1. 15万亿！李克强签署“十三五交通规划”！

    文章介绍了“十三五交通规划”，总投资规模达到15万亿。许多人评论说投资规模过高，如果按照交通部的数据，十二五交通投资超12.5万亿来看，15万亿并不算一个太高的数字。可是我还搜索到“十二五”交通基础设施总规模预期6.2万亿的新闻。两个数字是否指的是同一件事，有待进一步确认。

  2. The Economist - Rules of the road

    文章表明共享出行导致城市车辆增多，造成拥堵，已经给纽约，伦敦造成巨额经济损失。文章提出通过收取拥堵通行费可以缓解拥堵，而不应该限制共享车辆牌照。新加坡在这方面已经做出了较好的成绩。文章中许多数据、例子和政策都值得思考，尤其是可以进一步想象自动驾驶到来后是否会出现类似情况。另外，滴滴出行给出的数据与文中信息相反，滴滴称其通过大数据使得东部某省会城市拥堵状况得到改善：工作日早高峰平均延误时间下降10.73%，晚高峰平均延误时间下降10.94%；在停车次数方面，工作日晚高峰停车次数下降8.7%，早高峰下降6.7%

  3. INRIX Automotive industry analysis

    INRIX是一家专注于连接汽车服务和运输分析的全球SaaS和DaaS公司。该公司的使命是为当今世界各地的交通问题提供解决方案。 INRIX为汽车制造商提供增强驾驶体验的服务，如实时交通和停车可用性。城市，政府机构和企业使用INRIX来更好地了解人员，车辆和货物的流动情况。

  4. New INRIX Study Finds Parking is the Largest Cost of Driving

    INRIX研究表明，在大城市停车已经是驾驶出行最大的支出。这一点在茅明睿一席演讲中也可以看到，车辆占据了大量城市的空间，就像一群生活在我们身边的巨兽。

  5. 广东交通厅：滴滴一直拒绝交出数据接收监管

    文章提出了滴滴安全事故的原因在于其拒绝接收政府接管。文章提及了一些重要的政策：交通部近日公布的数据显示：目前滴滴出行已上传车辆数据110万辆，上传驾驶员数量96万人。按照滴滴平台上已经积累3000万车主计算，滴滴驾驶员数据上传率只有3%。按要求，滴滴顺风车不仅要把车辆信息、还要把行驶路线传到政府监管部门。广东省交通运输厅发布的数据显示：在广东省21个地级以上市中，滴滴出行仅在广州、深圳、珠海、佛山、惠州、中山等6个市注册了分公司并取得平台运营牌照。这些信息与我之在家和福建蓝滴出行相关人员聊的情况是一致的，滴滴运营很多情况下是不符合当前法律规定的。之后滴滴是否还会一家独大，新的竞争者是谁？也许是美团？值得思考。滴滴交出车主信息，交通厅是容易接受的，而行驶路线信息，也许以API的形式合作管理比较好。

  6. 滴滴一下，真的能美好出行吗？

    微指数是一个重要的舆论监控方式。在滴滴事件发生后，我们可以通过微指数来观察舆论反应。此次滴滴安全事件，微指数的反应就很明显。目前微指数主要功能仍然停留在 情感分析、关键词提取。事件相关的大v是否能够实时找出。例如有些事件相关的微博，在文字部分并没有相关信息。是否需要图像识别技术，来完善信息？

  7. 知微 - 微博水军分析

    知微数据对于微博舆情的分析更加具体。包括了转发分析、水军识别、微博用户分析等。支付宝此前上线了发红包赚赏金玩法，别人通过搜索数字口令领到了你的红包，你就能赚到赏金。很多水军通过制造假消息，引诱别人收取自己的红包，以获得支付宝赏金。

  8. MIT How many taxis does a city need?

    文章介绍MIT研究人员在Nature上刊登的研究。研究目的在于通过算法指派接单，最小化城市中的出租车数量。传统研究通过旅行商问题（travleling salesman problem）来最小化出租车经过多点的行驶总路程。旅行商问题的计算复杂度太高不能够解决现代城市的问题。文章中研究者构建了新的方法，通过统一的订单分配调度，使得城市需要的出租车数量下降30%。这是极大降低成本的。该研究不考虑出行便捷后，出行需求的增加。所以未来自动驾驶更加便捷之后，是否更拥堵还是畅通，还是未知数。

  9. 对话车品觉：顶级数据团队该像支配合默契的篮球队

    由于采访内容精要，此处采用摘抄形式。

    • 什么样的数据团队称得上顶级？

      数据团队是指数据部门的团队还是整家公司作为一个数据团队。如果是后者，必言产品，有一个产品可以辅助公司每一个人的数据，这个时候就对数据核心团队的要求很高。不再是公司的中央数据部门解决公司数据问题，而是整个公司都在解决整个公司的数据，这是很不一样的，能够达到这个境界，不再单纯依靠某个部门解决数据问题，而是整个公司产生依靠数据，才能说是顶级数据团队。

      数据科学家只是整个环节中的一环，厉害的数据科学家会帮公司想几年后的东西，而不是现在就产生结果。如果作为整个团队，那么肯定有一些灵魂人物出现，这些人不一定是数据技能有多厉害，而是懂得翻译，从数据能力到业务创新，或者商业团队的意愿转达给技术团队，这种角色是最难的。

    • 这样的人才我们应该给在业务团队培养还是在技术团队培养呢？

      哪边有这样的人，我们就去培养。

      因为这种人非常上，再加上如果讲顶级大数据团队，在数据上继续构建，还要多一个东西，还要其他领域的数据在自己领域的增值是什么？（其他场景的数据进到我的主场景的时候回产生什么价值），这是个跨界的东西。需要一个人指挥这个团队的前进方向。

      还几乎没有一个公司像阿里一样，对自己的数据岗位有一个很清晰的描述，也即绩效考核。比如一个P8的数据开发的人需要做什么？职责是什么，怎么知道他做得好？

      因此，要建设一个顶级数据团队，你要知道怎么盘点这个数据团队，盘点一个团队肯定分两种：为了业务盘点技术，还是为了技术盘点业务，这两种有什么不一样，这是很大公司不具备的，我觉得这才是宝贵的。我在阿里这么多年，这是我最引以为傲的，至于培养了多少人，这不是重要的。

      阿里的考核指标如何，阿里会让P8自己描述，你需要做什么。阿里有个优点，团队多，所以经过很多P8的描述，你就可以发现一个共同点，做一个P8要有什么样的水平。还有一个关键点，晋升一个P7到P8，到底晋升的时候有没有一个严谨的晋升之道，这也是建立一个数据团队的必经之路。

      作为总监，会有一个数据的价值观，我会问你为了别人做了什么，有没有贡献过数据给别的部门，或者上下游，举个例子。这样就可以发现，团队凝聚力就很高，这不仅仅是说你自己做了什么，而是为整个大的队伍做了什么。

    • 数据团队的构成上，嵌入式和中央式的数据团队更看好哪一个？

      我更看好这两者混合的数据团队，就好像打架，肯定有前锋和后方部队的工作不一样。你可以培养很懂数据的团队来产生价值，但是谁来培养数据呢？数据不是资产，是资源。要时刻问自己，你的资源够不够？如果现在够，还需要问一下，公司准备在两三年后做的事情，资源又够不够？

      所以数据战略应该和业务战略是同步的，业务战略走多高，数据战略也应该走多高。而数据战略又分为数据能力的战略和数据资源的战略，我们现在很多人都提到一个问题，数据的发展会成为很多东西的壁垒。数据要越来越像一个战略，算法是技术，是一个效率问题，产品和业务场景是变现，我觉得这三点要分开来讲。

    • 数据应用落地需要数据、业务、工程三方合作，这三方（数据团队与IT团队和业务团队）应该如何有效协作？

      这实际上是有一个上下游的关系，最难的点是，下游的人想做上游的事情，上游的人想干掉下游的人，就是在大部分的数据团队，大家都想一条线都做完，所以问题的关键在管理。

      但是当中需要想的是，为什么下游的人想做上游的事情。关键在晋升。一般业绩考核都是在前段，如果你的绩效没有鼓励供应枪炮的人也得到认可，那供应枪炮的人就会想，为什么我不自己去前线。

      如果把这一点逐步平台化，这个问题就会改善。我们有一次在阿里，打开了整个云，看数据的重复，发现非常多，每个人都在建自己的底层。从管理者的角度来说，怎么解决？把用得多的数据变成公共层，没有人可以copy出去。

      借这次采访，我也希望让更多数据公司的管理者知道，数据不是自然变好的。比如说有一年，阿里曾经把公司的三大团队拉到一个酒店，描述自己在干嘛，发现都一样。阿里有几个大团队，我所在的部门、广告、推荐，让大家都画一下自己在做事情的图，发现做的都一样，数据很多重复，每一个都想干掉对方，都在建同样的架构。如果一个公司没有CTO，没有人对此负责，会很乱。数据重复会导致算法重复，产品重复。我在阿里这些年也在努力做这样的事情，把18个产品变成6种，算法、数据集中起来变公用。先收，而不是扩，才能做出精锐的顶级团队。

    • 如何看待数据驱动？

      数据驱动的定义是，我在做一个决策的时候是不是数据支持的。这里我想举三个例子。

      如果给你看一份报告，让你对这个事情有了一定的认知，接下来做了一个正确的决定，算不算数据驱动？

      在一个保险计算中，有没有风险工具在其中，直接把大数据算法能力放在风控领域，算不算数据驱动？

      有一个无人飞机，这个飞机的飞行是按照数据的，风向、天气变化数据，这算不算数据驱动？

      这三个都是数据驱动，但是第一个不能看到feedback，数据的闭环有很多断点。第二个场景下，数据是可以回来的，但是也存在一些断电，也不完全是一个非常紧密的数据回流。第三个是一个base on feedback的数据驱动。

      当然这三个都是数据驱动，但是一个比一个有更紧密的数据回流，而且改进的时间是一个比一个更短。首先公司要明白，刚刚说的三种数据驱动在一家公司会同时存在，它是基于管理层还是中层还是直接应用。管理层的问题是不可能完全数据化的，几乎没有数据，需要基于判断，基于不完美数据的判断，第二个闭环情况下，是可以在部分环节套进去，第三个是可以自适应的。

    • 数据团队建设最大的痛点是什么？

      人才缺乏。（为什么此处强调人才缺乏值得思考）

      在一个行业正走红的时候，找人很难找，即使是阿里，也很难得心应手找到合适的人。刚刚讲的东西也就更关键了，依靠团队，而不是依靠某一个人，在大家都没有人的时候，我刚刚进阿里的时候就是这样，一定要打配合，我常常跟我的团队说，我们不是单人作战，我们是一起打的。

    • 对有志于进入数据科学领域学生/数据团队领导人的建议和意见

      最好在培养的时候能培养多一点domain的人才，其实AI和大数据都有两类：基础AI/大数据和应用AI，应用是跟行业联系起来的，这两种人才的培养是不一样的，在应用端的培养，应该在大学时候给予多一些行业知识。我在念书的时候，有business computing，懂商业。当然我们也不仅要培养应用类AI/大数据，也要培养基础的。

  10. 滴滴投资人朱啸虎：神州专车是典型的伪共享经济

    滴滴投资人朱啸虎2年前怼了神州专车，在其中我们可以看到一些精妙的分析，也可以看到一些出于自身利益的引导。

    共享经济模式充分利用社会闲散的资源，从而可以大幅降低成本。比如，一个小餐馆老板在闲散时间可以开他自己的车接送乘客，赚一些外快。他几乎并没有额外增加什么成本，恰恰因为节省了车辆和时间的成本，汽车共享经济才能为更多消费者提供较低价格的服务。滴滴真的使得司机可以不专职化了吗?

    神州的运作成本远高于共享经济模式。因为它需要租赁车辆和雇佣司机。神州专车提交的财务文件显示，神州专车经营活动涉及的全部司机均为神州优车雇佣的全职员工，截至2016年1月31日，神州专车员工总数为38623人，其中有36252名司机。司机工资和油费两块，2015年合计23亿。神州专车租赁的车辆主要来源为港股上市公司神州租车，租赁方式主要为长租，并辅以短租共享车队。而2015年，神州专车向神州租车的金额就为14.85亿人民币。滴滴的专职司机有多少？

    除了成本优势，共享经济的另一个重要优势是可以调动社会运力以更有效的满足不同时段的出行需求。出行的一大特征就是高峰期有波峰，平峰期有波谷。共享经济解决了这个问题，高峰期通过动态调价吸引了更多司机上路提供运力；平峰期价格便宜，所以一部分司机选择做其他工作。但神州的车辆数是有限，并且是固定的，所以和出租车公司一样，永远无法解决出行行业波峰波谷的问题，要么高峰期叫不到车，要么平峰期司机没有活。更不能满足今天老百姓打车难的问题(神州迄今为止有大约5万辆车服务全国，但北京就有近8万多辆出租车都不能满足一个城市需求)，价格上也很难和共享模式竞争（神州专车价格大约比出租车贵上40%左右）。

    此外，共享经济模式在累积了大量的用户和车辆之后（滴滴有过亿的用户和1400万注册司机），可以应用最先进的机器学习和大数据技术，智能地调度每一辆车，并让同行的用户实现拼车，从而极大地提高了每一台车的使用效率，将空驶率降到最低，也将用户的出行成本降到最低。这些，在没有以大规模的用户、车辆，和世界级的大数据能力为前提的情况下，是不可能实现的。神州的这种模式就是市面上传统的出租车公司，不过多了一个手机上的APP罢了。神州如果车多了，完全也可以积累大量数据，做智能调度。

    其次，神州的重资产模式没有规模经济效益，换句话说，规模越大亏损越大。投资人应该都知道平台模式的好处就是成本固定，当规模扩大10倍的时候，成本只是略微增加，所以盈利能力极强，这也是为什么阿里巴巴是中国互联网公司市值最高的公司。但是神州这样的重资产公司每次规模增长，成本就要同比例增加，因为所有的车辆和司机都是自己的。神州专车今天10万级单量的规模，就需要有3万辆车和4万名司机。如果规模扩大1倍，就差不多需要有6万辆车和8万名司机，亏损也会同比例增加。2015年就亏损37亿人民币，今年规模如果翻倍，亏损一定超过50亿人民币。

    按照专车新规的要求，从事专车的车辆要求首先属于营运车辆类的出租客运汽车，车辆行驶证的“使用性质”一栏载明“营运—出租客运”，取得出租汽车经营许可。行业知道的情况是，目前神州专车从神州租车租赁的车辆，95%以上行车证上的使用性质是“非运营”（提供一个旁证，运营牌照规定使用车辆8年报废，但神州租车的财报里面折旧费用平均是按照约12年计算的。你坐神州专车，也可以问司机要行驶证看看）。其余不到5%具备营运性质的车辆，也是属于租赁车辆，不是出租客运车辆。

  11. 朱啸虎 - 二问神州：对神州专车财务数据及估值的质疑

    文章继续3中文章，向神州专车发问。其中提及的一些指标很有意思，例如空驶率。朱啸虎的一些简单的计算都是直接而且有意思的。

    “其实我是相信神州能够通过提高运营效率，降低一些空驶，从而降低单均油费的。但是如此之大的单均油费降幅是否可能？我也做了一些测算，基于神州披露的订单量和油费，假设每单15公里（差不多78元客单价）和每公里7毛（帕萨特百公里油耗10升，GL8等商务车15升），推算出神州2015年上半年空驶率是41%，2015年下半年空驶率38%，这种程度的空驶率是正常的。但是2016年上半年推算出的空驶率仅有4%！这么低的空驶率神州是如何做到的？”

    “除了油费和租车成本之外，还有一项重要的成本是司机薪酬。神州司机月收入能够有多少呢？基于神州的财报，今年上半年神州支付给司机的成本是13.9亿元，而神州上半年平均司机数量估算是3.7万名 （年初4.2万名员工，年中3.6万名员工，其中2000名是非司机员工）。所以平均一个司机的月收入是6,250元，除去五险一金，司机拿到手的净收入仅有5,000元。”

    “懂一些投资的人都知道，重资产公司应该用P/B（市净率）而不是P/E（市盈率）估值，原因是重资产公司需要持续投入资本购买资产才能够增长，而资产的回报率决定股本回报率以及最终投资人的回报率。无论增长多快，只要股本回报率固定，P/B倍数基本是固定的。拿银行、保险行业为例，其ROE一般在15%-20%之间，那他的P/B就应该在1.5-2倍，因为大多数投资人期待至少10%的年回报率，不愿意支付超过2倍的P/B。”

    文章中使用到的一些数据来源： App Annie是全球最大的移动应用数据平台；Trust Data数据监控平台

  12. 研究了一二线城市1000个数据后，我们发现了最年轻的城市

    文章通过不同城市各年龄阶层比例对比，得出珠三角地区是最年轻的头部城市群。