2014年11月20日億瑪智慧峰會在海航大廈萬豪酒店舉行。此次峰會中，來自大數據應用各個領域的企業代表就“大數據智未來”這一會議主題進行了觀點碰撞。該次會議也被業界譽為“大數據智未來”的風向標。與會嘉賓從自己所從事的金融、電商、硬件、移動等領域出發就大數據未來發展的趨勢、大數據與行業深度結合等方面進行了專業的論述。
高德車聯網業務中心總經理童豪良表示，企業要做大數據必須要具有獲取全面數據的能力。汽車數據有商業價值，首先是對保險的銷售有很大的幫助，再對汽車制造的彈性管理、對汽車用戶的管理，以及對用戶信息的挖掘等。
----如下是演講實錄----
童豪良：大家對高德地圖應該是比較理解，我們做的事和高德地圖不完全一樣，高德最早做車載業務，所以對汽車有很多了解。以前汽車是互聯網，現在也有大數據的事情做。跟移動互聯網是一樣的，不知道對面是人還是一條狗，但是這個可以知道用戶前面的信息。具體到汽車上面說的話，對這個汽車數據有商業價值，首先是對他保險的銷售會有很大的幫助，再對汽車制造的彈性，加上汽車用戶的管理，以及用戶挖掘。
舉幾個例子，不管什么樣的，首先要做大數據要有比較全面的獲取一個數據的能力，我們有高德地圖和導航，可以獲得大量的使用信息。比如我們在每天的交通信息上，全國覆蓋這樣一個里程，超過兩億公里，可以得到更多的數據。具體來說，基于駕駛行為的一個保險，比較有意思的應用。每個人都在買車險，但是很少算過整體規模有多大，13年中國車險市場人體規模有四千億，但是其中只有三家公司是掙錢的，除了人保真正掙錢之外，另外兩家公司利潤只有千分之零點幾，利潤非常低，很重要的原因是政府有一個計劃，要對這個保險進行一個市場化。從原來根據對車的一個基本了解，用途，加上用戶的駕駛行為，從而更好計算這個賠付情況。跟傳統的保險是有很大不一樣的地方，傳統的保險是誰在開，在開什么樣的車，這個車多少錢，基于駕駛行為，其實是需要你得到更多用戶的數據，你要知道這個用戶是什么時候開，白天還是晚上，行駛在什么路段上面，是很安全的，還是不安全的地方，比如崎嶇的山路還是怎樣。一個每年只開三千公里的，一個開車非常保守的和一個喜歡飆車出事的事故率不一樣的。
這是基于駕駛行為的保險的全球發展情況，北美和歐洲已經用了，在中國也有一些保險公司做一些嘗試，比如人保、泰保和大大小小的公司進行合作，背后很重要的一個原因是，傳統的保險模式不管車是什么，駕駛行為是什么，保險是一樣的，有的人風險高，有的人低，造成嚴重的事故帶來的損失是他們沒有辦法彌補的。如果拿到用戶大數據之后，知道這個用戶整個駕駛行為的話，就可以對這些人進行做一些事情。我現在講一個用智能手機獲取數據的方式，有多個傳感器可以做精準的識別。比如說最早的話，也有一些人用手機看有沒有超速，有沒有急剎車等等的行為，通常來說這不是很準確，因為GPS誤差很大，在信號不好的地方它的誤差最大可能會有50米之多，所以會有非常多誤判。這個解決方案會把這兩個結合起來，需要你把手機固定在非常穩定的位置上。如果把這幾個傳感器用起來的話，就可以看到它在它輸出的原始數據里邊是比較復雜的模型，你對它進行一個處理之后，呈現出來這樣的一個波形。給大家解讀一下，橫軸是前進的方向，這個車向右劇烈的變動，可以發現它是定道的行為，當然還有技術細節，這里就不講了。
這是多方受益的，對于車主來說可以得到很大保險的折扣，對于保險公司來說，可以快速獲得大量用戶的情況，降低風險，還有對數據方，都是有益的。有很多人可能會有一些問題，確不確定自己在開車，是打車，還是開朋友的車的情況，如果說人有指紋的話，都是有一些特質的，通過我們這樣的方法，可以通過數據的挖掘，可以發現如果一個用戶連續幾次的駕駛行為都是比較接近的話，可以比較確切判斷他是在開車。更明確一點，我們甚至可以判斷他是在坐公交車，還是開比較好的車，還是比較差的車。再就是說手機是在車上是沒有固定的，有一些誤判。這個里邊我們有很多方法，比如在車里打電話。
另外一個是大數據交通信息的應用，今天我們講到高德地圖和導航有很多人在用，一個很直觀的解讀，比如在北京，在座都是在北京生活和工作一段時間的人，比如會有限號，限號的時候有一個特別明顯的趨勢，3和8用戶就有所緩解，因為很多人會去選帶8的號碼，而不選帶4的號碼。大家會看到顯示高德的這個用戶，比如過去一周，過去一個月，隨著季節，隨著天氣、時間，和之前的狀況，可以比較準確的判斷出在某一個特定的時間點，比如明天上午，如果是需要從京張高速上天橋走哪條路更合適一些，這個里邊有挺大的社會意義。我們服務上線之后，這是8月份的數據，當月在上海和北京分別是幾十萬的使用。
最后高德還有淘寶的數據，可以公開的是說淘寶自己上面有一個輸淘寶的號，根據年齡、喜好，甚至星座，都會不一樣，從側面可以解釋出，真的是有很大的差異，這個里邊比較少，大家可以上那個里邊看一下，還可以看到他的購買能力、年齡，以及淘寶消費能力。我們可以看到更多內部數據，把這個車主的數據和消費行為數據打分的話，我們發現很多用戶是在他生了孩子以后，大概半歲到九月買一輛車，其實這是我們關聯到這些用戶，在買車之前特定的時間，大概是買那個尿布，還有一個階段的奶粉，第二個階段的奶粉，這個對我們有很大的幫助。這個車主不是那么喜歡運動，也不那么喜歡越野，但是他喜歡攝影。高德有很好位置服務，阿里會有數據，這兩個數據進行融合的話，我們可以做整個人車行為大數據挖掘，我們的經驗可以給大家借鑒，謝謝大家。
