盘点：车联网、大数据与钱

    时至今日，几乎所有路上跑着的汽车都在产生难以置信的庞大数据量。从轮胎气压，到发动机转速，到油温和速度，在传感器的监测之下，汽车每小时能产生5-250GB的数据。

    高级概念车产生的数据更多，如谷歌的无人驾驶汽车每秒产生约1G的数据。这相当于每秒发送20万封纯文本电子邮件或用电脑上传100张高清数码相片。

    当然，从数据洞察角度来看，收到一千条传感器发来的“轮胎压力正常！”消息，没有实际的长期价值。所以汽车厂商们也不会费心去把这些数据存储在汽车中或云端。但考虑到如今路上跑着数以亿计的汽车，如果每一辆车都产生一丁点有价值的数据，就会发现一个崭新的天地，你就会明白汽车厂商对大数据感兴趣是理所当然的了。

    然而，关于汽车大数据及其潜力，目前还是说的多，做的少。把每月真正有价值的GB级数据提取出来，并搞清楚其潜在用途，才是大数据面临的挑战。

    大数据：神秘的后花园

    让我们抛开大数据分析的技术障碍不谈（下文将具体讨论），先从汽车厂商的角度看看大数据带来了什么。

    1. 降低保修成本

    从最简单的层面来看，有效处理大数据能帮助汽车厂商更快、更经济地发现并处理整个汽车系统中的问题。假设某车有一个天气预报的应用。这天，车主坐进车里，发现应用出故障了，还显示着周末时的晴朗天气，而实际上已经是周一，并且阴云密布快要下雨了。

    在没有大数据之前，如果这个故障一直存在，车主只能去经销商那里解决这个问题，如果这个问题很严重，比如说信息娱乐系统失灵导致发动机故障，就可能导致召回，汽车厂商将承担巨额成本，也给消费者带来不便和失望。

    而大数据不必在阴天的星期一早上为车主做任何事。它要做的是，让汽车厂商能够查看该问题仅发生在特定区域，还是所有区域都存在普遍问题。此外，它还允许汽车厂商检测是否是特定的活动序列或故障导致了失灵，而不需要召回所有有故障的车辆或等车辆到经销商那里后再解决。在刚才的例子中，也许车主先切换了互联网广播的频道，然后打开天气应用，由于这两个应用冲突，导致了系统故障。

    大数据和预测分析有助于实现更快的预防措施，只需通过简单的无线软件更新、在经销商处进行日常车辆保养时小修、或只需召回很少一部分由于使用习惯而造成问题的车辆。

    2. 推广增值服务

    大数据还带来了其他更多的可能性，其中许多方法都远比“等故障发生了我们再赶紧去缓解问题”更具前瞻性。

    车主在用车过程中，有些功能可能从来没有被用过，而有些功能被频繁使用。通过大数据，汽车厂商就能更好地了解消费者实际上如何使用他们的产品以及有何偏好，据此改进产品，更好地提供个性化服务，并进一步对消费者进行细分，了解哪些增值服务可能吸引特定的客户群。

    这类个性化细分早已被亚马逊等在线购物网站普遍采用——使用该服务的消费者会定期收到一份量身打造的推荐目录，都是根据他们以往查看和购买的记录而推荐的。利用大数据，汽车厂商们也可以这么干。

    3. 精准保险（UBI）

    汽车厂商还可以与外部机构共享数据，从而增加新的收入来源。最明显的例子就是与保险公司合作，保险公司喜欢收集来自汽车的一些特定数据，如：速度、驾驶时间、刹车平顺性和转弯等，以便确定车主的实际驾驶方式，而不是通过车主的年龄或信用状况等不靠谱的信息来评估风险。

    美国和欧洲的保险公司已经开始提供能够收集这类数据的后市场解决方案，如美国Progressive公司的Snapshot，以及英国的insurethebox，但汽车厂商也可以直接向保险公司提供这类数据，从而创造一项对消费者有吸引力的服务，同时也是一个收入分成的商机。

    4. 通过第三方盈利

    汽车厂商可以把大数据卖给感兴趣的第三方。例如，美国邮政总局已经开始标价出售其大数据，各个机构每年支付17.5万美元即可访问“全国地址变更”数据库。如果汽车厂商也这么干，可能会导致人们更加担忧隐私，但如果仅限于开放给保险公司或广告公司等，那么大数据无疑会吸引到感兴趣的人。

    大数据的挑战

    最近，思科计算了大数据对于汽车厂商的价值将达到每车每年300美元，主要来自降低保修成本和改进应用设计。在这个分析中，思科还得出结论，大数据将帮助车主每年节约多达500美元，主要得益于更好的导航和更智能的路线规划。

    每车每年300美元足以对汽车厂商的盈利造成可观的影响，而且已经有少数汽车厂商能够利用大数据赚钱了。例如，通用汽车公司，公认的车联网领先者，拥有汽车行业最大的数据资源之一。该公司之前曾宣布，已经使用OnStar数据存储库来更好地了解自己的消费者。

    但通用汽车的高优先级大数据，目前还停留在告诉人们当“检查发动机”灯亮起的时候，发生了什么事。这无疑对于消费者是有用的，但明显还是小数据的范畴（在单一层面帮助单个消费者），而不是大数据（结合成千上万的检查发动机灯，快速预测未来趋势并做出响应，以免导致召回事件）。事实证明，人们所谈论的大数据潜力与汽车厂商实际所做的事情之间仍存在巨大的差异。

    既然车联网大数据如此有用，为什么迄今为止汽车厂商在大数据方面鲜有作为，挑战在哪里呢？

    1、数据采集

    有一些属于技术问题。目前，为了收集数据，汽车厂商一般要等到车主来店里保养汽车时，才能让技师通过OBD访问数据。这意味着持续主动地分析所有汽车数据将是一个挑战。

    随着完全联网汽车的出现，无线软件和配置管理允许汽车厂商完全访问汽车数据，无论何时何地，这让传输变得更加容易和可行。但除非联网汽车成为主流，否则大数据的收集将仍是不定期的。

    2、数据存储

    另一个挑战是，在实现新收入来源和成本节约之前，在大数据处理的准备阶段需要进行长期大量的投入。

（编辑：ASP站长网）