大数据 · 全洞察
2017中国共享出行
行业大数据观察
R e v o l u t i o n a r y T r e n d s o f S h a r e d M o b i l i t y
大数据 · 全洞察
PART01 共享出行行业现状
PART02 共享出行典型场景
PART03 共享出行所带来的变化
PART04 共享出行行业展望
PART05 报告说明
CONTENTS
大数据 · 全洞察
PART01
共享出行行业现状
大数据 · 全洞察
660
1183
2120
3800
2015 2016 2017E 2018E
中国汽车共享出行市场容量（单位：亿元）
共享出行市场容量（单位：亿元） 共享出行市场增长指数
+年增长率79%
• 共享出行作为共享经济圈中的一部分，已成为当下最火热的维度。目前，中国每年共享出行次数超过百亿，市场
份额达67%，领先于世界共享出行行业。
• 数据显示，到2018年中国仅汽车共享出行年市场容量有望由660亿元增长至3800亿元，其中还不包括上百亿市场
规模的共享单车出行。而潜在出行需求带来的潜在共享出行市场容量有望达到万亿元。
数据来源：罗兰贝格《2018年中国汽车共享出行市场分析预测报告》，艾媒咨询《2017Q1中国共享单车市场研究报告》
共享出行正走向黄金时代
大数据 · 全洞察
共享出行逐渐改变消费者的生活和出行习惯
Velib
Zipcar
Uber
共享单车
分时租车
实时打车
西方共享
出行发展
主要企业
共享单车
分时租车
实时打车
中国共享
出行发展
主要企业
ofo小黄车
EVCARD
滴滴出行
• 与传统公共交通相似，共享出行体现于人们使用或者提供出行（汽车、单车、拼车等）服务。与公共交通又不同
的是，这种以服务为主的经济模式，其基础是分散的社会资源而非集中的大型基础设施。消费者可以在不必拥有
交通工具所有权的情况下，通过互联网获得短时间内的使用权，来获得最优化的出行方式。
• 本报告以共享单车、分时租车和实时打车这三种主流的共享出行方式为切入点，探讨目前我国共享出行模式如何
逐渐改变消费者的生活和出行习惯。
大数据 · 全洞察
数据来源：eMarketer 数据来源：根据公开资料整理
共享出行既是潮流，也是趋势，更是科技引领社会走向智能化的表现
中国智能手机用户数量增长情况
单车类软件 分时租车类软件
传统租车类软件 实时打车、拼车类软件
2017 各出行方式App占比
% %
% %
%
%
%
%
%
%
%
0
200
400
600
800
2014 2015 2016E 2017E 2018E
用户数量（百万） 占人口比例
• 互联网技术的普及与革新使得所有的人、交通工具和互联网全都实时相连。网络、智能手机、定位服务不仅仅是
将地球缩小成了一个社区，同时也大大缩短了人们出行的距离和时间。
• 数据显示，中国智能手机用户数量在2018年将达到7亿。智能手机客户端可以搜索到400余个共享出行类的app，
其中%是单车类软件，%是分时租车类软件，%是拼车软件，还有%是传统租车app。
大数据 · 全洞察
通过共享出行的方式来补充公共交通是大势所趋
• 人口增长、科技发展、城市化进程、可持续化监管促进了共享出行的发展。
• 消费者的出行方式更迭：随着国民的消费升级，消费者在选择持有车辆还是使用车辆时显得更为理性。互联网给
出行的方式注入了新的生命力，优化了消费者的出行选择。
商务
休闲
度假 购物
通勤• 人口增长
• 污染问题
• 政策支持
• 技术发展
• 消费升级
大数据 · 全洞察
• 在车辆人均保有量较高的西方发达国家，共享出行从最初打开市场到中期的市场多元化，再到现阶段较为成熟的
商业模式，经历了近二十年的时间。在中国，这种舶来的商业模式打破了传统行业的生长路径，在近十年得到了
井喷式的增长和发展。
共享出行行业近十年发展迅速
Car2Go
1号专车
嘀嗒拼车
ToGo
20062004 2008 2010 2012 201620141999
PP租车
Mobike
P2P 租车 共享单车分时租车 实时打车拼车
易到用车
神州专车
ofo小黄车
EVCARD
滴滴出行
资料来源：根据公开资料不完全统计
大数据 · 全洞察
• 相比一般的公共交通如公交车和城市地铁，共享出行的通达性更强，基本可以帮助客户实现点到点的出行；另外
共享出行的等待时间更短，可以更灵活的控制安排时间；相较于公共交通，共享出行的夜间优势尤为明显。
相比传统的公共交通，共享出行通达性更强、不确定性更小
B
CD
E
A
A 通勤速度 ★
B 节省金钱 ★★★★★
C 通达性 ★★★★★
D 等待时间短 ★★★★★
E 夜间便利性 ★★★★
公交汽车 共享单车轨道交通
B
CD
E
A
A 通勤速度 ★★★★
B 节省金钱 ★★★★
C 通达性 ★★
D 等待时间短 ★★★
E 夜间便利性 ★★
A 通勤速度 ★★
B 节省金钱 ★★★★
C 通达性 ★★★
D 等待时间短 ★★
E 夜间便利性 ★
B
CD
E
A
B
CD
E
A
A 通勤速度 ★★★★
B 节省金钱 ★
C 通达性 ★★★★★
D 等待时间短 ★★★★
E 夜间便利性 ★★★★
实时打车
A 通勤速度 ★★★★
B 节省金钱 ★★
C 通达性 ★★★
D 等待时间短 ★★★★★
E 夜间便利性 ★★★★★
分时租车
B
CD
E
A
大数据 · 全洞察
资料来源：根据公开资料不完全统计
资料说明：滴滴出行作为综合性的出行平台，其业务涵盖实时打车、快车、专车和代驾等，滴滴车辆部分是公司自营、部分是社会车辆加盟
未来的共享出行将全方位地满足用户不同距离的出行需求
传统出行
新式出行
有规划的长途旅程 即时的短途旅程
专车服务
出租车
分时租车
共享单车
即时拼车
传统租车
公共交通 易到用车
一嗨租车 神州租车
嘀嗒拼车PP租车
ofo小黄车EVCARD ToGo顺风车
P2P租车
乐途租车
AVIS租车
凹凸租车 天天用车
神州专车
滴滴出行
大数据 · 全洞察
数据说明：人均出行指数会受到如EVCARD、ofo小黄车等共享出行行业领跑者的目标群体和投放策略影响。人均出行指数：不同线级城市平均出行次数/行业整体平均出行次数。
一线城市 新一线城市 二线城市 三线城市
共享单车人均出行指数
人均出行指数一线城市较高，三线城市成为共享出行的潜力市场
一线城市 新一线城市 二线城市 三线城市
实时打车人均出行指数
一线城市 新一线城市 二线城市 三线城市
分时租车出行人均出行指数
• 从人均出行频次指数来看，最先接触共享出行这种消费模式的一线城市消费者，已成为了最习惯于使用共享出行
方式的人群。总体来说，新一线和二线城市的消费者对于共享出行的方式也非常熟悉，且消费者的人均出行量差
距不大。相比之下，三线城市还有很大的市场可以去挖掘。
• 共享单车和实时打车的人均出行指数皆与城市发达程度呈正相关；而分时租车在三线城市的人均出行指数反而远
高于高线级城市，这也一定程度反映了在公共交通网络相对松散的低线级城市，亟待填补出行需求缺口。
数据来源：ofo小黄车平台数据、EVCARD平台数据、滴滴出行平台数据，城市指标参考新一线城市研究所“2017中国城市商业魅力排行榜”。
大数据 · 全洞察
缓解早晚高峰交通压力，共享出行是对公共交通的有益补充
4:00 6:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 0:00 2:00
分时租车 实时打车 共享单车
早晚高峰短距
离出行 便利城市夜间
出行
弥补深夜公共
交通的空白
早高峰 晚高峰清晨 日交通 晚交通 深夜交通
单位:时
出行时间活跃度分布
• 三种共享出行方式在不同层面对公共交通进行了有益补充。共享单车主要解决早晚高峰短距离出行的问题；实时
打车丰富且便利了城市夜生活；而分时租车弥补了深夜公共交通的空白。
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
数据来源：ofo小黄车平台数据、EVCARD平台数据、滴滴出行平台数据
大数据 · 全洞察
周末订单更集中，共享出行满足人们休闲放松的出行需求
各共享出行方式一周订单走势
• 除去节假日因素，对于三种不同的共享出行方式，其周变化趋势大体一致。周末订单量远高于工作日，其中周六
人们出行最为集中，周五作为“小周末”也出现了一个次高峰。订单量集中于周末也侧面反映了共享出行满足了
人们非工作日出行放松、娱乐的需求。
数据说明：圆形颜色深浅表示改日订单占一周订单的比例，颜色越深，占比越高
数据来源：ofo小黄车平台数据、EVCARD平台数据、滴滴出行平台数据
大数据 · 全洞察
• 以上海为例，80%的中心城区公交线路在11点之后结束运营。偏远城区如嘉定，青浦，奉贤等区县公交车结束时
间更早。相比内环公共路网的密集铺设，嘉定、奉贤等外环地区的公共交通站点分布非常稀疏。然而，对于11点
之后的上海，还有大量碎片化的出行需求暂时没有被覆盖。
城市公共交通时间和空间资源分配不均，大量碎片化出行需求亟待满足
23:0017:00
上海公交车站点分布图
表示运营中 表示结束运营
上海嘉定有555个
停 车 点 ， 2134个
EVCARD充电桩
上海奉贤有301个
停车点，1506个
EVCARD充电桩
上海公交车站点、EVCARD网点分布图
数据说明：地图灰色部分为上海公交线路，绿色部分为EVCARD充电桩
数据来源：EVCARD平台数据
大数据 · 全洞察
18311 20167 21966 23821 26004 28388
1952
2227 2476
2744 3074
3444
2013 2014 2015 2016 2017E 2018E
城镇居民可支配收入和城镇居民人均交通通信和服务类消费支出
城镇居民可支配收入（元） 城镇居民人均交通通信和服务类消费支出（元）
• 衣食住行本是消费者生活中最基本的需求，随着城镇居民的可支配收入增加，人们的消费习惯会由基础型消费向
服务型消费升级。近年，城镇居民的可支配收入以每年22%的速度增长，其中交通类支出增速更高。拥有更多元
化的出行选择后，人们潜在的出行需求被唤醒。社会经济基础日渐丰厚，人们越来越追求多元化、多层次的出行
方式，共享出行在中国的迅速发展正是经济发展、消费升级的产物。
数据来源：国家统计局
共享出行的蓬勃兴起是经济发展的必然产物，同时反映城镇居民消费升级
城镇居民人均交通通信和服务费消费支出年增长率 +12%
城镇居民可支配收入年增长率 +9%
大数据 · 全洞察
有限的资源使得能源价格走高，同时刺
激了对效率的需求，而共享出行的这种
消费模式则顺应了这种需求。
很多城市在大规模粗放扩张的过程中没
有同步匹配扩张交通基础设施，出行需
求缺口较大。然而，投资建设公共交通
网络需要很大的财政资金和时间周期。
因此，共享出行成为了城市公共交通的
潜在替补方案。
资料来源：麦肯锡分析；国家信息中心分享经济研究中心，中国互联网协会分享经济工作委员会《中国分享经济发展报告2017》
生产模式集约化、汽车行业产业链深化和资本力量助推了共享出行行业的
进一步发展
资源的稀缺性推动生产和消费向高
效能的方向发展
共享出行这一概念的背后，是一条由通讯
科技、定位技术共同深化的汽车产业链。
部分传统的汽车制造和零售企业选择提供
共享车业务来拓宽自己的业务版图和增加
自己产品的附加值。
共享出行所带来的新的商业模式也会将
整个汽车行业的收入规模再扩大30%
共享出行在中国的本土化，吸引了超过700
亿元的巨额融资和行业巨擘参与。
以共享单车行业为例，支撑整个共享出行
行业发展的是几十家投资机构和近百亿的
资本池。
共享出行行业之所以能够迅速发展，
也离不开资本的推力
大数据 · 全洞察
资料来源：根据公开资料整理
我国相关部门也对共享出行发出了支持的声音，共享出行市场潜力巨大
北京： 2017年4月，国家发改委、科技部和工信部联合发布《汽车产业中
长期发展规划》中提到将以新能源汽车和智能网联汽车为突破口，引领整
个产业转型升级，其中共享出行、个性化服务为重要方向。
2017年6月，交通运输部和住建部共同发布《关于促进汽车租赁业健康发
展的指导意见(征求意见稿)》明确提出合理确定分时租车在城市综合交通
运输体系中的定位。
上海： 2016年3月出台《新能源汽车分时租车指导意见》从政策层面鼓励
新能源汽车分时租车的发展。
南京： 2017年6月发布《关于促进汽车租赁业健康发展的指导意见（征求
意见稿）》明确指出鼓励规范分时租车汽车发展。
广州： 2017年4月，交通部门发言人称将出台相关政策支持共享汽车发展。
深圳： 深圳市发布《关于鼓励规范互联网自行车服 务的若干意见(征求意
见稿)》，旨在促进共享单车健康发展，对共享汽车类出行方式持鼓励态度。
重庆： 为共享出行项目免费提供政府管理的停车位。
• 共享出行在全球范围内经历了各国政府从保守观望到开放支持的态度。十三五期间，我国相关部门也对共享出行
发出了支持的声音。自2015年，国务院推出了一批鼓励分时租车和汽车共享等运营模式的措施。此外，上海、北
京、天津等大城市的车辆限牌政策也促使消费者选择替代出行方案，从而对共享出行市场产生了积极影响。
大数据 · 全洞察
自由化的出行需求愈发旺盛，轻资产的观念也影响着消费的本质
扩张的城市、扩大的独居群体
• EVCARD这样的新兴的共享出行方式正势如破竹般在消费者
中迅速蔓延开来，在此之前，消费者也逐渐接受并认可滴滴、
优步、ofo小黄车这样的共享模式。
• 受“轻资产”观念影响，而没必要去拥有。新一代消费人群
不再执着产品的所有权，更愿意去享受使用的过程。
• 越来越多的人认可共享的概念。共享并不是在数量上减少消
费，但是共享又的确改变了消费的本质。
从“持有”到“使用”，消费者观念在转变
• 城市在扩张，即使人口增速放缓、老龄化现象显现，可是人
口汇聚的方向都是向城市涌动。
• 城市饱受交通堵塞、噪声和污染的困扰，为此而寻求新的低
碳出行解决方案（这也是目前绝大多数亚洲城市正在面临的
严峻问题）。
• 婚育年龄的推后和更长的平均寿命使得独居现象变得更为普
遍，因而为满足个人自由出行的各项服务也应运而生。
大数据 · 全洞察
科技的进步为未来共享出行的发展提供了技术条件
资料来源：根据公开资料整理
日益成熟的新能源技术
电池和燃料电池作
为储能技术提供了
更高的用车能效、更低的
碳排放量、更多元的能耗
方式和更新的汽车设计。
轻质材料广泛应用
更结实、轻质的材
料可以在保证乘客安
全的前提下减少车辆的自重。
通信技术的快速发展
新型汽车现在都配有
车对设施和车对车等
通信装备，因此，道路上行
驶的每一辆车都可以通过传
感装备或者通信装备精确的
知道其他车辆的位置信息。
自动驾驶技术的出现
自动驾驶技术也不仅
仅出现于科幻小说。
对于这一技术而言，目前的
关键问题是究竟什么时候、
以何种方式无人驾驶才会成
为主流。
大数据 · 全洞察
北京 成都
减少车辆 149,148 116,507
减少车辆里程数
（千万公里／年） 128 101
减少汽油使用量
(万升／年） 14,568 8,819
减少CO2排量
（吨／年） 322,351 256,315
数据说明：计算方法参考Shared-Use Mobility Center Reference Guide 数据说明：碳减排计算方法参考支付宝蚂蚁森林
在保护环境的大背景下，共享出行提供了一种清洁、节能的出行选择
• 如果10%的家庭选择共享出行的方式外出，仅北京和成都两个城市减少的二氧化碳排量就相当于在阿拉善地区种
植3200多万棵梭梭树，可以固定48万亩的荒漠。
在阿拉善种一棵梭梭树需要千克
绿色能量。
大数据 · 全洞察
PART02
共享出行典型场景
大数据 · 全洞察
数据来源：滴滴出行平台数据 数据来源：ofo小黄车平台数据 数据来源：EVCARD平台数据
共享出行蓬勃发展，各分支行业成绩显著
• 实时打车成熟度最高，渗透范
围最广。
提供工作机会 1750万+
注册乘客数 约4亿+
入驻城市 400
实 时 打 车
入驻城市 24
注册会员数750,000+
总计行驶公里数 亿+
入驻城市 150
出行服务 20亿+
注册乘客数 上亿
共 享 单 车 分 时 租 车
• 共享单车覆盖场景最广，使用
频次最高。
• 分时租车的流行较晚，行业量级
小，前景广阔。
大数据 · 全洞察
4:00 6:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 0:00 2:00
分时租车 实时打车
• 目前，早高峰分时租车通勤用户大部分都居住在公共交通不算发达的近郊、远郊地区，绝大多数用户工作日上班
出发的时间相对更早，集中在7点-9点；晚高峰集中在16点-18点，且晚高峰期间订单量比早高峰高出22%。对于
交通不便上班路程长的用户来说，通过分时租车通勤是性价比较高的选择。
• 与实时打车相比，除了存在早晚高峰以外，分时租车在深夜和凌晨仍有相当的出行活跃度。
分时租车用户工作日出行更早
早高峰 晚高峰清晨 日交通 晚交通 深夜交通
单位:时
工作日出行时间活跃度分布
相比起早高峰，晚高峰
整体订单量高出22%
分
时
租
车
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
数据来源： EVCARD平台数据，滴滴出行平台数据
大数据 · 全洞察
%
%
%
%
%
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
0
5
10
15
20
25
30
用车距离 订单比例
%
%
%
%
%
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
行车速度 订单比例
• 早高峰期间，人们用车时间普遍较早，集中在早7点左右。早晚高峰受到堵车影响，分别出现当日行车车速的最低
值。EVCARD用户通勤用车距离大多在20公里左右；非早晚高峰时段的用户用车大多是更长距离的出行。
早高峰用车量少且用车速度慢，晚高峰订单量更高
工作日出行活跃度和用车速度分布 工作日出行活跃度和每单用车距离分布
订单量占比 用车速度（公里/h) 订单量占比 用车距离(公里)
分
时
租
车
数据来源：EVCARD平台数据
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量，出行时间活跃度分布算法为分时订单量/日总订单量
大数据 · 全洞察
7:00 8:00 9:00 10:00
成都 上海
• 以上海和成都的数据为例，在两城出行距离相差不大的前提下，相比成都，上海的分时租车用户在工作日出行更
早，集中在早8点以前，而成都用户出行最高峰集中在8点。考虑到交通拥堵，选择分时租车的上海用户也往往准
点下班来有意识地避开晚高峰。
为了避开拥堵，上海用户起得更早
工作日早高峰分时租车出行订单比例
16:00 17:00 18:00 19:00
成都 上海
工作日晚高峰分时租车出行订单比例
上海成都
上海、成都平均每单距离（公里）
分
时
租
车
数据来源：EVCARD平台数据
大数据 · 全洞察
• 目前，绝大多数选择用EVCARD通勤的人，公司与家的距离都大于20公里。以居住在上海嘉定马陆的上班族为例，
大多数人每天通勤市中心的距离在公里左右，在所有非私家车出行交通方式中，分时租车省时、省钱、省力。
数据说明：数据依据百度地图查询结果，早晚高峰时间损耗忽略不计
对于近郊上班族，分时租车是性价比极高的出行方式
上海嘉定马陆镇 人民广场总长：公里
耗时 花费 路线
公交车 2小时6分钟 4元 沪唐专线 → 109路
地铁出行 1小时6分钟 5元 11号线→2号线
出租车 50分钟 113元(日间)
159元(夜间)
途经：外环高速、南北高架路
分时租车 50分钟 30元 途经：外环高速、南北高架路
节
省
一
小
时
节
省
16
分
钟
节
省
近
100
元
分
时
租
车
大数据 · 全洞察
汽车型号 购买车辆花费 分时租车花费
荣威E50 元／公里 元／公里
奇瑞EQ 元／公里 元／公里
宝马i3 元／公里 元／公里
戴姆勒Smart 元／公里 元／公里
• 据数据统计，人们每年将大约10%的可支配收入花费在出行上，且这个比例会越来越高。消费者的消费理念逐渐
向“轻资产”靠拢，为减轻经济压力，他们很有可能选择分时租车来代替购买私家车。以常见的三个电动车型号
荣威E50，奇瑞EQ和宝马i3为例，选择购买车辆的每公里花费比使用分时租车至少贵元。
数据说明：假定人均年行驶距离为18000公里，年保养费用1500元，年保险费用7000元，车辆平均寿命10年；所有汽车在市内平均行驶速度为每小时60公里；购置新能源车国家、地方
补贴共54000元；油车平均油耗升/百公里，油价6元/升。
使用比拥有更划算
分
时
租
车
数据来源：汽车之家
大数据 · 全洞察
4:00 6:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 0:00 2:00
• 由于周末夜生活丰富，用户在周末的深夜用车需求比工作日更大。周末平均有%的订单发生在深夜11点至凌
晨3点之间，分时租车填补了夜间公共交通的空白，给深夜出行的周末用户提供安全便利、私密稳定的出行方式。
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
分时租车为深夜出行的用户提供了一种安全便利、私密稳定的出行方式
傍晚早晨 白天交通 晚交通
用户周末出行时间活跃度分布
深夜交通
单位:时
分
时
租
车
数据来源：EVCARD平台数据
大数据 · 全洞察
• 以上海、成都周末订单为例，上海的夜间活跃时段在17点-24点，上海人周五的夜生活更丰富，而周日选择早早
回家准备第二天的工作；相比之下，成都则是工作和娱乐两不误。
上海人周末回家更早，成都人夜生活更嗨
单位（时）
分
时
租
车
10:00
14:00
18:00
22:00
2:00
6:00
10:00
14:00
18:00
22:00
2:00
6:00
10:00
14:00
18:00
22:00
2:00
上海 成都
上海和成都两小时
生活”时差”
分时租车周末分时订单量分布（上海 vs. 成都）
周五 周六 周日
数据说明：分时订单量分布算法为分时订单量/日总订单量
数据来源：EVCARD平台数据
大数据 · 全洞察
%%
• 上海%的订单都发生在深夜到凌晨，相比之下，成都用户周末夜生活比上海用户更为丰富，深夜订单量高达
%。
成都用户周末夜生活更丰富，玩到更晚
分时租车出行周末夜间订单占比
夜间时间段：22点 – 凌晨4点
成都 上海
分
时
租
车
数据来源：EVCARD平台数据
大数据 · 全洞察
%
%
%
%
%
%
60后
70后
80后
90后
• 目前，使用分时租车的男性用户最多，是女性用户的四倍以上。其中，最喜欢通过智能设备使用分时租车的“老
司机”多为驾龄更长的80后男性。
80后男性是使用分时租车的“老司机”
分时租车用户性别、年龄分布
分
时
租
车
数据来源：EVCARD平台数据
男
女
大数据 · 全洞察
%
%
%
%
%
%
%
住宅区
公司
高等院校
购物
酒店
火车站
汽车服务
• 男性用户使用分时租车主要用于通勤目的，而女性用户的使用需求更倾向于购物、休闲娱乐。
分时租车对于男性更实用，对女性来说更具有娱乐性
男性用户分时租车目的地兴趣点 女性用户分时租车目的地兴趣点
%
%
%
%
%
%
%
住宅区
购物
公司
高等院校
休闲娱乐
汽车服务
酒店
分
时
租
车
数据来源：EVCARD平台数据
大数据 · 全洞察
• 90后用户主要出入于高等院校和住宅区，兴趣点交叉较少；
• 相较于90后，80后的出行路径更多元，其出行场景也覆盖了通勤、出差、购物、旅游等。
90后生活简单，80后出行场景更多样
90后人群出行 80后人群出行
分
时
租
车 出发点 结束点 出发点 结束点
数据来源：EVCARD平台数据，高德地图
大数据 · 全洞察
2016年12月26日 2016年12月28日 2016年12月30日 2017年1月1日 2017年1月3日
• 以王菲上海演唱会为例， 2016年12月30日凌晨演唱会结束后，周边大部分公共交通已经停止运行、出租车数量
不够，演出场馆附近的停车点车辆全部被提空，演唱会后订单量上涨超过75%。
数据来源：EVCARD平台数据
分时租车可以缓解特殊事件所引起的短时间内的交通压力
演出场馆附近分时租车停车点订单量
2016年12月30日
王菲上海演唱会
演唱会附近
网点日平均订单
演唱会结束第二天凌
晨歌迷回家
比平日订单上涨%
分
时
租
车
大数据 · 全洞察
4:00 6:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 0:00 2:00
• 对于共享单车来说，早晚高峰期间发生的订单量占当日总订单量的%，工作日的早晚上下班时间的出行高峰
明显，呈M型分布；订单高峰时段集中在早上7-9点和傍晚17-19点。
共享单车工作日出行主要集中在早晚高峰
早高峰 晚高峰清晨 日交通 晚交通 深夜交通
单位:时
共享单车工作日出行时间活跃度分布
共
享
单
车
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
数据来源：ofo小黄车平台数据
大数据 · 全洞察
7:00 8:00 9:00
工作日早高峰使用共享单车出行订单比例
一线 新一线 二线
17:00 18:00 19:00
工作日晚高峰使用共享单车出行订单比例
一线 新一线 二线
• 各线级城市早高峰的用车普遍集中于8点左右，而由于下班时间不同，晚高峰用车时间较为分散；从订单比例来看，
各线级城市对于共享单车的需求相近，40%以上的订单解决了早晚高峰的短距离出行难的问题。相比一线城市，
新一线、二线城市早高峰订单量占比低、晚高峰订单量占比高，侧面反映了较为准时的下班时间和更轻松的生活
节奏。
共享单车早高峰集中在8点，晚高峰出行时间相对分散
该时间段占
全天订单比例
共
享
单
车
%
%
%
该时间段占
全天订单比例
%
%
%
数据来源：ofo小黄车平台数据，城市指标参考新一线城市研究所 “2017中国城市商业魅力排行榜”，其中本次引用的新一线城市有成都、东莞、杭州
大数据 · 全洞察
• 工作日期间，早高峰人们的骑行速度最快，比晚高峰时段速度快了11%，比普通时段快了%。早高峰路上机
动车多，出门相对较晚的人也会逐渐放慢自己的车速。绝大部分在工作日出行的用户出行距离也集中在公里
内。
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
早晚高峰人们骑行速度最快、距离最长
%
%
%
%
%
%
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
速度 订单比例
%
%
%
%
%
%
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
用车距离 订单比例
平均每单距离：公里订单量占比
工作日出行活跃度和骑车速度分布
订单量占比 速度：米/分钟
工作日出行活跃度和每单用车距离分布
共
享
单
车
数据来源：ofo小黄车平台数据
大数据 · 全洞察
一线 新一线 二线
正常时间 早高峰 晚高峰
• 由于路况复杂，一线城市整体来说骑速较慢。通过观察早晚高峰骑速的增减幅度变化，我们大致可以感受到城市
整体的生活节奏。相比一线和新一线城市工作日早晚出行的“来去匆匆”，低线级城市的用户更倾向下班后放慢
车速，悠闲地骑行回家。相比一线、新一线城市，二线城市晚高峰车平均速度差最小，早晚高峰速度差最大。
数据来源：ofo小黄车平台数据， 城市指标参考新一线城市研究所 “2017中国城市商业魅力排行榜”
低线级城市早晚高峰骑行速度相对较慢
与正常时间相比
• 早高峰时间段: 7点 – 9点
• 晚高峰时间段: 17点 – 19点
%
%
%
% %
%
共享单车工作日平均每单出行速度（米/分钟）
共
享
单
车
大数据 · 全洞察
12:00-18:00出行高峰
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
周末 工作日
• 相比起工作日，高峰期后的订单大幅回落，周末早8点后的出行曲线呈上升趋势且更平滑。周末绝大多数用户活跃
于12点到18点的午后时间。
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
周末共享单车出行主要集中在12点至18点
用户周末出行时间活跃度分布
傍晚早晨 白天交通 晚交通 深夜交通
单位:时
共
享
单
车
数据来源：ofo小黄车平台数据
大数据 · 全洞察
• 共享单车用户的出行目的地以更“接地气”的生活服务，休闲娱乐为主。相比长途出行，短距离出行场景兴趣点
更丰富、更多元化，也满足了消费者高频且多元小微的出行需求。
共享单车的出行场景更丰富、更多元
共享单车用户出行目的地兴趣点 目的地兴趣点排名
%
%
%
%
%
%
%
%
%
%
生活休闲
购物
餐饮
公司企业
科教文化服务
住宿服务
商务住宅
交通设施服务
金融保险服务
医疗保健
出发点 结束点
共
享
单
车
数据来源：ofo小黄车平台数据，高德地图
数据说明：生活休闲包括娱乐场所、美容生活场所
大数据 · 全洞察
• 交叉各个城市商业资源指标和各个城市共享单车订单量分析可以发现，城市的商业化程度与共享单车使用率之间
呈正相关：城市商业化程度越高，共享单车使用率就越高。
数据来源： ofo小黄车平台数据，城市指标参考新一线城市研究所 “2017中国城市商业魅力排行榜”
共享单车在商业化越成熟的城市使用率越高
深圳市
上海市
北京市
昆明市兰州市
成都市
东莞市
杭州市珠海市
0
-20 0 20 40 60 80 100
共
享
单
车
使
用
率
城市商业化指数
城市商业指数与城市共享单车订单相关性
共
享
单
车
城市商业指数各指标分布
深圳市
上海市
北京市
昆明市
兰州市
成都市
东莞市
杭州市
珠海市
基础商业指数
运动积极性指数
城市规模指数
夜间活跃度指数
交通通达指数
商业核心指数
旅游意愿指数
商业资源区域
中心度指数
餐饮多样性指数
环境友好型指数
R=
数据说明：共享单车使用率和城市商业化指数相关性R=；相关性注释：|R|算法为1 完全相关，算法为<|R|<1 强相关，算法为<|R|< 中等相关，<|R|< 弱相关，|R|算
法为< 完全不相关
大数据 · 全洞察
• 作为一种年轻化的出行方式，共享单车用户男女比例较为平均，90后与80后的注册用户已占总用户的80%。
数据来源：ofo小黄车平台数据
年轻人是使用共享单车的主力军
%
%
共享单车用户性别、年龄分布
60后
%
80后
%
70后
%
共
享
单
车
男
女
90后
%
大数据 · 全洞察
80后
• 20世纪80年代至90年代自行车的盛行，使得60后普遍可以熟练使用自行车。即便是现在，60后的平均骑行速度也
快于80后和90后。骑行距离上，年近花甲的60后更注重健康和养生，骑行距离也比千禧一代略胜一筹。
数据来源：ofo小黄车平台数据
60后老当益壮，骑速最快，骑得最远
＞ ≈ >
% %
共
享
单
车
60后 80后 90后 70后
＞ ≈
%
60后 70后 ≈90后
速度
距离
米/分钟
公里/次
大数据 · 全洞察
% %
%
%
% %
空气优 空气良 轻度污染 中度污染 严重污染 重度污染
• 北京的雾霾天气占全年总天数的20%，雾霾天气视野差，为了保证出行效率和安全，北京出台了雾霾天私家车限
行政策使得很多人转乘公共交通。为了确保出行时间，很多人选择共享单车接驳公共交通。雾霾天气选择共享单
车出行的用户更多比正常天气高出38%。
雾霾天接驳公共交通，共享单车出行量不降反增
北京近300天空气质量分布
时间段：2016年6月9日-2017年4月11日
不同空气质量下的日均订单量
共
享
单
车 正常
天气
雾霾
天气
数据来源：ofo小黄车平台数据，天气网
大数据 · 全洞察
• 除北方城市雨水相对较少外，长江中下游地区和西南地区城市如上海、杭州、成都等降水比例较多。雨水天气路
面湿滑、视野受限，共享单车用户出行订单量减少49%。
雨天影响最大，共享单车出行订单减少近半
典型城市年均雨水天气占比
%
%
%
%
北京市
成都市
杭州市
上海市
共
享
单
车
典型城市特殊天气期间订单变化量
正常天气 雨水天气
-49%
数据来源：ofo小黄车平台数据，天气网
大数据 · 全洞察
数据来源：滴滴出行平台数据
与共享单车、分时租车相似，工作日实时打车出行主要集中在早晚高峰
单位:时
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
工作日出行时间活跃度分布
工作日 周末
• 使用实时打车的用户早高峰集中在8-10点，主要满足了上班族通勤的需求；而晚高峰波动不明显，从17点持续到
22点的时间区间内，都会有较为旺盛的出行需求。
实
时
打
车
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
大数据 · 全洞察
7:00 8:00 9:00 10:00
一线 新一线 二线
17:00 18:00 19:00 20:00
一线 新一线 二线
• 一线城市的用户无明显下班高峰，下班时间最不固定；相比之下，新一线城市和二线城市的用户更“朝九晚五”，
生活更为规律。相比晚高峰，人们在早高峰期间可能会选择地铁等更稳定的出行方式，避免耽误上班。结束了一
天的工作之后，人们则更愿意选择舒适、安静、直达的出行方式回家。
工作日一线城市晚高峰分散，低线级城市用户出行时间更规律
工作日早高峰使用实时打车
出行订单占比
工作日晚高峰使用实时打车
出行订单占比
%
%
%
%
%
%
一线城市 新一线城市 二线城市
早高峰 晚高峰
工作日早晚高峰使用实时打车
出行比例
实
时
打
车
数据来源：滴滴出行平台数据，城市指标参考新一线城市研究所 “2017中国城市商业魅力排行榜”，其中本次引用的新一线城市有：成都、南京、青岛、苏州、重庆
数据说明：早高峰时间段: 7点 – 10点，晚高峰时间段: 17点 – 20点
大数据 · 全洞察
• 家是港湾，对于忙碌了一天的上班族，下班后直接回家是大多数人的首选。除此以外，都市人工作日的业余生活
也有多种选择，如果没有商务应酬，不少上班族还会选择以“买买买”的方式缓解一天的疲劳。
数据来源：滴滴出行平台数据
对于忙碌了一天的上班族，下班后直接回家是大多数人的首选
直接回家%
购物% 商务应酬%
实
时
打
车
休闲
娱乐
%
餐饮
%
生活
服务
%
工作日晚高峰用户实时打车出行目的地订单占比
大数据 · 全洞察
4:00 7:00 10:00 13:00 16:00 19:00 22:00 1:00
• 相比起工作日，周末的实时打车订单不再集中于早晚高峰期，时间分布上相对均匀，绝大多数人的用车时间在10
点到22点之间。傍晚会有一个出行的小高峰，主要一部分订单来自外出游玩的游客返程用车，还有部分订单是用
户开往休闲、娱乐场所开始周末夜生活。
数据来源：滴滴出行平台数据
周末订单时间分布均匀，傍晚时分需求量大
傍晚早晨 白天交通 晚交通
实时打车用户周末出行时间活跃度分布
深夜交通
单位:时
实
时
打
车
数据说明：出行时间活跃度分布算法为分时订单量/日总订单量
大数据 · 全洞察
• 周末使用实时打车的用户集中在10点-17点出入于购物、休闲娱乐场所等区域。
图表注释：气泡大小表示订单量大小，气泡越大订单量越高；颜色深浅表示目的地兴趣点订单比例高低，颜色越深，比例越高
数据来源：滴滴出行平台数据
“买买买”是周末放松的好方式
实时打车用户周末兴趣点分布
实
时
打
车
兴趣点
单位：时
大数据 · 全洞察
数据来源：滴滴出行平台数据
实时打车消费者覆盖广，年龄分布相对均匀
实时打车用户性别、年龄分布
90后 80后 70后 60后
%
%
%
%
%%
• 实时打车作为共享出行中成熟度最高的一种形式，其用户覆盖最广，年龄分布也相对更为均匀。
实
时
打
车
男
女
大数据 · 全洞察
11月4日 11月5日
11月6日早高峰（7-10点）出租车呼叫量和订单量变化
• 用户可以为第二天做好提前计划，在遭遇到暴雪天气前一晚用户顺风车订单量比前日增加了%；
• 虽然2015年11月6日早高峰（7-10点）的出租车呼叫量较前日增加了%，但出租车的订单成交量却没有明显
变化，出租车已经无法满足恶劣天气下的巨大出行需求。
未雨绸缪，顺风车可以帮助解决恶劣天气出行难题
%
顺风车日订单量（11月4日-11月5日）
%
%
出租车呼叫量 出租车订单成交量
VS实
时
打
车
数据来源：滴滴出行平台数据
大数据 · 全洞察
PART03
共享出行带来的变化
大数据 · 全洞察
• 生活质量受制于出行条件。共享出行的发展将很大程度上削减空间阻力、弥补匮乏的出行方式，同时共享出行为
人们带来安全、便利、节约、环保且最优的出行方案。
数据来源：An Integrated Perspective of Future Mobility, McKinsey & Bloomberg
共享出行为用户提供健康、便利、节约、环保和优化的出行选择
健康和安全
•94%的车祸事故源于
人为事故，共享出行
可以很大程度上减少
交通事故所造成的人
身伤害；
•减少污染所造成的人
身伤害。
•多元的共享交通方式
为人们出行提供了最
通达便利的选择；
•分时租车和实时打车
都提供高端的出行服
务，满足人们对舒适
度的追求。
•更低的边际成本（相
比起同类交通方式，
每公里更便宜的出行
价格）；
•降低了持有单车或者
汽车的成本；
•相比其他交通方式，
省时的共享出行也节
约了时间成本。
•2030年，共享EV汽
车和共享出行模式可
以减少60%城市交通
尾气；
•减少空气污染； 氮氧
化合物和对环
境的影响也可以得到
缓解；
•节约用地，提高土地
利用率。
•共享出行普遍空载率
低，可以减少道路和
公共交通的压力；
•系统化的运营和维护
成本更低。
便利和舒适 便宜和节约 环保和节能 系统和优化
大数据 · 全洞察
有%的EVCARD分时租车网点落在距离
地铁站800米的步行范围内，为人们前往交
通不便的地区提供了很大的便利。
数据来源：ofo小黄车平台数据，EVCARD平台数据，滴滴出行平台数据
• 共享出行对于消费者来说省时、省钱、省力。在“轻资产”思想的影响下，人们的出行模式会由“一辆车解决所
有出行场景”进化到出行优先选择最理想的方式。
共享出行优化用户出行方案，普惠群众生活
工作日早晚高峰期间更是有约80%的订单行程起点
或终点在地铁站500米服务区外，为上班族通勤提
供了一种舒适、直达的出行选择。
以上海为例，全上海有30%的写字楼是在距离
地铁800m到1500m的“尴尬”距离内。使用
共享单车代步可以为每位在这个范围内办公的
上班族节省的分钟的时间。
大数据 · 全洞察
%
%
%
%
%
%
%
小于200米 200-500米 500米-1公里 1-2公里 2-5公里 5-10公里 >10公里
• %的用户骑行距离在500-1000米内；%用户骑行距离在1-2公里。在上海，每天有将近20%的共享单车
出行需求是在地铁站一公里的辐射范围内。共享单车解决了将近80%的用户“两公里范围内出行难”的需求，起
到了短距离出行和短途接驳的作用，也有效地补充了中长距离出行。
共享单车是消费者短距离出行和短途接驳的最优选择
共享单车用户出行距离分布
%
%
数据来源：ofo小黄车平台数据
来往地铁附近的订单量占比
大数据 · 全洞察
• 不同的出行距离对应不同的出行场景。以上海人民广场为中心点出发，15公里内可以辐射到顾村、森林公园、植
物园等休闲娱乐场所，25公里内可以辐射到偏远城区，35公里辐射到上海近郊区域。
从中心到远郊，分时租车满足了用户中长距离娱乐出行的需求
• 顾村
• 虹桥机场
• 共青森林公园
• 古漪园
• 上海植物园
• 迪士尼乐园
• 马陆镇
• F1赛车场
• 上海欢乐谷
• 辰山植物园
• 朱家角
• 上海野生动物园
• 金山城市沙滩
以人民广场
为城市中心
0公里 15公里
占全天总订单
%
占全天总订单
%
25公里 35公里+
占全天总订单
%
数据来源：EVCARD平台数据
大数据 · 全洞察
• 提升运力，共享出行可以提高城市总交通运输量，同时解决近10%的城市拥堵问题；多元化服务，共享出行还可
以提高城市交通的品质。在提高交通的质与量的同时，整个城市交通网络将会变得智能、清洁且共享；
• 基于不同城市经济、人口的内生性，不同城市的交通网络也会对城市产生不同的影响。
资料来源：滴滴城市一体化报告
提升运力，缓解交通拥堵，提高城市出行品质
三线城市经济起步晚，公共交通
尚未完善。共享出行在三线城市
的推广很大程度缓解出行效率低
的问题。共享出行在三线城市的
推广能够促进当地公共交通和共
享交通的合作，使得城市提出更
前卫高效的交通规划。同时，城
市内部的交通体系也会逐渐得到
改善，其改善速度很大程度上取
决于当地青少年人口比例、触网
率和生活方式等因素。
对于像佛山、石家庄这样依托一
线和新一线城市发展的二线城市，
多种共享出行方式将会进一步加
强城市自身与高线级城市之间的
联系，促进城市一体化。
共享出行在二线城市推广适逢二
线城市积极改善内部交通体系的
时期。公共交通和共享出行的加
和效应可以大幅提高城市的运输
效率，提升宜居指数。
对于像北上广深这样
人口稠密、经济发达、
交通网络密集且基础
设施较为完善的特大
型城市：中短期内，
城市会向着智能化、
电车化和系统化的方
向发展。
对于像成都、南京、青岛
这样发展迅速的新一线城
市，交通网络的扩张速度
也许滞后于城市经济的发
展速度。相较于一线城市，
这些城市在中短期内同样
会朝着智能化、电车化和
系统化的方向发展，但其
发展速度会低于一线城市。
大数据 · 全洞察
对 供 给 侧 改 革
• 汽车产业是推动新一轮科技革命和产业变革的重要力量。预计到2030年，共享出行对于GDP的净增将达到约6000亿元。目前国内市面上渗透率较高
的分时租车公司实际上部分是整车厂业务的延展，例如上汽所投资的EVCARD和戴姆勒投资的Car2Go，这些大企业的战略布局无疑会促进整个汽车
行业结构从以第一、第二产业为主导向服务引导型转移，深远影响企业的供给侧改革。
• 各共享单车企业分别与传统自行车厂合作。其中ofo小黄车与凤凰、飞鸽等10余家传统自行车企业合作，占据超过全球50%自行车产业链产能。
对 就 业 和 收 入
• 就业是最大的民生，也是经济发展最基本的支撑。在经济下行压力加大的形势下，共享出行对于缓解就业压力作用明显，能有效提升经济活力。预计
到2030年，共享出行行业累计新增就业将达到1700万。
对 促 进 消 费
• 共享出行的出现激活了消费者由于公共交通不便而被抑制的出行需求。在金融危机后全球经济缓慢复苏的大环境下，共享出行作为新消费模式顺应消
费升级规律，也起到了以消费带动经济增长的作用。
• 共享出行行业既是新兴服务业，也是汽车制造业的扩张与延伸。出行行业的典范转变，加上像EVCARD这样新的
市场进入者，将毫无疑问地促使传统汽车制造行业向多条战线布局。
数据来源：麦肯锡分析
推动共享出行在本质上对于拉动本国经济、解决就业和提高收入和促进国
民消费都有积极的影响
大数据 · 全洞察
PART04
共享出行的未来
大数据 · 全洞察
•以互联网与汽车产业深度融
合的共享出行为主要方向，
促进汽车产品生命周期绿色
化发展。
政策方针
•提供新能源汽车购车补贴，
并提出将进一步健全配套政
策措施，实行停车费优惠，
为分时租车车辆创造条件，
提供便利。
补贴措施
•《汽车产业中长期发展规划》
•《关于促进汽车租赁业健康
发展的指导意见（征求意见
稿）》
代表性
文件
•早晚高峰短距离出行；快捷
舒适的通勤方式；弥补郊区，
深夜公共交通的空白等。
代表性场景
需求
•从“拥有”到“共享使用”，
比起购买私家车，人们逐渐
偏向选择花费更低、更加环
保的共享出行方式。
全新的消费
文化
•线上购物和在线支付的普及
下，年轻人已经习惯了更加
便捷的智能服务。
服务型的消
费需求
•进一步降低电池成本，提
高电动车的里程，电动车
在交通体系中会占有更高
的比例。
新能源汽车
技术
•分时租车市场的延展空间，
用户可享受自动专车服务，
企业可以实现自动调度。
无人驾驶
技术
•与用户的交互将更加高效
便捷，提升共享出行产品
的用户体验。
互联网技术
和智能技术
• 政府对共享出行尤其是新能源汽车分时租车的鼓励态度，消费升级后更加多样的出行需求，以及以新能源汽车技
术为代表的科技发展将进一步推动共享出行模式动态、持续地发展。
共享出行在未来十年内将会加速发展
政策扶持 消费者需求 科技推动
大数据 · 全洞察
共享出行时代：
传统租车服务
•服务流程主要基于线下，
耗时长，手续繁琐
•站点取车换车
•商业核心：出租车辆换取
收入
共享出行时代：多样、智能的
服务方式
•以智能手机应用为服务载体，交互高效快捷
•轻资产模式开始出现
•无站点，随时借还的模式开始出现
•商业核心：给消费者提供细分场景下的最佳出
行方案
共享出行时代：
无缝、高效、集成式
的城市出行模型
•线上的一站式出行平台可以
满足多种出行需求，服务生活
中每一类出行场景
•共享出行和公共交通的完美
整合
共享出行的未来发展趋势
car2go EVCARD ofo小黄车滴滴出行AVIS租车 神州租车一嗨租车
201520081946
PP租车
• 从传统的售卖、租赁到提供每个细分场景下最佳出行方案，再到综合性出行平台的出现，未来的共享出行模式将
提供集成式的多样出行服务。
跨城公共交通：飞机，长途大巴等
城市公共交通：出租车，
公交车，地铁等
共享出行：
分时租车 共享单车 P2P租车
传统租车 即时拼车 顺风车 专车服务……
大数据 · 全洞察
出行方式 小于1公里的微小场景
1-2公里的短
途出行
2-5公里的城
内出行
5-20公里的
中短途出行
20-50公里的
中途出行
50-100公里
的中长途出行
100公里以上
的长途出行
公交车 √ √ √ √
出租车 √ √ √ √ √ √
地铁 √ √ √ √
分时租车 √ √ √ √
共享单车 √ √ √ √
即时拼车 √ √ √ √
专车服务 √ √ √ √ √
P2P租车 √ √ √ √
传统租车 √ √ √ √
跨城顺风车 √ √ √
长途大巴 √ √ √
火车 √ √ √
飞机 √
• 共享出行配合公共交通所形成的全新的、交通体系，能够全面覆盖消费者大部分的出行需求。对于消费者来说，
未来的出行可以是一站式的点到点的移动，也可以是多种方式组合形成的最优出行方式。
新交通系统覆盖所有出行场景，造福消费者
大数据 · 全洞察
• 本报告以共享单车、分时租车和实时打车三种主流的共享出行方式为切入点，探讨目前我国共享出行模式如何逐
渐改变消费者的生活和出行习惯。
• 三个共享出行细分行业的数据来源：分时租车数据取自EVCARD平台，共享单车数据取自ofo小黄车平台，实时
打车数据取自滴滴出行平台。
• 分时租车数据来自上海、广州、南京、成都等20所城市的数据，数据提取的时间为2017年1月到5月。
• 共享单车数据来自上海、北京、成都、深圳等9所城市的数据，数据提取的时间为2016年10月到2017年4月。其
中，非智能锁自行车的行驶距离为手机app开始、结束两点之间的距离；智能锁自行车的行驶距离为自行车开始、
结束行驶两点之间的距离。
• 实时打车数据来自北京、上海、广州、成都等10所城市的数据，数据提取的时间为2017年4月。
• 报告中所提到的城市线级划分、各个城市的商业指数参考新一线城市研究所“2017中国城市商业魅力排行榜”划
分标准。
数据说明
大数据 · 全洞察
第一财经商业数据中心介绍：
第一财经商业数据中心（CBNData）是集数据可视化、商业分析报告、数据自动化终端于一体的战略数据平台，以阿里巴巴
的商业数据库为基础，输出产业经济全景分析和行业企业深刻洞察的数据产品，全面满足商业世界的数据刚需。CBNData以
专业数据报告为核心产品，同时通过数据活动、数据电商培训、数据营销产品等构建数据整合营销传播体系，通过整合中国
最大财经媒体集团的优势资源，以媒体加数据的倍增效应，全面提升中国商业世界运行效率。自2015年12月以来，第一财经
商业数据中心（CBNData）已经连续发布100余份商业数据报告，已在商业数据领域建立品牌优势。
报告作者：李安然、洪蕾、张雪涵
视觉设计：邹文佳
联系我们：Data@
商务合作：BD@
加入我们：job@
大数据 · 全洞察
大数据 · 全洞察
