先后通過投資GrabTaxi,、Lyft將業(yè)務伸向海外市場之前,，滴滴的技術團隊已經(jīng)跑了好些遍美國。目的很簡單,，就是尋覓海外優(yōu)質的技術人才,。

事實上，相比在業(yè)務和資本領域的高調,，滴滴的技術更多習慣性地隱藏在幕后,。

但作為一個互聯(lián)網(wǎng)公司，技術的重要性卻不容小覷,。

按照滴滴出行CTO張博的理解,，大數(shù)據(jù)才是滴滴的心臟?！安恢皇堑蔚萎a(chǎn)品的心臟,，還是滴滴商業(yè)的心臟?！?/p>

 

記者見到滴滴出行大數(shù)據(jù)架構部總監(jiān)張浩的時候,，他剛入職滴滴半個月。

盡管滴滴大部隊已經(jīng)搬去了位于北京西二旗軟件園二期的全新辦公樓,，但由于裝修進度,，張浩和他的團隊暫時還得留守在得實大廈辦公。

僅有1部客梯和2部貨梯的寫字樓,，擁擠的工位,，這是一個與遠在大洋彼岸的硅谷截然不同的工作環(huán)境。

但張浩還是決定舉家從美國搬回來,。

在此之前的2015年7月,，剛過完美國獨立日不久的張浩在推特樓下見到了張博和滴滴大數(shù)據(jù)領域負責人。

加盟滴滴之前,，張浩有過微軟多年的工作經(jīng)歷,，當時關注最多的就是大數(shù)據(jù)和人工智能。

“但我始終覺得這個東西屬于技術,，屬于極客們特喜歡玩的,，其實沒有真正觸及到人的生活。但出行領域加上大數(shù)據(jù)真的可以改變這個行業(yè),?！卑凑諒埡仆嘎兜男畔ⅲ退黄饛墓韫然貋淼拇髷?shù)據(jù)領域高端人才還有好幾個,。

這些人加盟滴滴更多緣于一個今年上半年開始正式啟動的人才招募計劃,。

5月22日，滴滴對外宣布將正式成立“機器學習研究院”,，同期公布的是上述研究院的科學家招募計劃,，計劃將在全球范圍招募相關領域的世界級科學家,。

而張博也因此多了一個任務，就是經(jīng)常性地帶著團隊飛美國張羅招聘,。

張浩入職滴滴第一天最為直接的感受就是這個團隊太年輕了,。“公司里所有的領導都比我年輕,，我們這幾個國外待了十幾年回來的,，一下把平均年齡拉大了不少?！?br>  

大數(shù)據(jù)的想象力

滴滴出行戰(zhàn)略負責人朱景士日前對外公布了這樣一組數(shù)據(jù),。

滴滴目前每分鐘要匹配200萬次需求，超過所有地圖軟件,，每天數(shù)據(jù)分析量級是50TB,，大約是5萬部高清電影。每天連續(xù)上傳的定位數(shù)據(jù)是50億次,。

“中國市場的規(guī)模,、人口密度、收入,、車輛保有率,、交通環(huán)境的各種差異，決定了中國市場需要一個超越單一專車App的全平臺服務,?！倍抑袊慕煌▎栴}和美國根本不是一個量級的，面對中國如此復雜的交通體系和所需路線的精密計算,，按照朱景士的觀點,，“我們等于每天都在做微積分，而其他的公司只不過是在做一些算術,，加減乘除,。”

也正是這樣一個復雜的業(yè)務需求和龐大的數(shù)據(jù)量帶來的想象空間使得滴滴成為不少大數(shù)據(jù)業(yè)務專家加盟的重要原因,。

但隨之而來的問題是,，這些從海外費盡心思尋覓而來的技術人才能給滴滴帶來什么。

張浩的回答是兩點,，海外經(jīng)驗對大家視野的擴展和硅谷的工程師文化,、工匠精神,。

“滴滴一個很大的強項是擁抱變化,，這點我是在美國別的公司沒有見到的，每個員工都非常有激情,，對我們的目標非?？春?，這些都是好的?！倍鴱埡圃谌肼氈蟾P注的是如何讓堅持以業(yè)務為驅動的滴滴在高速發(fā)展的同時保持工程師團隊的技術沉淀,。

在大談特談大數(shù)據(jù)的當下，移動互聯(lián)網(wǎng)的普及已經(jīng)讓獲取數(shù)據(jù)變得相對比較容易,。但是如何有效地分析和理解海量數(shù)據(jù)仍是一個很大的問題,。

按照張博此前的介紹，滴滴研發(fā)的基本原則是想辦法撮合乘客和司機,，滿足他們的需求,，保證他們的體驗。簡單點說,，就是將訂單發(fā)送給合適的司機,。

以滴滴專車業(yè)務為例，目前還要用到人為制定的規(guī)則,，例如如何將信息推送給最適合區(qū)域內的司機,、誰優(yōu)先獲得訂單等等。在數(shù)據(jù)量較小的情況下,，可以基于規(guī)則,、人的經(jīng)驗來設定算法，但是在數(shù)據(jù)量更大更豐富的情況下,，這樣的做法可能和現(xiàn)實存在一定程度的脫節(jié),。

這是一個頗為繁雜的過程?！俺送扑]算法要準確,、匹配效率要高、計算要快,、推送要及時,，還要在推送訂單到這位司機之前，通過對小費,、長短途,、時間、方向敏感等靜態(tài)特征和司機與訂單之間的位置關系,、時間關系等動態(tài)特征進行綜合分析來預測他對訂單感興趣的程度,。”張博解釋道,。

此外,，給乘客什么樣的補貼、給司機什么樣的補貼,、誰更敏感,、多少金額影響更積極,，這些策略的背后都是大數(shù)據(jù)在起作用。
 

一鍵式一步出行平臺

作為大數(shù)據(jù)方面的專家,，張浩向記者描繪了一個移動出行相當誘人的未來場景——真真正正實現(xiàn)一鍵式一步出行平臺?，F(xiàn)在還需要自己篩選出行方式，是坐公交車還是選擇順風車,、坐快車,、專車。未來通過更多的數(shù)據(jù)與更精確的算法和匹配,，用戶只要輸入目的地就能獲得更多更精準的出行方式推薦,。“到那個時候,，即使是沒有地圖產(chǎn)品,，即便是不太熟悉智能手機的老人、小孩都能夠真正享受這個大數(shù)據(jù)提供的優(yōu)越性,?！?/p>

在過去的幾年間，滴滴每張訂單的乘客信息,、司機信息,、出行軌跡都被悉心記錄下來。但出行領域的大數(shù)據(jù)與電商和搜索引擎方面的有著不同的標準,。

在張浩看來,，電商和搜索引擎這塊的大數(shù)據(jù)分析已經(jīng)做得比較成熟，但從效果來說,，電商和搜索引擎的大數(shù)據(jù)分析如果不夠準確損害程度并不大,。“大不了給我推薦的東西我不喜歡就沒買;給我推薦的工作大不了完全不搭界我不理睬就行了,。但真正涉及到每個人每天的出行,，如果有一步做得不對，沒趕上開會或者誤了航班都會帶來很大的麻煩,?！?/p>

從2014年底便開始醞釀的滴滴“機器學習研究院”要解決的就是更好更精準的數(shù)據(jù)匹配。

按理說,，在使用機器學習的方法后,，可以自動設定合理的規(guī)則，提高數(shù)據(jù)處理效率,。而且,，對機器學習來說，數(shù)據(jù)量越大，分析結果就越精確,。

但實際上越是智能、越是自動化的東西,，就越會出問題,。“這意味著對我們的科學家和工程師團隊要求會越來越高,?！睆埡蒲a充道。

入職滴滴之后,，張浩遇到最多的問題是如何在保持系統(tǒng)的通用性的技術上,，滿足不同業(yè)務線獨特的需要。

將業(yè)務從單一的出租車迅速擴張到包括專車,、快車,、順風車、代駕等多個領域之后,，來自技術部門的煩惱是滴滴的各個業(yè)務線產(chǎn)品大多每個星期都需要有一個迭代,，而此前滴滴快的合并之后還給工程師們留下了不同系統(tǒng)整合優(yōu)化的任務。

“我現(xiàn)在一半的時間花在系統(tǒng)整合和優(yōu)化,，另一半的時間花在勾畫出未來6個月到一年需要做的新的事情,，這兩個事情都得同時做?！边@樣的工作狀態(tài)和滴滴快速的業(yè)務拓展有點類似,，“就好像一邊造自行車，一邊在往前騎,?！?/p> 向作者提問