最近半個月經常穿越半個北京往返望京，總體感覺是：對北京的交通已經瀕臨絕望——說好的早晚高峰停車場，現在基本是全天候停車場。
前兩天滴滴出行發布了一個《中國智能出行大數據》報告，把很多對交通感性的認識提升到了一個數據理論層面，第一時間研究了下，總體感覺是：比沒看還恐怖。
先說說為啥更關注滴滴的數據而不是百度、高德等的地圖數據呢？因為滴滴上都是實打實的消費數據，再加上覆蓋了3億乘客、1000萬司機，再加上自身就是重度用戶，所以無論是質量、數量還是體驗上，都更讓我信服一些。
從場景上來說，地圖應用打開才有數據，關閉就沒有，而且跨城數據也不少。而滴滴的數據場景更加連貫、真實、全面。
《大數據時代》這本書去年很火，說的是在互聯網時產生越來越多的數據同時，傳統的抽樣調研已經失去意義，大數據包括：
1）是全部數據而不是隨機數據；2）強調混雜而不是追求精確；3）數據之間是相關性而不是因果性，所以對于分析結果，應該多去利用數據與技術帶來思維模式。
無論這本書的民間評價如何，但我覺得它反映出的幾個特性的還是很適用于當下的商業與消費行為，滴滴的出行報告所展現出的結果，正是將大數據的基礎的部分細分數據導出，相當于千千萬萬個“你”一同參與的一次年度調研。
數據反映了什么？
之所以有了“看了后更恐怖”，是因為數據報告里面顯示，北京19.2公里的通勤距離以及52分鐘的平均耗時，排在全國第一，如果你覺得這個沒什么的話，在來看看除了時間還有什么損失——按照北京日均工資乘以延時時間，交通擁堵每年造成每人每年7972元的損失，這還只是平均工資（我查了下大概300多），這也意味著你的收入越高，時間越寶貴，損失的金錢也就越多……
這背后是北京2000多萬的常住人口以及500多萬輛的機動車……去年12月的一場大雪，當日北京市對滴滴的呼叫超過了100萬次，創下歷史最高，要知道，在全球最大城市紐約，一天的出租車呼叫量也就12萬單而已，是當日北京的1/8……實在是“Too young”，另有數據顯示，北京每天出行一個小時當中，有32分鐘是堵車時間。
不過，根據出行報告的數據，北京還算不上最擁堵的，在這個指標上，重慶、青島與廣州拿下了前三名，其中重慶的擁堵指數比位列第四的北京還高出了一截，不知道重慶人民的心理陰影面積如何……總體數據顯示，全國平均出行速度最慢的時間點出現在下午17時左右，速度是20km/h，也就是說，這時候開車出門，每分鐘僅能挪動300多米。
另外有個數據很有意思，在滴滴的“順風車”功能中有個免單選項，要是車主與乘客聊開心了，不好意思收費也就免單了，異性之間特別的實用，有點向社交屬性進擊的意思，從報告里面能看到，去年的免單總量達47.5萬，后半夜是免單幾率最高的時間段，更重要的是，女性車主的免單量居然達到了男車主的1.4倍，免單量然后排在前三位的成為南昌、東莞和溫州……它似乎說明了二線和……夜生活豐富的城市間，人與人的關系更為緊密，此外，免單的車主中有一半的80后車主。
再換個維度，通過各家公司為起始地的訂單，也能看到哪些公司更愛加班，這個給正在找工作的同學，你們要注意了……數據顯示，互聯網公司中，奇虎360的平均下班時間是晚上8點35，排在第一，隨后是阿里巴巴、京東、百度、騰訊等，基本都在晚8點以后，與之對比，金融行業的下班高峰在17:00-18:00，能源和互聯網行業的下班高.峰從17:00一直持續到22:00，差不多是回家最晚的行業。
這類比較有意思的數據在報告中還有很多很多，比如夜生活最豐富的地方是深圳和廣州，北京人比天津人晚上班半個小時（估計是堵在路上呢），趕上霧霾什么的，周末出行的需求要大幅下降了10%等。
事實上，已經成為全球最大出行平臺的滴滴在去年完成14.3億個訂單，幾乎等同與每個中國人“滴”過一次車，1000萬車主與司機累計行駛了4.9億小時，累計行駛里程128億公里，相當于環繞中國29萬圈，在這些大數據下，我們看到了上述五花八門的數據。
不過，隱藏在這些數據背后，還有著不少我們無法直觀看到的。
數據沒反映什么？
是什么造成的道路擁堵？這個簡單問題背后有著很大學問，多重原因綜合得來的結論就是，國內的“車均”道路太少，比如美國一輛車擁有的車均道路是50平米，在北京是31平米，因為車所擁有的道路比少，擁堵隨之產生。
這種情況下，所謂的“智能”出行也就顯得具價值——它相當于嘗用共享經濟的模式，以大數據的核心，通過多重具體方式去指導出行，以滴滴為例，反饋在產品端，它是呼叫出租車、快車、專車、順風車、巴士等多個選項，后臺大數據起到作用包括路況的判斷分配訂單量、通過動態調價的方式讓減少不是特別著急用戶的訂單、通過實時路況繞開擁堵路況，以及更底層算法的優化與匹配等。
總之，大數據核心競爭力在于像心臟一樣，輸送全身血液——信息的流動、反饋，應用都在產品中發揮著巨大價值，從這個意義上來，數據體現出前景，要遠比單純的做用戶與司機之間的橋梁更具有價值，它的核心早已經不在是“打車”，而是更聰明“出行”，所以，“滴滴打車”甚至把名字都改成了“滴滴出行”。
那么，滴滴的想如何改善交通，如何去做“智慧出行”呢？
一方面，滴滴從硅谷挖掘高端人才，成立了機器學習研究院，以目前3億量級用戶，1000萬的車主為源，以及每天沉淀的50TB量級的數據，從而更精確的找到中國解決擁堵的落地措施。除了基于產品以及運營策略的改善之外，還做了一個交通領域的“滴滴指數”，即把重點城市、省份以及滴滴有服務的地方把交通數據共享出來，與官方部門一同規劃交通發展，要知道——光有數據、想法，而沒有相關的執行權，也是于是無補。
第二，滴滴希望通過大數據，發現車主與乘客的需求所在，從而找到提高運力的方法，比如在北京大雪這種惡劣天氣環境下，滴滴就已經起到了很大的作用，通過多種方式把有效的運力調動起來，更重要是，這些運力并沒有造成城市居民生活的負擔，甚至讓不少人成為了“專職車主”，即雙向滿足的交通與用戶的需求。
除了事后安排之外，滴滴數據還強調預測，利用歷史數據推測熱點供需區域，進而提前引導司機的行進軌跡。
事實上，現有商業公司能做到更多是通過分享，讓一輛車帶更多人，讓閑置的車輛都有效利用起來，從而增加出行車輛的道路面積，提高效率減少擁堵，所以無論是滴滴還是其他專車公司，其目標其實是一致的，但具體實踐起來，用戶量大，訂單多，覆蓋面廣的企業顯然擁有的數據后的更高主動權。
我相信，依靠數據的有效應用，在一定程度上是完全可以緩解城市擁堵的，而要想獲得更多的出行自由，則并非是滴滴等公司所能觸及——政府官方層面是時候多去擁抱互聯網了。