大数据教父空降中国 传道汽车业大数据变革

大数据研究先河之作《大数据时代》的作者维克托·迈尔·舍恩伯格近日出现在2013广州点金展，作为“美赛达”汽车后市场新商业模式论坛嘉宾，这位有着“大数据商业应用第一人”之称的殿堂级人物阐述了大数据之于汽车的现实意义。 　　维克托·迈尔·舍恩伯格：《大数据时代》作者，现任牛津大学网络学院互联网治理与监管专业教授。 　　大数据与小数据 　　汽车销售最重要的是联结供求关系。在传统的销售模式中，汽车厂商通过广告等各种销售技巧把车卖出去，最后会发现总有卖不完的库存，总有一些目标消费者没有购买汽车，因为没有人知道这些顾客需要什么，生产的车型没能满足他们的需求。 　　这个矛盾该如何解决？几乎所有企业都尝试过降价促销，虽然这种做法在刺激销售的过程中也降低了利润，企业却并无它路。因为没有数据就无法对顾客需求进行分析。当然，企业可以走出去问消费者“你们需要什么？”，可以做访谈、问卷调查，但这是小数据，而且很多时候小型数据是错误的数据，与没有数据并无二致。 　　在大数据时代，这种盲目的运营模式被完全颠覆。我们知道顾客需要什么，并且最终能将客户需要的因素融合到生产的汽车当中，最终生产的每一辆汽车都能卖出去，每一个消费者都可以买到自己心仪的汽车。 　　要实现这一愿景，关键在于数据的搜集，以及在此基础上进行的大数据分析，这和小数据分析截然不同。在维克托眼中，大数据有三样区别于小数据的特质：大量、混乱、相关性。 　　大量——更多数据带来的是对消费者更精准的需求把握； 　　混乱——用较少的成本、资金即可获得大量、混乱的数据，即便因数据的不准确可能得出不正确的分析结果，但这最终导向大数据的第三个特质； 　　相关性——数据之间或者两个事物之间必然存在相关性，这种相关性告诉我们事物正在发生变化，而并非导出发生变化的原因。 　　作为数据研究的前瞻性学者，维克托的独特之处恰在于此：将着眼点投放于数据之间的“关联关系”而非“因果关系”，认为大数据的核心就是预测。 　　这种特性的大数据放置于汽车行业，会发生哪些碰撞呢？ 　　1、有意义的选择 　　传统购车程序中，人们根据颜色、外观、引擎甚至安全性、豪华与否等角度选择，而对那些“不知道自己要什么”的消费者来讲，一个甚至几个类似“空间更大？”“座位更大？”的固定问题并不能真正戳中心房。 　　这时候，必须要知道每一位消费者的自身需求，提供更多选择的可能性。通过数以百万计的选项，满足每一个细项需求。真正的了解消费者，知道他们想要什么，而不是为什么。这些基于了解之上的需求选项比苦苦追问“为什么选这个”要有意义的多。 　　2、灵活的生产 　　通过大数据的统计知道消费者需要什么，按照偏好生产，与市场需求灵活匹配。 　　对现在的汽车生产商来说，他们清楚要做什么，但是要做到灵活的调整生产方式就有些难度了。了解—分析—供需匹配—提升销售，这一闭环的更迭速度基于对消费市场大数据的精准把握。 　　大数据如何改变汽车业？ 　　过去的汽车行业变革，可以归纳为更大的引擎、更快的速度、更少的燃油。基于大数据的变革却显而易见：和数据有关的改善——改善生产流程、商业思维、汽车生活。 　　1、汽车内部装置的改变 　　我们可以大胆设想这样的场景：车内系统自动采集驾驶者的驾驶习惯信息，为不同的驾驶者匹配不同的汽车设置；夜晚疲劳驾车时，驾驶者坐姿发生改变，车内会自动发出警告；又或者通过指纹识别车主、启动车辆等。这都是大数据的应用案例，有些已经应用在现在的汽车当中。 　　2、汽车生产思维的改变 　　流动性数据不断地产生，通过车内感应器对数据收集、传送，可以对可能出现的零部件故障、隐患进行及时的处理。一方面有利于解决汽车安全隐患，另一方面将帮助汽车品质的更新换代，提升产品的设计和构造。 　　维克托在论坛上谈到了二个案例。首先是劳斯莱斯，作为一家生产豪华车的公司，劳斯莱斯也是世界上第二大航空引擎制造商，并且已经变成一个大数据公司。通过在每一个喷气式飞机的引擎上建立测量、采集的数据中心，劳斯莱斯可以预测引擎的哪一个部件可能会发生故障。比如通过声音、振动的改变，提前在故障发生之前更换飞机引擎某些零部件，避免发生空难的可能。 　　另一个案例则是关于世界上最大的物流公司之一UPS。UPS有6万辆汽车进行运输工作，UPS在汽车里安装了传感器，将所有数据收集起来进行大数据分析，提高汽车的导航系统和物流线路布局，并且在去年节省了约5千万公里的里程。 　　3、出行需求的完美方案 　　汽车作为人类梦想的现实化身，它的出现解决了人类的移动需求。过去的汽车或许更多的是跟引擎的转动、机械的轰鸣相关，而大数据时代的汽车，则更多的考虑人类目前最迫切的需求——完美的出行解决方案。 　　依据整个生态系统制定出行方案，对蜗居都市的用车人群十分必要：在闹市区找到一个停车位，在上下班高峰期实时避开拥堵路段，在汽车的指引下找到最便捷的餐馆、加油站等。 　　通过对数据的有效利用影响未来发展格局：对新能源汽车来讲，通过数据模型分析城市内充电设备等基础设施的布局地点、使用结点，合理建设道路辅助设施；对无人驾驶汽车来讲，将车辆自身的数据收集能力、后台计算能力与整个出行生态系统实时匹配、整合、反馈，达成技术实现的可能。 　　车云小结： 　　互联网时代，生活似乎日益变得复杂。而大数据的任务就是通过技术后台的力量，将前端使用者从这些琐碎中解放出来，打造简单、直接、便捷的汽车生活。这不仅需要一辆汽车，还需要满足大数据的需求，才能从根本上改变我们销售汽车的方式，改善汽车的设计，在这个移动的封闭世界中，想你所想，做到真正的人车合一。