EXPO对话：大数据时代共享经济下的O2O
- 来源：数据观 原标题：O2OEXPO对话：大数据时代，共享经济下的O2O
- 2016/6/23 17:03:48
- 33216
O2OEXPO对话：大数据时代，共享经济下的O2O
个问题，大数据O2O做了这么长时间，在去年到今年下半年的两年内，在应用与思考层面结合各位企业说一些体会，从欢旅这边开始。
冯震维：其实欢旅主要是在酒店领域专注做O2O，我们发现特别在酒店领域进行投资管理，酒店领域的互联网化程度还有大数据程度非常非常低，每个单体的酒店或者酒店集团内部都是数据封闭的，不愿意开放。所以我们发现Airbnb出来之后，在酒店领域反响是非常大的，目前一个Airbnb的估值是去掉喜达屋集团再加洲际两个酒店集团的估值，在酒店领域大数据的共享，特别是共享经济的发展，对整个领域的推动，我们相信是会非常大的。所以欢旅在中国酒店这个市场也是在专注大数据的推动和分享，我们是和中国饭店业协会一起去给所有的酒店集团，酒店联盟打造酒店的一个直销平台以及酒店的大数据分享平台，我们希望中国的酒店业也是一个开放的、共享的一个领域和行业。
孙玉杰：谢谢震维。其实我和e袋洗的文勇兄相识很早，算是国内干O2O比较早的，莆中也是同事，刚才在台下沟通，也在团购做了多年的打拼，其实团购这个应用是O2O在国内比较早的应用，虽然有很多不完善的地方，但确实对于老百姓在体验上，无论在消费的性价比上有很多非常好的收获。刚才还提到e袋洗，这是高频，相信在座的衣服肯定要洗，当然我们的客户也要分为，腰部和底部，刚才有一个问题请教他，在洗衣服高频的应用当中，我们e袋洗怎么能够在接下来的时代当中把应用用得更好，因为我的家在杭州，我刚才问了一下他，请文勇兄讲讲e袋洗在这方面怎么来做的？
陆文勇：今天的主题是共享经济和大数据下的O2O怎么来做，大家知道e袋洗做互联网洗涤服务的，洗衣、洗鞋和品。熟悉我们的朋友知道，早的时候用全职的服务人员，后来用众包服务人员，但众包就是一个共享的形态，相当于利用每个社区的服务人员服务当地，共享的本身的服务等等，这个服务不仅于兼职不专业的，因为本身经过很多的培训，我们是真正的把前端的服务人员，人力进行共享，加工也不是完全都是自己去建工厂，自己建洗衣店，共用这个世界上好的洗衣店做标准化。
在共享经济之下的一个O2O，它是要做整个标准的制定者，我们做标准和整体体系的把控，既能共享资源又能做出很好的体系，即将要做的是整体智能工厂和线下服务点。刚刚说到我们怎么做这个事情，我们觉得以前包括我们做团购，有丰富的信息给到用户，用户做选择，在现在的背景之下，用户更加喜欢的服务是你帮他选好，他说Yes或者NO，我要ABC的东西就OK了。我们有很多场景的合作，因为在这种场景之下，用户可能需要洗衣和洗鞋，前段时间和墨迹天气合作，天气只要出现变化，下雨了，一定要洗鞋，可能本身就需要在e袋洗上下单，天气出现相应的雾霾，没法晾衣服了，可能也要洗。所以我们会运用一些场景营销的方法，使得我们通过某一些信息来捕捉用户在这个场景下的一个需求，就叫场景营销。
我们大部分希望通过用户的口碑传播，因为单向的服务不像电商和大的O2O平台，它有丰富的信息，我们非常简单，把一个服务做好，让用户说话就可以了。
孙玉杰：他应该是玩运营非常专业的人，包括自媒体的应用，刚才突然在想，将来跟网红结合应该是非常好的议题。付强兄，说到滴滴在这儿还是要感谢，因为我们公司跟滴滴出行的网络签约保全找的陈维兄，关于付强在物流大会上有交流，三通一达的朋友都在场，因为滴滴出行的顺风车玩得非常好，确实是一个共享经济的感受，是不是有可能来一个顺风货，付强兄说，据董事会近的感受，几年之内暂时不玩货。共享经济，滴滴出行应该是有话语权，也是在这个领域做到了跟Uber同样类似，甚至比Uber更好，接下来您给我们分享滴滴出行在这方面的领域感受。
付强：对于滴滴出行我自己还是很自信的，可能很多朋友很熟悉我们的产品，很多人也是我们的用户，我们现在刚刚谈到的主题是大数据，滴滴出行确实是把大数据作为整个核心驱动的一家公司，大数据正在日益成为我们的核心竞争力，很基本的一点是大家应该知道，每天处理的这种数据量已经超过了70TB，这是一个很大的数据量。我们每天在做90亿次的路径规划，成家的单量也是的，这样大量的数据之下，我们必须要有这样的能力把数据首先处理好、分析好，通过非常强的机器学习的算法真正规划出来在出行领域里面的供给和需求之间的匹配。
刚刚在下面跟冯兄聊，滴滴出行的大数据到底做在哪些方面，是不是只是路况的预测，我跟他分享，路况的预测是大数据运用非常基本的层面，我们每天有大量实际的行驶在路面上的交通工具，对我们实时路况进行反馈，我们可以积累出非常多的数据来告诉大家，其实什么时间点、哪里的路况怎么样，便于我们在规划路径。除此之外，这是一个全局的规划，比如说，到我们的会议中心，到底这个时间段应该需要有多少人打车出行的需求，我们调度多少个运力在这样的点，所有的重要城市，主要的点都会做这样的数据规划和分析，后输出的结果，这个时候我们知道，其实所有的城市运力分配怎样是合理的，这里谈到供需预测大数据方面的应用。我们现在做得越来越的落到每个人、每个司机和用户身上的个性化需求，如果经常用滴滴产品的同学应该知道，原来可能预测你在哪里上车不是那么准确，现在我们已经慢慢可以越来越准确的预测到，你在小区的哪个门等车是好的一方面基于方便停车，用户住的这个楼离哪里更近，日常上车习惯是怎样的，基于大量日常数据分析，而且有非常好的机器算法学院的专家们做不断的分析，保证出行越来越简单。
到后慢慢再演化到未来的一段日子里面，你的出行其实不需要你自己做人脑的选择了，我们可能可以自动给你匹配出来，这个时间段在这个场景之下，需要想要的出行方式，比较经济实惠的快车还是出行体验享受的专车，还是有社交体验的顺风车或者巴士等等，其实都可以通过数据算法直接大概预测出来你的一些个性化的需求，整个大数据在我们所有日常运营工作中，已经渗透在整个滴滴员工的工作中，这是未来主要工作的匹配。这是我的一些看法。
孙玉杰：深有体会，不是给滴滴出行擦皮鞋，因为我一打车，大家可以看信用等级，我是重度用户，43分，38分以上爽约是不扣的，我从来没爽过，对我的出行很方便，我刚才跟他抱怨过，打车1.8公里范围内，这师傅就不接，当然这正常，师傅接更多的单，所以立马下单神州专车，大数据时代每个企业是不一样的。莆中在O2O沉寂多年，我们俩是同事，去了很多地，现在是美团外卖的负责人，我那天问他，你现在管多少人了？大概七八千号，你的大数据玩的还是有些特色的。
王莆中：首先不在这儿的人多，六万配送员没有在编，我分享几个东西。，美团外卖目前在大数据的应用上面做哪些事情；第二，很多企业都在谈大数据，搞大数据的时候有什么坑，坑很多，大家如何避免，我分享一下我的经验。
刚才付强兄说，滴滴出行千万单的量级，美团外卖在500万左右量级的每天完成单量，整个外卖的链条相对比较长的，友商 出餐，用户下单还有骑手配送，三角形的关系。三个方面都做了一些事情，首先在商家层面，平台上面接近百万的商家，而且在快速增长，这些商家的评级如何评定，首先是一个很大的问题，我们要求双证齐全，但确实每家商家服务能力和标准是不一样的，有些商家可以接很多单，有些商家中午高峰一忙，虽然这个餐厅很好，但是中午结不了单，通过数据机器学习，数据挖掘区分开。同样一个商家里面有很多的菜，比如说某个烤鸭店，一只烤鸭要30分钟，一盘土豆丝5分钟。所以终能保证某一个餐厅出某一个菜，我们能估计出来大概需要多长时间，这个很重要。所以在商家这些层面，在商家和菜品方面做很多事情。
第二个，在用户层面，今天在一线城市，在任何一个位置，大家打开你的APP，美团外卖的APP看到至少300个到500个餐厅，这么多餐厅怎么选择？这个不像打车，来一辆就好，特别是出租车，我可以忽略车的差异。但是就餐这个事情非常个性化，中午和晚上需求不一样，平时和周末需求不一样，可能时间着急和时间不着急又不一样，我们如何对用户进行区分，让他匹配到不同的商家的供给，这方面又做了很多事情，无论在用户身上打标签，还是从用户的性别、消费能力、场景、地理位置等等方面去打标签，这个方面有非常多的数据挖掘的东西。
第三个，我们在外卖配送环节，这个环节做了很多事情，首先是调度的算法，其实也是基于我们的数据驱动的，调度算法的复杂程度在于一个骑手身上有很多单的，不像一个司机一般来讲只拉一个人，如何让这个订单合理的分配到每一个骑手。每一个骑手每一单的路线规划怎么做，有些用户到了南方30层、40层走客梯还是货梯，走北门和南门，这是很重要的问题，跟滴滴到哪个门接人非常类似，我们这个场景非常丰富。所以从商家、用户到配送，三个环节串起来就是我们整个现在美团外卖整体的大数据体系。
其实真的很不容易，有些企业也想做，包括我们很多行业在做大数据，数据挖掘、机器学习，如何来做？点，在O2O这个行业里面，收集数据的难度比传统线上的难得多，有一部分可能没有线上化，比如说餐厅出餐不会给你按那个按钮，你很难知道一道土豆丝到底两分钟还是三分钟，数据收集采集和清洗方面投入更多的力量，无论是产品还是技术，还是运营的方法。所以这个场景更加大，我们挑战更加多一点。
第二点，整个数据整合的难度比原来大，线上 线下，各种数据如何整合在一起如何发挥效能，在团队之间能够让数据流通起来，后产生让你决策或者对系统帮助的数据。
第三点，大数据对建立团队很花钱，滴滴做得很好，一直在挖各种科学家，包括跟我们在抢人，顺便做个广告，在美团外卖非常欢迎有大数据经验的产品和技术、运营的同学，我们非常重视，所以大家要做确实先做好每个月是否愿意花几千万养这么一个团队，这是一个基础，这是很重要的。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论