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Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11