研究車連網的大資料更有意義

標籤：

隨著互連網的不斷髮展，大資料正在成為一股熱潮，且業界對大資料的討論已達到一個前所未有的高峰。車連網作為移動互連網大背景下誕生的一個產物，不管是車輛的接入、服務內容的選擇還是服務的精準性，都離不開大資料。

車輛上傳的每一組資料都帶有位置資訊和時間，並且很容易形成海量資料。一方面，如果說大資料的特徵是完整和混雜，而車連網與車有關的大資料特徵是完整加精準。如某些與車輛本身有關的資料，都有明確的一個ID，根據這個ID可以關聯到相應的車主資訊，並且這些資訊還是精準的。

另一方面，我們可以看到車連網與駕駛人的消費習慣、興趣愛好等大資料特徵是完整和部分精確。因此，研究車連網的大資料更有意義。

大資料的定義和特徵

大資料(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為協助企業經營決策更積極目的的資訊。

我們從權威的定義可以看到，大資料的特徵有四點，分別為：資料體量巨大。從TB層級，躍升到PB層級;資料類型繁多。提到的部落格、視頻、圖片、地理位置資訊等等。，價值密度低，商業價值高。以視頻為例，連續不間斷監控過程中，可能有用的資料僅僅有一兩秒。處理速度快。1秒定律。

車連網的大資料在預測方面可以發揮到極致。如，預測交通堵塞的地段，即時交通訊息，主動安全，公交的排班。駕駛者駕駛行為分析。

大資料的核心在於預測，這在車連網行業非常有用，例如，對於交通流量的預測，就非常需要大資料。對於交通流量，目前我們的模擬系統更加重視交通流量大，擁堵的原因，而大資料時代，不再在乎因果關係，而重視相關性，也就是不去分析產生擁堵的原因，但確實某個時段某個路段會發生擁堵。也可以根據車連網的大資料對車友的興趣進行分析。

大資料在商用車領域的應用

大資料在商用車領域已經有相當多的應用，如公交領域的運營排班管理、出租車領域的浮動車資料，物流行業的大物流。

如何解決公交企業面臨的三大問題：運力配備最少、車輛運行距離最短、駕駛員作業時間最少?如何分析各時間段、各網站的客流分布情況呢?如何?運營的安全智能化、運營排班的智能化?在公交行業，以上問題普遍存在，

通過車連網的大資料，可以解決公交行業所面臨的這些問題。根據各個時間段，各網站的客流量大小，線路配備的運營車輛數、線路配備駕駛人員、線路長度、車輛運行速度等大資料，可確定一條線路各個時間段的配車數及發車間隔，從而解決運力配備最少、車輛運行距離最短、駕駛員作業時間最少三大問題。

根據客流量、節假日、氣候、節氣、自然災害、道路、車況事故、曆史同期資料、售票方式、居民小區建設等條件建立計劃模型，從而用最快的速度對這些影響運營計劃的因素做出反映。比如增加線路，增加車輛，增加司機，有效地制定公交運營計劃。同時可對於運營排班精準管理，可通過大資料可以自動排班，對行車作業計划進行最佳化，並快速地對運行線路進行調整和最佳化。

自從菜鳥網路公司出現以後，大物流的概念終於被業界提及。什麼叫大物流呢?是指企業的自有物流系統(由車隊、倉庫、人員等組成)，和第三方物流企業的配送資訊與資源進行共用，從而能充分地利用各方面資源，減少物流總支出、降低運營成本。

目前物流行業隨著業務的擴大，車輛數日益增多，而且型號眾多。很多企業還是採用手工方式進行車輛管理，工作量大，對車輛運營資料統計分析比較困難，統計結果相當滯後，不利於公司的決策管理;同時在車輛行駛過程中沒有進行全程的監控，對司乘人員的違法違規行為無法進行及時預警，也無法對司乘人員的求助及時進行反應。

另一方面，在我國現行的物流運輸方式中無論是自營物流，合營物流還是第三方物流，隱性成本佔據了很重要的地位，這些隱性成本在物流運輸過程中主要包括以下幾個方面：返程或起程空駛：空車無貨載行駛，這些都是不合理運輸的方式。

如何改善物流企業在管理上較為落後的現狀，達到貨主“高服務品質、嚴格的準時率、極小的貨損率、較低的物流成本”的要求?

如何解決物流行業運行資訊反饋滯後、運營高成本、貨運車輛的高空駛率、司機作弊給貨物和車輛的安全帶來的極大隱患?

如何快速、高效的為使用者提供可靠的物流服務?

如何最大程度的利用運力資源提高整體業務運營效率?

這些是目前物流行業迫在眉睫的問題。

對以上問題，車連網技術正好可以解決車主迫在眉睫的問題，通過透明化的運輸過程管理，合理調度車輛，根據車輛行駛的大資料，對車輛行駛的線路暢通情況進行預測，規划出一條安全暢通的行駛路線，減少由於交通原因而引發的在途等待時間。

通過車輛啟動並執行大資料，可以快速地分析出相同路線的油耗情況，事故多發路段的提前預警，精確分析計算車輛的行程，提高了企業的資訊化水平，隨時瞭解到貨物的運行狀態資訊及貨物運達目的地的整個過程，確保了運輸過程的透明化管理，使企業的運行管理智能化、服務準時性，提高可預見性。

同時，通過車輛啟動並執行大資料，可擷取高速、國道、省道的即時路況，同時對司機的駕車規律的分析，為加油站、維修站、服務站的選址提供了參考資料。

另一方面，物流的成本有很大一部分屬於倉儲成本。通過車連網技術，對海量的資料進行分析計算，經過合理地調度，降低車輛的空駛率，把移動中的每輛貨車可以作為一個流動的倉儲空間，提高了倉儲空間的周轉率，從而協助企業降低倉儲成本。

大資料在乘用車領域的應用

大資料在乘用車領域目前比較成熟的應用有保險和主動安全，未來必將有大量的企業會在CRM和話務中心領域尋求更多的業務增長點。

2011年8月， 北美最大的汽車保險公司StateFarm與車連網服務提供者Hughes結為連理，由此第一個由保險公司主導的車連網商業模式走上了世界舞台。由此，關於保險模式的車連網被業界所熱議。

State Farm主導的車連網商業模式有如下幾個特點：與保險公司的業務捆綁;提供與駕駛安全度結合的保險費率;與車連網服務提供者(TSP)Hughes 合作;服務差異化，避免與OnStar 等前裝車廠主導的車連網產品和導航產品競爭等。

大資料時代，通過對駕駛者總行駛裡程、日行駛時間等資料，以及急刹車次數、急加速次數等駕駛行為在雲端的分析，有效地協助保險公司全面瞭解駕駛者的駕駛習慣和駕駛行為，有利於保險公司發展優質客戶，提供不同類型的保險產品。

目前車連網所提供的主動安全方面的措施大致有胎壓監測、故障預警、碰撞警示、安全氣囊彈出警示、緊急救援等。但目前在主動安全方面的裝置更多是車輛上的一個節點，並沒有真正的和大資料關聯起來。

在大資料時代，當汽車在行駛過程中，平台可對輪胎氣壓進行即時自動監測，並對輪胎漏氣和低氣壓進行警示，以確保行車安全。胎壓監測有直接和間接兩種，直接的通過感應器來監測，而間接的監測是當某輪胎的氣壓降低時，車輛的重量會使該輪的滾動半徑將變小，導致其轉速比其他車輪快。

通過比較輪胎之間的轉速差別，以達到監視胎壓的目的。間接式輪胎警示系統實際上是依靠計算輪胎滾動半徑來對氣壓進行監測。間接方式的胎壓監測需要通過上傳OBD的資訊至雲端，由雲端通過大資料來分析出輪胎是否漏氣，並即時提醒司機，確保安全行駛。

對於話務中心，很多企業只是簡單的定義為簡單的服務部門，其實，TSP的話務中心，不僅承擔客服角色，還承擔售前角色。話務中心可以協助企業快速尋找、鎖定有潛在消費能力的終端使用者。用對的人、合適的時間、適宜的話術換來的就是成功的營銷。

在大資料時代，TSP、汽車經銷商或4S店的業務結構會發生一定的轉移，原有的客服部門從以往的成本中心逐步轉變為利潤中心。

話務中心的大資料包括，使用方式，客戶興趣及生活習慣三個方面。通過話務中心，我們可以擷取車輛的使用方式、車連網系統的客戶體驗效果以及與車輛本身的相關諮詢，這對於主機廠市場跟蹤反饋，促進相關部門對品質問題進行快速改進有重要的意義。

通過話務中心，可掌握車主的消費習慣，車主的活動範圍、車主的生活習慣及車主商旅情況(訂票、訂酒店、訂餐、訂鮮花)，車主的消費心理。如車主在生活消費過程中,在日常購買行為中的心理活動規律及個性心理。消費需要問題，消費時間與消費習慣問題，物質消費與精神消費問題，通過大資料的分析，從而有效地制定相應的營銷策略及營銷話術。

關於大資料的思考

大資料時代，影響著我們的思維。以前我們對於出行過程的理解，傳統的觀念只注重為客戶提供導航和娛樂這一功能，並沒有對這一過程進行深度的分析。這個過程中，分別為去之前，在路上，停車後。對於這個過程，我們可以延伸出很多車連網的服務內容，並且每個階段都離不開熟人社會，每個階段都會產生大資料，大資料可延伸很多增值服務。

服務內容的精準性如果單純靠服務提供者的力量，那服務商將要投入巨大的人力或資本並且要經曆很長的時間，顯然這種方式不可行。解決這種問題，理想的方法就是通過車主的與社區網站的互動，只有通過這種方式，才能快速地採集到相應的興趣點。這必須要進行大資料分析。

對於客戶資訊，無論是車廠還是汽車銷售商，都視為命根子，可事實是什麼?事實是現階段這些客戶資訊一點用都沒有，能從這些客戶資訊中延伸出一些增值服務嗎?很難。說白了，這些資訊無法帶來“顧客終生價值”(Customer Lifetime Value)，顧客終生價值指的是每個購買者在未來可能為企業帶來的收益總和。

如同某種產品一樣，顧客對於企業利潤的貢獻也可以分為匯入期、快速增長期、成熟期和衰退期。顯然，現階段的產品形態或者企業的資訊化水平有限，一方面無法完成大資料的挖掘，另一方面，缺少專業化的分析工具，而車連網時代，給了我們無限的想象空間，讓一切皆有可能!

研究車連網的大資料更有意義