我们可以说是在风口浪尖上，赶上了一个大数据技术革新的时代。我们在数据管理上，以运营数据以及物联网数据为主进行了一个融合性的处理，形成我们的大数据动力平台。我们通过统计报表分析、机器学习、人工智能等方式，把大数据应用领域里的设备运维、车辆保养等数据共享给我们的合作伙伴。

在去年，针对电动汽车的使用者，我们从职业、日均行驶里程、关注点及充电频度四个角度，对充电人群进行了深入研究。职业上，我们收集了专车司机、公交车司机、出租车司机，也涵盖了企事业单位、个体经营、服务业、工人、自由职业者等。日均行驶里程，我主要统计了20公里之内、20～50公里，50～100公里、100公里以上。充电频度，有的人有续航恐惧，要一天一充；有的人悠哉游哉，就三天一充，甚至更长的时间。充电时，我们考察了安全、价格、速度、位置这几个维度。

我们做了一个关于用户的大数据画像分析。这样，通过对用户画像的数据分析，我们能看出来，日均行驶里程的数据及位置决定了我们充电桩的布局。充电频度的诉求，决定了我们对快充、慢充的投入比例。安全第一，还是价格第一，这决定了我们的技术研发方向的发力点。

有了这些基本的内容，结合实际发展情况，通过机器学习以及复杂的模式算法，我们就有了比较准确的数字，来指导我们的电站建设。

我们做了一个模拟青岛市电站建设热度的概况图，结合青岛六个区的情况，预测出来的特来电指数结论是，对于将来的建设方向，应该继续向人口密度大、经济条件较好的市南区、市北区倾斜。……