目前距离目标机场还有一个小时的时候以后,需要尽地主之谊,那么用车的需求就产生了,有车的车主,刚好方便的话,可以自驾私家车赶到机场,而其他的大多数情况下则是需要安排车辆去接送了。这个时候,百度公司就可以开始发挥自己的想象力了,将一部分客户导到自己投资了6亿美元的战略合作伙伴UBER(优步)的平台,其余的流量则可以导给其他的合作伙伴,比如目前市场上火爆的各种专车服务。
餐饮等相关产业O2O
接完了以后,接到什么地方去呢,这就产生了另外一个需求,就是住的问题,这个流量可以自然而然地分配给去哪儿网,或者其他类似的有流量需求的平台。至于O2O的其他需求,比如餐饮,鲜花,接人服务等,都是大有想象空间的!而这些需求都是在百度天眼所产生的场景下应运而生的。
航道统计用于选址规划
还有一个合作机会就是百度将一段时间的航道图用大数据统计出来给相关方面用于选址,比方说我们大家买房子,如果在机场附近的话,都不愿意住在航道下面,任房地产销售人员嘴皮说破都没人相信,因为他们枪舌如簧,大家很防备,所以他们的语言总是苍白无力的。怎么办呢,这个时候,大数据说话了,把百度的统计结果在百度地图上面一对比,可以清楚的表明该项目一定时间内有多大概率位于航道下或者附近,购房者看到这样的数据,心中的石头肯定就下地了,可以迅速下定,达成成交。除了房产销售以外,还有就是有的机构可能有这样一种需求,也不想离航道太近,比如教育培训机构,他们选址的时候常用的就是跑过去蹲点一个下午,一天两天最多了,但是不可能天天蹲吧,而且每天的航线可能都有变,这个时候做出的判断可能会有偏颇,在这种情况下百度的大数据航道统计也可以派上用场了,可以辅助商家决策。
涉足低空领域信息服务
大数据地理信息的应用也是一个可能性,即坐标和海拔等地理位置信息,形成百度的空中地图网络,这个概念听起来足够气派吧。与之相应的一个政策利好就是国家考虑逐步放开一部分低空空域给有航行需求的组织。前段时间就有新闻报道三人操控无人机非法航拍,最后军机出动迫降。抢占低空市场应该也是百度的一个机会,以后有对低空领域的地理信息必须有所了解的组织就可以找到百度去寻找合作机会,百度的大数据空中地图网络会给出当前时段下最合适的安全空域。
做中国的FARECAST
百度已经开始拿到并积累一部分航线机票票价数据了(去哪儿),可以做中国的FARECAST,用来为大数据手段为用户估计机票价格,增加用户体验和品牌亲和度。
相信此时此刻百度也在紧锣密鼓积极探讨百度天眼的可能的应用场景,以上只是一个大数据爱好者对于其商业模式的愚见,可能有很多不足之处,还请大家一起探讨,但是无可争议的,也是可以明显感觉到的是在人人都在谈论大数据的今天,百度天眼这个产品适逢其时地出现,潜力无限,大有可为,应该是百度制定的面相大数据未来的场景化的一个重要战略实现,至于其他的类似产品,让我们拭目以待!
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