五个层次汽车领域应用的大数据

　　欢迎大家阅读本文章，本文章是一篇五个层次汽车领域应用的大数据文章。这篇文章会给大家带来一些关于汽车和大数据的相关知识详解，希望本篇文章能帮助到你，对你有所收获，让我们开始学习吧，课课家提醒您：大家仔细阅读文章。课课家教育提醒您：要认真好好阅读哦~~

　　接下来的10年、20年，汽车行业一切问题的终极解决方案，都将围绕信息和数据，万物皆比特，这个结论从今天开始将变得更显而易见。最近我的文章主要围绕汽车数据展开，文章的标题也尽可能数字化。对我而言，撰写这些文章的过程就是我思考和深度学习的过程。事实上，所谓机器学习，也是同样的道理，不断尝试各种可能性，把前人的经验都复盘一遍，找出规律，指导行动。

　　在汽车相关领域应用大数据、机器学习、人工智能这个问题上，由易到难，我认为有五个层次。

　　第一个层次：裸数据本地应用

　　当前近乎90%以上的汽车数据应用都是裸数据本地应用，随着6月份国家网络信息安全法实施，这种低层次的数据应用几乎100%是违法的，不仅使用违法，即使不经授权的存储也是违法的。比如车企热衷到处搜罗车主的上牌数据，拿着车主的个人隐私数据做统计分析，搞市场营销。再比如汽车网站都热衷存储车主的手机号码、驾驶证信息、车辆信息，然后拿着这些信息卖给车企作为销售线索。

　　这种简单粗暴的方式不用动脑子，简单直接，但如果政府真的严格执行个人隐私保护，某些车企、汽车互联网公司和保险公司都会被用户起诉书淹没而无暇干其他事情。遗(xing)憾(yun)的是，目前的消费者隐私保护基本是裸奔状态。

　　我认为这种状态的改变只有在汽车进入半自动和自动驾驶时代才会改变——因为自动驾驶车辆如果不重视车辆和车主信息安全，会要消费者的命。目前裸数据贩卖是最典型的大数据应用，我们耳熟能详的大数据公司几乎都是卖裸数据的公司，不是这些科技公司不努力，而是中国汽车行业客户需求就是这么Low!

　　第二个层次：数据接口应用

　　由于绝大多数主流数据应用仍然处于很Low的裸数据应用层面，因此再往复杂层次的应用我就都简单说——说复杂了也没人懂。无论车企还是保险公司，真正尝试过创新的总监们都知道，两个企业之间要系统对接才能碰撞出火花，但最难的事情就是系统对接。目前腾讯微信为代表的大型互联网公司采用的办法是所有外部合作者采用互联网生态的统一接口。

　　但要建立统一接口对外标准化提供和接收服务，需要统一接口的平台具备很强大的架构和系统安全防护能力，而这种能力又恰恰是传统车企和保险公司稀缺的。

　　因此，尝试过这个事情的公司最怕系统对接。如果没有系统对接，所谓数据接口就没有意义了。目前有些数据公司已经在利用标准的数据接口对外提供动态数据服务，这些动态数据接口能够让传统车企、保险公司的Saas系统具备更多新功能，能够显著提高效率。要大范围提高行业信息系统的效率，首先需要解决行业数据接口标准统一的问题，这个事情我已经在中汽协信息服务委员会层面进行探索，欢迎感兴趣的朋友参与。

　　第三个层次：数据模型化应用

　　能够接入本企业内部不同系统的数据，能够接口化接入外部动态数据，这个时候，现有的作业系统本质上解决的是本地化数据呈现问题，呈现这些数据和报表，目的还是让员工进行业务决策。但实际上，有了内外部充分的数据，完全可以借助机器学习，用大数据技术建立自己独特的企业业务数据模型。

　　由机器和人工智能来辅助员工进行业务决策，这样可以大幅降低对员工专业度的要求，只需要雇佣低层次员工就能解决以往需要专家才能判断的业务问题，这会显著降低人员成本，即使竞争对手挖角，也能够保障业务安全性。

　　事实上，这才是真正的知识沉淀，不是沉淀在某个员工脑子里，而是沉淀在公司的云端计算机系统里。这个事情并不前卫，越来越多金融公司正在使用这种办法降低对专业员工的依赖。汽车行业的薪水越来越高，早晚得用这种技术。显然，用得早的企业将在竞争中取得越来越强的先发优势。

　　第四个层次：数据Saas化应用

　　建立了模型植入自己的管理信息系统只是使用大数据、机器学习、人工智能的第一个层次，把大数据模型放在传统ERP系统里，本质上就是削足适履。要真正改变业务，最好是根据数据模型重新梳理业务管理系统——建立全新的数据驱动的Saas应用。

　　这个事情最适合从零开始的业务，比如车企的独立后市场业务，二手车业务，融资租赁业务，保险业务等，都可以重新建立业务Saas系统，用大数据技术进行市场营销和辅助业务决策。过去30年靠资源靠资质领先对手的传统办法已经越来越不好用了，今后各车企都将在相对公平的市场环境下参与竞争，只有确保商业智力上超越对手，才有可能在商业成果上超越对手。

　　第五个层次：商业模式应用

　　有了全新的数据Saas系统，如果运营资源匹配得当，完全可以建立全新商业模式，从系统到商业模式缺少的是资源和运营。一旦完成这一步，汽车大数据应用就完成了整体进化。新的商业模式将产生自己的裸数据，这些数据将成为全新业务链条的资源输入，开启全新的业务循环!

　　以上就是我对汽车大数据应用五个层次的阐述，这篇文章已经写得过长，没有更多举例是因为我没有兴趣给完全不懂的外行科普。我的个人创业实践证明，几乎所有汽车行业的业务进化到最高级的竞争阶段，依靠的都是数据，核心竞争力都会体现在人工智能上。没有意识到这个问题的行业同仁不要着急，可能你的资源非常好，掩盖了借助大数据、人工智能提升效率的需求。你可以再等一等，没准明年你就着急了解和学习汽车大数据的知识了

　　小知识：

　　数据的积累

　　许多大数据应用都会涉及到法规遵从问题，这些法规通常要求数据要保存几年或者几十年。比如医疗信息通常是为了保证患者的生命安全，而财务信息通常要保存7年。而有些使用大数据存储的用户却希望数据能够保存更长的时间，因为任何数据都是历史记录的一部分，而且数据的分析大都是基于时间段进行的。要实现长期的数据保存，就要求存储厂商开发出能够持续进行数据一致性检测的功能以及其他保证长期高可用的特性。同时还要实现数据直接在原位更新的功能需求。

　　灵活性

　　大数据存储系统的基础设施规模通常都很大，因此必须经过仔细设计，才能保证存储系统的灵活性，使其能够随着应用分析软件一起扩容及扩展。在大数据存储环境中，已经没有必要再做数据迁移了，因为数据会同时保存在多个部署站点。一个大型的数据存储基础设施一旦开始投入使用，就很难再调整了，因此它必须能够适应各种不同的应用类型和数据场景。

　　应用感知

　　最早一批使用大数据的用户已经开发出了一些针对应用的定制的基础设施，比如针对政府项目开发的系统，还有大型互联网服务商创造的专用服务器等。在主流存储系统领域，应用感知技术的使用越来越普遍，它也是改善系统效率和性能的重要手段，所以，应用感知技术也应该用在大数据存储环境里。

　　针对小用户

　　依赖大数据的不仅仅是那些特殊的大型用户群体，作为一种商业需求，小型企业未来也一定会应用到大数据。我们看到，有些存储厂商已经在开发一些小型的“大数据”存储系统，主要吸引那些对成本比较敏感的用户。

　　总结

　　大家都会了呢~相信大家对大数据也有些了解了呢~也一定知道了大数据的相关知识的详细介绍，要是您还有什么问题，课课家平台，随时为您服务，关于更多的知识，后面还有很多关于类似的文章，期待大家的到来。