關注ITValue，檢視企業級市場最新鮮、最具價值的報道！

針對近日溫州20歲女生趙某乘坐滴滴順風車遇害一案，滴滴出行於25日在官方微博上釋出宣告致歉，宣告中稱作為平臺，辜負了大家的信任，負有不可推卸的責任。

申明要點如下：

1、主動承認錯誤，協助警方14小時快速破案

2、背景調查表明罪犯無前科，“經核實，鍾某此前背景審查未發現犯罪記錄，是用其真實的身份證、駕駛證和行駛證資訊(含車牌號)在順風車平臺註冊並通過稽核，在接單前通過了平臺的人臉識別，但案發車牌系鍾某線下臨時偽造。”

3、承認對於車主作案前一天的犯罪徵兆不夠重視

4、對於外界提到的“為什麼沒有第一時間將車主資訊提供給家屬”的問題。滴滴方面解釋稱“由於平臺每天會接到大量他人詢問乘客或車主的個人資訊的客服電話，無法短時間核心實來電人身份的真實性，也無法確認使用者本人是否願意平臺將相關資訊給到他人。所以無法將乘客和車主任何一方的個人資訊給到警方之外的人”

5、滴滴將參照法律規定的人身傷害賠償標準給予3倍的補償

而媒體就此聲明發表質疑，主要有以下三點：

1、事發前天該司機曾被舉報，客服未能及時處理，如果滴滴能做到“兩小時之內回覆”的承諾，並嚴格執行的話，這本來應該是一起能被提前防範的事件

2、距鄭州空姐遇害案僅三個月，認為滴滴的整改和覺悟不夠

3、不認可滴滴的“每天需要接受大量查詢車主和乘客的電話，因此客服無法在短時間內甄別”的理由，認為偷換概念，輕重有別

筆者查了下，在5月空姐遇害案發生後，滴滴的確也進行了相關整改，包括隱藏乘客的隱私資訊，進行人臉識別實現人車合一，增加110一鍵報案功能等等，這些舉措的目的就是要讓罪犯知道，你的真實資訊我有了，你總不敢作案了吧，否則你也跑不掉，從而起到威懾的作用。

但這是假設罪犯完全理性的情況，其實很多罪犯都是臨時起意，荷爾蒙一上來，哪有那麼多理性，做事完全不考慮後果，發生了才後悔，這次的車主是個典型，事發後還打電話給母親說自己殺人了。

在道義上指責，在事發後道歉宣告其實沒什麼卵用，沒有有效的舉措，下一次該發生的還是會發生。

我們還是來點乾貨，除了事前預防，筆者認為事中控制才是保障乘客安全的關鍵點，而事中控制的難度也是最高的，筆者這裡就以前一些基於大資料的通訊反欺詐經驗給出幾點建議。

1、建立大資料模型，實現事中準確識別

滴滴需要圍繞近期發生的案件，挖掘案件的業務和資料共性，小快靈的快速建立起事中預警體系。

何謂事中控制呢？

其實很多網際網路公司有這個技術，比如某天你突然接到支付寶的電話要核實你賬號異動的一些資訊，其實就是支付寶通過大資料實時分析技術發現的安全風險，在案件即將發生前進行預警和阻攔，這能夠有效應對臨時起意的犯罪的發生，但事中控制需要解決準確性識別問題和實時干預問題。

滴滴的申明中也提到了困難，“由於平臺每天會接到大量他人詢問乘客或車主的個人資訊的客服電話，無法短時間核心實來電人身份的真實性，也無法確認使用者本人是否願意平臺將相關資訊給到他人....”

筆者認為問題的關鍵是滴滴當前沒有能力準確識別出真正的犯罪事件，如果對每個事件都去核實，人力資源又難以滿足，但如果有個大資料模型能告訴滴滴這個報案有50%以上真實的可能性，那麼輔以一定的實時處置流程就可以做。

當然我們不可能一下子對所有可能的出行案件型別都去做模型，但起碼對於這兩次特定的滴滴順風車案件，結合公開曝光的犯罪過程資訊，還是能找到一些共性要素，從而建立起識別模型。

這裡筆者腦補了一個簡單實現方案，當然僅是作參考，相信滴滴有強大的資料分析和建模能力能更好的做成。

首先需要建立一個“司機風險評估模型”，大致評估司機的素養：

（1）性別

（2）年齡

（3）投訴歷史及類別，比如這次就有

（4）信用評估，比如芝麻信用，作為素質的參考

（5）是否外地

（6）駕車年份

（7）駕車評分，比如有多少次撤單，這次案件中就要求撤單，撤單其實很多是不誠信行為

（8）教育程度

（9）犯罪記錄

其次針對女性建立起實時的“女士出行風險模型”，預測是否會遇險：

（1）年輕女乘客，18-35歲

（2）夜間出行，打的時間在晚上8：00-凌晨6點

（3）行車明顯偏離航線一段時間，或者偏離一段後資訊丟失（比如關APP或關機，如果雙方都關則情況更嚴重）

（4）使用者報警資訊記錄，比如這次受孩者的朋友報警

（5）是否有一鍵報案動作

基於“司機風險評估模型”，同時在“女士出行風險模型”滿足條件1，條件2的情況下，假如有條件3、條件4或條件5任何一條的出現，就應該及時觸發報警，這種多維資訊關聯後可以過濾掉99%以上的誤報或誤按，因為這些條件同時發生的概率太低了，只能是異常事件。

你想想，一次出行，如果既偏離了路徑規劃，同時司機和乘客APP都關掉了，你說有這麼巧的事情？

2、進行資料的整合和系統固化，建立實時預警體系

從這次發生的事件看，滴滴的大資料整合能力還需要進一步加強，比如針對司機的前一天的投訴資訊和案發當日的報警資訊沒有做關聯分析，導致客服人員把報警看作是一個簡單孤立的事件，如果這兩個維度的資訊能同時展現在客戶人員面前，可能重視程度就不一樣。

前面筆者提到的模型涉及的資料，除了教育程度等個別數據，滴滴應該大多都有，基本的模型應該是可以建立起來的，當然模型要建的更完善，需要更多的資料，可以考慮與公安、阿里，運營商等進行合作，話說阿里還是滴滴的大股東吧。

至於實時系統，相信滴滴也比較完善了，他們需要做的是將模型載入到實時系統中，及時輸出預警訊號，比如對晚上載女乘客的評分30分以下的司機接單行為進行全程實時監看，可以根據模型判定的嚴重程度輸出不同的告警級別，從而採取不同的處置措施。

比如低風險的只是給司機發個提醒資訊，中風險的就需要給司機進行實時告警，對乘客進行安全警示，高風險的直接電話給司機並通知公安介入處置等等，不同的風險需要的資源不同，這個完全可以做起來。

無論如何，都需要讓自動預警系統代替人工發揮出真正的作用，而不是停留在“頭疼醫頭，腳疼醫腳”的低水平處置方法上。

3、與公安等協同，建立事件處置機制和流程

有了模型和系統是遠遠不夠的，滴滴需要建立起較為完善的事件處置機制和流程，為持續健康運營保駕護航。

比如需要建立專門的風險控制團隊，對於各類風險事件進行分析，不斷提升預警能力，事實上，我們現在看的的僅僅是發生的案件，但在背後是大量未遂的事件，包括投訴的和未投訴的，現在不知道這個量有多少，但應引起足夠的重視，不是簡單的處置一個事件的問題，要從一個點解決一個面的問題。

又比如要建立一套標準化的預警機制和流程，針對什麼樣的預警，採取什麼樣的舉措，在什麼情況下需要升級，在什麼情況下需要與公安協同都應該定義的清清楚楚，要將其納入到整個公司的運營體系中。

不可否認，新事物在帶來便利的同時也會帶來新的問題，這的確是創新的代價，但我們還是要從總體上看利和弊，不要走極端。

滴滴公司在完成野蠻成長後需要考慮的已經不僅僅是利潤，更要考慮對於社會的責任，要用實際的行動來證明自己可以保證出行服務的安全，這個從長遠來講事關公司的生死。

滴滴的宣告寫得很官方，但還是希望能看到後續切實的行動，起碼比筆者想到的方案要好得多吧。

點選www.itvalue.com.cn，進入ITValue社群，與CIO們一起腦力激盪！

我們只提供有價值的乾貨！

長按二維碼
關注ITValue