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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06