关注ITValue，查看企业级市场最新鲜、最具价值的报道！

针对近日温州20岁女生赵某乘坐滴滴顺风车遇害一案，滴滴出行于25日在官方微博上发布声明致歉，声明中称作为平台，辜负了大家的信任，负有不可推卸的责任。

申明要点如下：

1、主动承认错误，协助警方14小时快速破案

2、背景调查表明罪犯无前科，“经核实，钟某此前背景审查未发现犯罪记录，是用其真实的身份证、驾驶证和行驶证信息(含车牌号)在顺风车平台注册并通过审核，在接单前通过了平台的人脸识别，但案发车牌系钟某线下临时伪造。”

3、承认对于车主作案前一天的犯罪征兆不够重视

4、对于外界提到的“为什么没有第一时间将车主信息提供给家属”的问题。滴滴方面解释称“由于平台每天会接到大量他人询问乘客或车主的个人信息的客服电话，无法短时间内核实来电人身份的真实性，也无法确认用户本人是否愿意平台将相关信息给到他人。所以无法将乘客和车主任何一方的个人信息给到警方之外的人”

5、滴滴将参照法律规定的人身伤害赔偿标准给予3倍的补偿

而媒体就此声明发表质疑，主要有以下三点：

1、事发前天该司机曾被举报，客服未能及时处理，如果滴滴能做到“两小时之内回复”的承诺，并严格执行的话，这本来应该是一起能被提前防范的事件

2、距郑州空姐遇害案仅三个月，认为滴滴的整改和觉悟不够

3、不认可滴滴的“每天需要接受大量查询车主和乘客的电话，因此客服无法在短时间内甄别”的理由，认为偷换概念，轻重有别

笔者查了下，在5月空姐遇害案发生后，滴滴的确也进行了相关整改，包括隐藏乘客的隐私信息，进行人脸识别实现人车合一，增加110一键报案功能等等，这些举措的目的就是要让罪犯知道，你的真实信息我有了，你总不敢作案了吧，否则你也跑不掉，从而起到威慑的作用。

但这是假设罪犯完全理性的情况，其实很多罪犯都是临时起意，荷尔蒙一上来，哪有那么多理性，做事完全不考虑后果，发生了才后悔，这次的车主是个典型，事发后还打电话给母亲说自己杀人了。

在道义上指责，在事发后道歉声明其实没什么卵用，没有有效的举措，下一次该发生的还是会发生。

我们还是来点干货，除了事前预防，笔者认为事中控制才是保障乘客安全的关键点，而事中控制的难度也是最高的，笔者这里就以前一些基于大数据的通信反欺诈经验给出几点建议。

1、建立大数据模型，实现事中准确识别

滴滴需要围绕近期发生的案件，挖掘案件的业务和数据共性，小快灵的快速建立起事中预警体系。

何谓事中控制呢？

其实很多互联网公司有这个技术，比如某天你突然接到支付宝的电话要核实你账号异动的一些信息，其实就是支付宝通过大数据实时分析技术发现的安全风险，在案件即将发生前进行预警和阻拦，这能够有效应对临时起意的犯罪的发生，但事中控制需要解决准确性识别问题和实时干预问题。

滴滴的申明中也提到了困难，“由于平台每天会接到大量他人询问乘客或车主的个人信息的客服电话，无法短时间内核实来电人身份的真实性，也无法确认用户本人是否愿意平台将相关信息给到他人....”

笔者认为问题的关键是滴滴当前没有能力准确识别出真正的犯罪事件，如果对每个事件都去核实，人力资源又难以满足，但如果有个大数据模型能告诉滴滴这个报案有50%以上真实的可能性，那么辅以一定的实时处置流程就可以做。

当然我们不可能一下子对所有可能的出行案件类型都去做模型，但起码对于这两次特定的滴滴顺风车案件，结合公开曝光的犯罪过程信息，还是能找到一些共性要素，从而建立起识别模型。

这里笔者脑补了一个简单实现方案，当然仅是作参考，相信滴滴有强大的数据分析和建模能力能更好的做成。

首先需要建立一个“司机风险评估模型”，大致评估司机的素养：

（1）性别

（2）年龄

（3）投诉历史及类别，比如这次就有

（4）信用评估，比如芝麻信用，作为素质的参考

（5）是否外地

（6）驾车年份

（7）驾车评分，比如有多少次撤单，这次案件中就要求撤单，撤单其实很多是不诚信行为

（8）教育程度

（9）犯罪记录

其次针对女性建立起实时的“女士出行风险模型”，预测是否会遇险：

（1）年轻女乘客，18-35岁

（2）夜间出行，打的时间在晚上8：00-凌晨6点

（3）行车明显偏离航线一段时间，或者偏离一段后信息丢失（比如关APP或关机，如果双方都关则情况更严重）

（4）用户报警信息记录，比如这次受孩者的朋友报警

（5）是否有一键报案动作

基于“司机风险评估模型”，同时在“女士出行风险模型”满足条件1，条件2的情况下，假如有条件3、条件4或条件5任何一条的出现，就应该及时触发报警，这种多维信息关联后可以过滤掉99%以上的误报或误按，因为这些条件同时发生的概率太低了，只能是异常事件。

你想想，一次出行，如果既偏离了路径规划，同时司机和乘客APP都关掉了，你说有这么巧的事情？

2、进行数据的整合和系统固化，建立实时预警体系

从这次发生的事件看，滴滴的大数据整合能力还需要进一步加强，比如针对司机的前一天的投诉信息和案发当日的报警信息没有做关联分析，导致客服人员把报警看作是一个简单孤立的事件，如果这两个维度的信息能同时展现在客户人员面前，可能重视程度就不一样。

前面笔者提到的模型涉及的数据，除了教育程度等个别数据，滴滴应该大多都有，基本的模型应该是可以建立起来的，当然模型要建的更完善，需要更多的数据，可以考虑与公安、阿里，运营商等进行合作，话说阿里还是滴滴的大股东吧。

至于实时系统，相信滴滴也比较完善了，他们需要做的是将模型加载到实时系统中，及时输出预警信号，比如对晚上载女乘客的评分30分以下的司机接单行为进行全程实时监看，可以根据模型判定的严重程度输出不同的告警级别，从而采取不同的处置措施。

比如低风险的只是给司机发个提醒信息，中风险的就需要给司机进行实时告警，对乘客进行安全警示，高风险的直接电话给司机并通知公安介入处置等等，不同的风险需要的资源不同，这个完全可以做起来。

无论如何，都需要让自动预警系统代替人工发挥出真正的作用，而不是停留在“头疼医头，脚疼医脚”的低水平处置方法上。

3、与公安等协同，建立事件处置机制和流程

有了模型和系统是远远不够的，滴滴需要建立起较为完善的事件处置机制和流程，为持续健康运营保驾护航。

比如需要建立专门的风险控制团队，对于各类风险事件进行分析，不断提升预警能力，事实上，我们现在看的的仅仅是发生的案件，但在背后是大量未遂的事件，包括投诉的和未投诉的，现在不知道这个量有多少，但应引起足够的重视，不是简单的处置一个事件的问题，要从一个点解决一个面的问题。

又比如要建立一套标准化的预警机制和流程，针对什么样的预警，采取什么样的举措，在什么情况下需要升级，在什么情况下需要与公安协同都应该定义的清清楚楚，要将其纳入到整个公司的运营体系中。

不可否认，新事物在带来便利的同时也会带来新的问题，这的确是创新的代价，但我们还是要从总体上看利和弊，不要走极端。

滴滴公司在完成野蛮成长后需要考虑的已经不仅仅是利润，更要考虑对于社会的责任，要用实际的行动来证明自己可以保证出行服务的安全，这个从长远来讲事关公司的生死。

滴滴的声明写得很官方，但还是希望能看到后续切实的行动，起码比笔者想到的方案要好得多吧。

本文经授权转载自微信公众号：与数据同行，作者：傅一平，ID：ysjtx_fyp

点击www.itvalue.com.cn，进入ITValue社区，与CIO们一起脑力激荡！

我们只提供有价值的干货！

长按二维码
关注ITValue