京公网安备 11010802034615号
经营许可证编号:京B2-20210330
福特公司CEO Mark Fields在CES 2015展会上的主题演讲可谓光芒四射,他阐述了这家老牌汽车厂商如何在传统业务之外、以数据分析为契机取得一系列辉煌成就。换句话来说,福特为我们树立了良好的典型,证明了如今每一家企业都可以转化为技术厂商。
福特所面临的挑战在于通过多种不同类型的移动技术实验从车辆及人员身上收集数据,而后以此为基础考量怎样构建起新的业务方案。在可能性方面,Fields谈到了车辆质量、保险费用、汽车共享、交通分析以及社会问题等潜在发展方向。
“我们的路线图不能仅仅包含智能化汽车,还应该囊括智能化道路与智能化城市,”Fields指出。
福特公司CEO Fields探讨汽车制造商在大数据方面的实验性尝试福特公司公布的计划包括以下几点:
1. 短期之内利用25个实验性项目收集包括汽车共享、车辆情报、驾驶模式、停车应用以及保险等方面在内的各类数据。这些数据均来源于消费者及志愿者。福特公司希望能够以更具前瞻性的视角进行项目规划,而不仅满足于人们早已听说的机器人汽车等领域——虽然福特在这方面也制定了庞大的发展规划——这一切都将以数据作为基础以及资源。福特公司希望“在未来十年及其后构建起一套全新的交通模式与移动解决方案。”
2. 再来看需要实现的中期目标。以上述数据为起点,福特公司计划进一步扩大自动化汽车与相关应用程序的开发力度,从而保证其产品能够在多种交通系统之间应对自如。
3. 长期发展目标则是在城市移动技术领域占得优势地位。福特公司希望能够切实将各类交通系统加以整合,并将自动化功能推广至普通民众。不出意外,福特的实验项目选择了印度与中国作为实验地。福特的胜利则代表着新兴市场与中产阶级购车群体的崛起。
“此类信息能够帮助我们了解人们如何活动,并以绝大多数客户无法企及的宏观高度对其中的模式加以剖析,”Fields解释道。“今天的汽车已经能够产生大量数据,其每小时信息生成量就已经超过了25GB。”
围绕这一发展路线图的展开的多项实验为我们在多个方面带来值得关注的启示。在一项实验中,福特公司利用由车载传感装置收集到的数据研究总计两百名志愿员工的驾驶习惯,旨在对车辆作出针对性优化。另一项实验则是汇总大量评估数据,从而衡量驾驶者在长时间内的安全行驶状况、最终达到降低保险费用的目标。福特方面还从其它多种角度出发作出尝试,包括车辆共享以及便捷停车等等。
福特的尝试与努力能够带来以下收益:
• 在硬件产品制造商之外为福特谋得新的市场定位。
• 将该公司提升为一家服务供应商。
• 为将福特塑造成值得信赖的品牌构建良性发展循环。
• 随着时间推移带来额外营收资金流。也许福特能够凭借此类数据帮助保险企业对驾驶员的过往记录作出评估,而后者需要向福特方面支付数据使用费。
Fields强调称,福特公司的信息收集项目皆为可选方案,而参与其中的客户则能够持续通过相关数据获取到服务与实际收益。
但接下来才是最麻烦的问题……
我们不能指责福特的野心过于激进。这家汽车制造商领先于整个业界推出了其Sync系统,同时已经打造出了其信息系统的第三个版本。
但福特很明显并不满足于单纯将着眼点放在车辆范畴之内。福特公司希望成为汽车行业中的苹果,他们打算出售的并不仅仅是硬件或者软件,而是在硬件与软件之间所衍生出的集成化与智能化成果。
美中不足的是,福特公司需要面临的数据总量过于庞大、很可能出现超载状况。TechRepublic的Jason Hiner去年撰写了一篇题为《福特如何在转型为软件供应商的道路上前行》的文章。Hiner在文中写道:
福特在收集并处理大数据、并利用其增强自身业务方面一直走在整个行业的前沿。不过就目前来看,福特希望能够像谷歌、Amazon以及Facebook等纯技术厂商那样利用同样的方式运用大数据——旨在对用户体验进行简化与定制。
虽然福特有能力构建起数据分析所必需的后端系统以及工具,但真正的难点在于从问题惊人的信息池当中汇总出分析结论。福特需要对企业文化加以转变,并在招揽数据科学家人才的同时酝酿出潜在的新型解决方案。毕竟客户与车辆之间的关系是种内在的情绪化因素,此类人为因素的介入可能会让驾驶者与车辆产生意料之外的关联。
福特方面未来将很可能需要考量“富数据”在实验当中所扮演的重要角色。TechRepublic的Mary Shacklett在报道中表示:
富数据的深层次概念在于,我们并不能始终依靠数值计算与算法来对客户的全方位体验加以概括,或者是将任何人为活动乃至可能出现的意料外因素囊括在其中。
换句话来说,福特公司的既定目标实际上是在对人类行为进行统计与分析。人们在找不到停车位时,会做出怎样的反应?福特该如何对此类反应作出预计?而这些数据对于车辆设计工作又意味着什么?
总结陈词:福特公司面临的挑战是为大数据与分析同用户体验之间找到一条沟通的纽带。谷歌、Amazon乃至Facebook都在致力于改善用户体验,这项工作与汽车设计及制造可以说是风马牛不相及。考虑到这一点,我们期待看到福特在未来几年中会如何一步步推进自己的这项宏伟发展目标。
End.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26