美文网首页IT专题推荐互联网科技@IT·互联网
摩拜单车其实是一个大数据公司,未来会是一个人工智能公司

摩拜单车其实是一个大数据公司,未来会是一个人工智能公司

作者: 米衙 | 来源:发表于2017-02-17 12:40 被阅读3266次

    文/米衙

    最近,我用2个多月的时间体验了摩拜单车。今天我不讲用户体验,我讲的是我这2个多月骑摩拜单时车发现的一些现象和总结出的一些规律。

    摩拜单车作为一个产品,是一个入口。通过这个入口为用户提供了骑行的服务,用户使用这个服务的时候,就会产生数据。这个数据,积累到一定量的时候,就是大数据。分析这些大数据,一定能得到一些规律。

    我没有这些数据,只能分析自己的数据,以及不同的地区周围有多少辆车,和一些常见的写字楼、居民区周围的摩拜单车数量来总结我看到的一些现象。

    作为出行工具,摩拜单车解决了最后一公里的问题。最后一公里包含了太多的内容,最后一公里其实是从地铁、公交到公司,从地铁、公交到小区的距离。它包括但不限于工作、生活两个方面。

    研究最后一公里的路线、速度、停留时间等,可以总结出很多有趣的规律,可以得一些意想不到的结论。

    每个人都是不同的,每个人都有不同的个性和习惯。最后一公里可以分析出各种各样的规律。包括商业区的规律、居民区的规律、用户群体的规律,也包括用户自身的规律、行为和特点。

    用户行为、用户习惯和用户属性配合骑行的时间、地点,根据人的性别,年龄,星座等,其实可以用人工智能来发现很多规律。这些规律,才是最值钱的。

    摩拜单车是实名制,可以反映出人的性别、年龄、来自哪里等,摩拜单车的车体是有定位的,所以产生的行程信息是精准的,可靠的。

    我先说个现象,很多人都深有体会,就是上下班时几乎骑不到车。如果偶尔能遇到车,不是被预约了,就是故障车。

    一、现象

    不同的地铁口,在不同的时间,停留的摩拜单车数量都不同,但是有个规律,就是繁华地区(中心地区)的地铁口在上班期间,摩拜单车更少。而非繁华地区(偏远地区)的地铁口在上班期间,摩拜单车更多。

    1)上班时骑车难的现象

    摩拜单车其实是一个大数据公司,未来会是一个人工智能公司

    我们看一下中心地带国贸地铁站,国贸是一个很繁华的地段,很多人在这里上班。所以早上8点左右的时候,这里的地铁口周围是没有摩拜单车的,为什么?因为都被出地铁的人给骑走了,于是后出地铁的人,自然就没了车可骑。

    摩拜单车其实是一个大数据公司,未来会是一个人工智能公司

    而我们看一下公益西桥,公益西桥位于南四环,早高峰的时候,这个地铁口周围是一片的摩拜单车。为什么?因为去上班的人骑着摩拜车到了地铁口,他们把车停在地铁口,然后挤地铁去上班。所以,地铁口才会这么多摩拜车。

    2)下班时骑车难的现象

    下班时,地铁口的局面就反过来。繁华地带(中心区域)的地铁口,摩拜单车多了。而非繁华地带(偏远区域)的地铁口,摩拜单车少了。

    为什么?

    因为下班的时候,大家从公司骑行到地铁口,于是地铁口的摩拜单车越来越多。而下了地铁口,要回家的时候,先到达的人就把周围的摩拜单车给骑走了,骑到小区了。于是后出地铁的人就会发现,地铁口的摩拜单车没了。

    这个现象,其实反应出来的是一个流向,就是更多的人住在偏远地带而在中心地带上班。

    接下来我们说一些规律。

    二、规律

    1)早高峰时期,繁华地区地铁口摩拜单车少,偏远地区地铁口摩拜单车多。

    2)晚高峰时期,繁华地地区地铁口摩拜单车多,偏远地区地铁口摩拜单车少。

    3)白天写字楼周围摩拜单车多,居民区周围摩拜单车少。

    4)晚上居民区周围摩拜单车多,写字楼周围摩拜单车少。

    5)繁华的商场摩拜车多,冷清的商场摩拜车少。
    6)股市,交易所楼下停留的摩拜车也能反映出股市行情。

    这些规律,其实都能反映出一定的信息,摩拜单车能反映出哪些信息呢?

    三、反映的信息

    1)贫富

    我们知道中心地带的房价贵,偏远地带的房价便宜。所以,节假日、以及下班后,在二环三环骑行的人,他们的经济条件基本上都好于在四环五环骑行的人。

    2)职业

    上班期间在中关村、西二旗等地骑行的,基本都是码农了。最终你把车子停在哪儿,通过大数据就能得出你的职业。

    3、性格

    每次骑行10分钟左右的人和每次骑行1个小时左右的人一定是有所不同的。比如H先生,如果有半小时5毛的二代车,他一定会骑,如果只有半小时1元的一代车,他宁可步行。这样就能知道,H先生是一个勤俭持家的人。

    我再写一些开脑洞的扩展阅读。

    四、拓展阅读

    1)摩拜单车可以用来捉奸么?

    我们看一下这个情节:小A和小B是情侣。最近小A经常加班,但是有一天小B 发现小A 身上有香水味。于是小B 换一小A 已经出轨。小B于是某天趁着小A 熟睡时,偷偷翻开小他的手机,打开摩拜单车客户端,看了一下他的行程,很奇怪,最近下班后他都会骑到一个小区,然后又会从那个小区骑到地铁,然后才回家,中间有个时间差。于是,她第二天就在那个小区等着,果然见到他骑了过去。她就偷偷跟过去,最终发现,原来是他和一些朋友租了一个房子,一起在下班后搞创业,原来,虚惊一场。

    2)配合交通红绿灯的数据,看你是不是一个经常闯红灯的人。

    如果能查到红绿灯的数据,再配合你骑行时经过的路线和时间,可以发现你是否经常闯红灯,是否遵守交通规则。其实这一点可以放到诚信体系中。

    3)你经常迟到早退么?

    很多公司都有规定的上下班时间,但不是每个公司都强制打卡。这就要靠自觉了。经常迟到、早退的人,一定有态度问题。这样的人,是不能委以重任的。

    摩拜单车可以看出路线,时间。比如早上9点上班,一个员工总是9点半才结束骑行。比如晚上6点下班,有的人5点半就骑车走了。这样的人,能委以重任么?

    4)你是一个不给别人制造麻烦的人么?

    有的人,骑车为了追求方便,喜欢逆行。逆行很危险,可是他不管。有的人,喜欢四处乱停车,比如有的人,看到公交车来了,直接就停在车站站牌旁,也不管对别的乘客是不是造成了不便。

    最后,既然摩拜单车有了包罗万象的大数据,那么其实可以做人工智能了。用人工智能来分析大数据,得出的结论,就可以做权威的顾问了。

    五、作为最后一公里的出行专家,摩拜单车可以做出哪些年度骑行报告呢?

    腾讯优图发布了95度黑流行色报告,其实摩拜单车也可以发布一个有关骑行的报告。

    我不是摩拜单车的人,但是我总结了几个点,可以做报告的提纲:

    1)男性女性的骑车比例是多少?

    2)哪个年龄阶段的人更多?哪个年龄阶段的人更少?

    3)什么年龄的人居住在什么地方的更多?什么年龄居住在什么地方的人更少?

    4)平均上班需要多少时间?(从家里出来,骑车到地铁口,然后从地铁里出来,骑车到公司。)

    5)哪个省份的人更喜欢骑摩拜单车?因为摩拜单车没有在全国的每个城市都部署,所以可以针对北京、上海等大城市来分析外来人口的比例。

    6)有多少人是和同伴一起出行的。

    7)从用户的出行路线,看职场人的跳槽频率。

    8)从用户的下班路线,看用户的租房变迁。

    9)从写字楼楼下的摩拜单车数量看写字楼的兴衰。

    差不多先这些吧,今天写这些,其实就是想说,摩拜单车其实并不是一个出行公司,它是一个智慧公司。

    相关文章

      网友评论

      • doyle_诗豪:那也是能采集数据,有没有数据挖掘能力另说。
      • uncochen:这些分析显而易见
      • leeyaf:然后根据骑车习惯,智能推送附近的酒店、餐厅、还给打折,然后通过这个渠道又融资千万。
        米衙:@leeyaf 你的观点很棒
      • xiaohui1024:数据,其实谁都可以采集到,就看怎么用,能用到什么程度而已!
      • 苏黎世的旅途:这个思路不错
      • pnews88:任何系统只要将数据收集上来,并根据数据做分析那么就是大数据公司,摩拜单车只是提供一个出行的工具而已。
        b2fcc9834564:@pnews88 难熬的浏览历史数据,然后分析用户的行为,这本身就符合大数据分析的一个要求。试试看给你一个场景,某个网站收集到了所有用户的登录日志(几亿条),分析出用户的登录所在地,这个满足大数据要求吗?没人去分析这没用的数据吧,没价值,不是数据量多就证明一切。我是做web程序开发的,你说的那一点"现今的程序是数据驱动的"这个我有部分认可,但还是太片面。
        pnews88:@青天有月 只要有数据就可以去分析,比如说通过你的浏览器在cookie留下的信息及你以往的浏览历史数据,就可以分析出你的喜好。你能说这和数据没关么?程序的世界复杂么?现今的程序是数据驱动,没有那么复杂的。
        b2fcc9834564:文章分析得那么清楚了,你还是没看懂,按你这么说数据量多了来做分析就是大数据,那你就错了。程序世界没这么简单
      • Axure原型设计:分析的不错
      • Android_YangKe:用心做每一件事,就可以从质变到量变,相信单车会越做越好!作者666!
      • umgsai:反应的信息~反映的信息
        米衙:@umgsai 谢谢更正:pray:

      本文标题:摩拜单车其实是一个大数据公司,未来会是一个人工智能公司

      本文链接:https://www.haomeiwen.com/subject/nknkwttx.html