作为一个喜欢数据分析的人（比如：看着车牌都要计算3x8=24以及拿几张车牌拼在一起算麻将听牌组合），生活中处处皆分析、处处皆数据、处处皆算法。然而这常常被人称之为心机婊，其实我觉得叫做数据婊稍微科幻和可爱一些。因此特开一个系列讲述平时生活中常遇到的一些用数据分析的思路去解决一些难题，提前剧透一些，会涉及到：买车、排队、占座等等大俗之物。第一集从买车开始。

案例1

下面是朋友让我看的一台二手车，牧马人2013版，在某大型二手车平台售价37.5万。动人心魄的是：平台提供专业的人盯人服务及售后保障，只卖14天内上传的车源（因生意太好），因为急售所以价格优惠。

我一看上图就呵呵了。现在是2016年2月底的北京，而图片中背景正处于银杏叶变黄的时候，查过维基百科等专业资料后发现，北京在11月上旬完成树叶由绿转黄的过程。所以说这台车源最晚的上传时间是2015年11月上旬，距离现在应该至少也有近4个月。

案例2

这是朋友看中的另一款车，宝马5系，35万（不得不说这位朋友有点土豪）。

我一看上图又呵呵了。根据图片的背景不难发现地面上以及植被上的积雪，基本可以判断这是下雪中或者初晴，于是我去天气网站（北京历史天气查询）查询了一下北京的天气，真正下雪而产生积雪的最近一次发生在2015年11月22日，所以这台车源依旧至少是3个月以前的。

案例3

结果这位朋友又跑到其他的二手车平台看宝马3系了，找到放在首页力推的一辆车。而且电话接通，销售也力荐这款头牌车，号称刚刚上架，再不下手就没有了，好多买家都相中这辆车准备交定金。

看起来还真不错哟，不过看到下图的时候又呵呵了。

随便选取一天北京的24小时气温图，可发现最高温度就出现在13点-14点左右。

再次查阅北京的天气纪录发现，最近一次最高气温低于-6.5度是在2016年1月23日。所以这是一辆一个多月以前上架的车。

总结

考虑到二手车买卖就是资本生意，3-4个月的库存车对于卖方的经济损失大概等于：35-40万x 18% x 3-4/12 = ~2万（其中18%是这个行业比较正常的借款利率）或者5-6%的maolil。不管是B2C还是C2C，这个成本最后肯定是要卖家来扛得。这种情况下，肯定谈不上新鲜上架价格优惠。况且，如果一个车4个月都还没出手，数学有个概念叫做各态历经，如果这么多人看过这台车都还没出手，是不是也容易有点买卖双方匹配的系统性问题？