京公网安备 11010802034615号
经营许可证编号:京B2-20210330
汽车行业是否也能借大数据之势将数据变现
互联网与智能化进程为汽车带来的改变影响深远,而其中最为重要的一个组成部分,就是数据。更确切地说,「如何利用数据」这一命题给汽车行业带来了很大的变化。
一方面,它催生了一系列围绕「数据」做文章、提供产品与服务的新角色,包括数据分析平台等工具的提供者、TSP,以及因此而带来新商业模式的探讨——如何将数据变现。
另一方面,在这些新角色以及美好前景的冲击之下,将会引起产业链上一些原有角色「身份」的变化。
数据带来的「身份」变化
从数据的产生过程可以将其大致分为两类:
一类是车辆的使用数据,包括车辆本身的各类状态、车主的驾驶行为以及维护保养等相关信息,这类数据更多是反应产品状态,包括现状与被使用情况;
一类则是车主在使用车辆过程中,产生的一些与车辆状态关系不太大而与车主本人关系更大的一类数据,比如车辆的位置数据,从一段时间的位置变化中可以充分了解到这个人的情况,在哪里工作、爱吃什么风格的菜肴、是不是爱旅游等等;再比如车主的联网服务相关数据,目前的联网服务大多与音乐、视频等内容或者维护保养等息息相关,又或者是出行相关的路况信息等数据。
当然,这两类数据可以说是一直存在的。但是不能联网的汽车,就如同早前的功能机一样,是信息的孤岛,不仅是没有有效的途径可供于信息的传达,也因为在制造与售后过程中产生的大量数据,由整车厂与售后服务提供者所把持。而未来,是否能够掌控与充分利用这两类数据,随着车联网与智能化进程的愈加深入,也将更加能够反应出一个汽车主机厂的竞争力。
以手机为例,异军突起的iPhone除了本身在设计与功能上的创新之外,其强大的App Store也出了不少力,甚至对于部分用户来说,App Store才是iPhone的本体。君不见无论是苹果或谷歌,还是国内的小米、华为等,都开始走向「得开发者得天下」的路线了么?而且这一现象也蔓延到了汽车界,福特与通用都在使出浑身解数来吸引开发者。
与手机不同的地方在于,汽车本身的「交通工具」这一属性不可忽视与替代,因而与数据相关的各类服务、内容提供,更多是锦上添花,但是这朵「花」却十分关键。一个很能说明问题的事实是,德国三巨头ABB与美国的福特,都已经公开表示将转型成为一家「服务提供商」。
数据究竟能够干什么?
既然问题的关键在于「如何利用数据」,那么数据究竟能够做什么呢?如果按照因数据而受益的角色与使用场景不同,可以将其对应到三个方面。
1.车辆营销与产品改善
在汽车电商开始兴起的时候,对于传统4S店的诟病就没有停止过,其中一个很有力的论证在于,传统4S店本身应该是作为车企与终端消费者之间的纽带,并承担起汽车销售之后的维护工作,但是从4S店到车企的反馈循环一直以来的效果并不明显。
在车联网出现之后,车企就有了更多的选择,根据车辆使用过程中的数据可以产生用户画像,从而知道已有人群与设定目标人群是否存在偏差、当下车主人群的用车习惯对于车辆需求等,这些数据可以反过来作用到营销上,从而进行针对性地精准营销。
产品改善同样如此。以往的产品反馈均来自于4S店的售后,但是国内消费者往往在保修期之后,并没有选择在4S店进行维修保养,从而导致车辆维护信息不全难以全面掌控。在车联网的状态下,车辆本身的数据则不必再依靠「4S店——车企」这一路线,车企可以通过车辆本身的各类传感器更加预先知道车辆的状态。更深层次的,通过更加全面的大数据分析,得到车辆易发故障、油耗水平等相关结论,也形成了一个闭环反馈。
而随着自动驾驶研究的深入,数据在其中也起到一个相当重要的作用。特斯拉即是通过这种方式,在开发高速公路的自动驾驶功能时,分析了特斯拉车主过去18个月累计7.8亿英里的行驶数据。而随着数据收集的持续进行,未来自动驾驶相关功能的开发均将受益。
另外一个受益的产品是地图。在此之前,地图的采集是通过图商的采集车来进行,而现在丰田、Mobileye和大陆等在推出高清地图产品时,均不约而同地采取了「众包」的方式,其数据来源即是每一个使用其产品的车辆。传统图商在这种情况下,也开始与车企进行相关合作,HERE已经开始联合车企制定相关接口标准,百度也已经与车企进行相关合作,并与长安签署了战略合作协议。在这种模式下,车企也变相成为了受益人。
2.出行
作为交通工具,汽车无可避免与出行息息相关。
在出行服务中,路况信息与停车位信息是刚需,也是现在最为热门的两项服务。如果涉及到新能源汽车,还将涵盖充电桩、充电站的信息提供。在国内,路况信息被几家巨头瓜分市场,而停车位、充电桩信息更加受到创业者的青睐。
目前推出的新能源车基本会提供充电桩查询服务,而国内的停车位信息目前更多是通过移动端提供服务,第一个表明要整合到汽车上的,是福特。福特在今年6月份宣布将与丁丁停车合作,将其客户端整合到SYNC 3上,让福特车主能够通过车辆来查询停车位相关信息。要注意到的是,宝马、大众等汽车品牌,在海外已经与服务供应商合作,开始在车内提供停车位查询等服务。
3.后市场服务
日常使用、维护保养、配件(包含诸如智能后视镜等后装产品)、二手车等领域,都是数据大有用武之地的地方,不过具体到每一个领域,都存在不同的问题。
以二手车为例,如何准备获取到一辆车的使用与维护保养信息,还没有一个相对完善与标准化的体系,也造成了现在鱼龙混杂的现场。无法绕开的话题是,如果是车企自己出马来做相关工作,手握数据将是一个很大的优势。目前也有一些汽车品牌相继推出了品牌的二手车服务,如奥迪、沃尔沃。
车企与供应商的应对之举
在看到数据能够带来的价值之后,汽车行业就开始了一场无形的较量,那就是关于数据的所有权与使用权。现在这场无形的较量还没有最终结束,但是其结果已经慢慢可以预见,参与较量双方都开始做出让步,车企逐渐开始接受将要产生的变化并先一步做好转型准备,以更加开放的状态去应对,而服务、内容提供商们态度也变得平和,不再动辄言必称「颠覆」,也表示出了愿意“合作共赢”的迹象。
1.ABB
ABB这三家公司公开表示要向服务提供商转型,是在去年的法兰克福车展上。而在车展之前,三家公司其实已经用行动证明了这一点:三家公司合作,共同以28亿欧元的价格,买下了HERE地图。
此前,宝马还投资了一家叫车公司Summon、车队管理公司RideCell,提供停车位信息的公司Zirx,提供公共交通系统信息的Moovit,以及指导如何更加安全开车的Zendrive。
奥迪似乎因为大多数精力都放到了自动驾驶,因而瞄准了智能交通领域。去年11月,奥迪与美国马萨诸塞州萨默维尔市达成合作,将为后者打造智能城市交通系统,为萨默维尔市开发新的城市移动战略。
2.福特
作为最早表现出要转型意向的福特,在这个领域也是布局已久,如果要说的话,可以追溯到SDL平台的发布。在2015年9月,福特的第二届开发者大会上,福特又被这个平台增加了一个砝码:给予开发者更多的「权限」。不仅允许通过App直接进行信息推送,支持云端语音控制,还允许其接入车辆传感器数据,包括位置信息、车辆状态与驾驶状态。而一旦车辆传感器数据开放,对于开发者来说就大有可为。
3.PSA
标致雪铁龙在这方面相比其他公司要低调很多,不过在去年的TechCrunch北京2015国际创新峰会上,标致雪铁龙正式介绍了Car Easy App这一项目。
据标致雪铁龙集团中国车联网事业部负责人谷彩琳介绍,这款产品要解决汽车与手机设备之间数据通讯标准化的问题。Car Easy Apps想要扮演的角色,是一个开发平台,在目前市场上各类车机系统之外添加一个统一封装,为开发者提供一个标准化的数据接口。车机和手机端嵌入Car Easy Apps的代码, 就能省时省力地实现车机与手机间数据通讯。
这样做的好处是,车企无需直接让开发者接触系统的API,提供车辆数据时的安全性也更高一些。而开发者不必同时了解各个系统的数据提取方式,只要学习Car Easy Apps的调用法则就能完成编程。之所以这样做,标致雪铁龙的目的也很明显,提供什么数据,由主机厂说了算。
4.大陆
大陆是最早表明要开始在车主服务领域有所作为的综合供应商。去年大陆集团的车身电子部门下面新增了一个是事业部——ITS(Intelligent Transportation Systems,智能交通系统)事业部。ITS事业部现今在美国硅谷、德国慕尼黑以及中国上海分别设立分处,三个地点各司其职。虽然名为智能交通,但是ITS事业部的工作中,有很重要的一项,是与车主服务相关。ITS事业部中国团队当前的开发对象就是Big Data Services(大数据服务)。
大陆会开发一个全球公用的数据收集与分发平台,同时针对前后装市场,可以针对不同品牌提供的硬件设备(TCU、OBD等)进行数据收集工作。
平台从车辆收集到的数据之后,其使用者并不是大陆,而是第三方,诸如经销商、保险公司、车队管理者、二手车平台等等。说到这里,想必大家对于这个平台的用途就能够了然了。现在在CRM、UBI、二手车以及车队管理等都有不少的创业公司兴起,大陆则是希望通过这个平台来为消费者提供服务。
车云小结
除了上面提到的之外,更多的车企或者供应商可能并没有发布战略规划,但也在涉足。比如捷豹路虎,就联合博世及汽车保险业务Direct Line Group为投资金额达550万英镑的UK-CITE(英国联网智能交通系统)项目提供路测数据。
在这种大环境下,车企、供应商、服务提供商、车主之间的角色也在发生变化,相互之间的冲击与合作,会让这个有关数据与服务的游戏变得越来越有意思。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16