车联网势头正旺 大数据运用有待加强

　　【中国安防展览网 企业关注】 2010年10月28日，百度“车联网”关键词次被搜索。2010年11月12日至27日广州亚运会期间，80多台安装着G-BOS设备的苏州金龙智慧客车投入服务，这是亚运历*出现“3G”客车。标志着车联网技术正式走向社会视野。
　　
　　在大数据时代，数据代表着机遇和财富，谁优先掌握数据并能以全新的思维和技术对数据资源进行专业化处理，谁就能占据大数据时代的市场先机。汽车作为大的移动终端,具有比手机还要强大的衍生功能和足够长的产业链，或将先引爆大数据在商业领域的应用。在智能化趋势下，车联网正在冲击着汽车产业的传统发展路径，将整个汽车产业带入全新的数据控制时代。
　　
　　车音网CEO王力劭博士（以下简称老王）先来聊聊大数据到底是神马。举个例子，有一位土豪，某月1日站在小区1号楼上撒钱，不少人去捡，去的越早捡的越多，3日他又站在2号楼上撒钱，5日他又站在3号楼上扔金条。假设您5日没有被金条砸昏，接下来如果还想捡钱，您怎么办？凡是不回答7日去4号楼守株待兔的读者，要么您真的也是土豪，要么建议您去医院看看脑袋吧，如果回答出9日去5号楼继续等——恭喜你，你已经学会抢答了。
　　
　　虽然这个例子不是太现实，但确实可以解读数据化思维的采集和应用。他前三次扔钱的时间和楼号，其实就是你“采集”到的数据，通过分析这些数据，你“标定”出这家伙的散财规律，然后根据规律，“预测”到他下一步可能的行动，然后就可以做出有利的决策。简单的说，大数据的核心在于预测，大数据的根本目的并不是掌握庞大的数据资源，而是以全新的思维和技术对数据资源进行专业化处理，从而让决策者后能做出有利于自己的决策。
　　
　　随着互联网的不断发展，大数据正在成为一股热潮，越来越多的政府机构、企业和个人都意识到数据将是巨大的信息资产，正在对生活和行业产生巨大影响。车联网作为移动互联网大背景下诞生的一个产物，其本质也是依附于各种设备间的数据连接产生巨大的经济效应，在数据的相互通信过程中实现对传统产品和服务的改变。
　　
　　在车联网行业里，大数据的应用主要分布在“车”、“路”和“人”这三个维度上。车联网所关心的大数据技术，主要包括车载信息系统被感受的大数据。信息系统自身的大数据，包括信息系统的工作频次、功能模块被调用的场景和程度、通过网络交互的主要业务以及系统本身维保的时间和次数等，掌握这些数据，对于汽车信息系统的升级、改造具有很大的指导意义。
　　
　　然而对于这类大数据，我国自主品牌的车商自有平台能力相对不足，很难全面展开需要大量投入的大数据分析工作，加上信息零部件供应的激烈竞争，导致的信息终端纷繁复杂，即便是同款车上的多种信息终端，甚至同款信息终端的数据采集和分析过程也难以系统化地规划发展。
　　
　　对于合资品牌，车内信息零部件往往是大型化信息部件供应商提供的，它们周全的信息平台确实能够实时获取大量的车载终端使用数据。然而，这种模式带来的问题仍然不小，化信息部件供应商往往都是将车载信息化终端当作汽车零部件而并非网络终端看待的，这种理念使得他们对数据的理解也是从车载部件角度看待的，终端的健壮性很好，但人性化交互能力却难以和先进的移动网络终端理念相比。
　　
　　其次，由于是化的平台，供应商必须权衡世界各国使用者的需求，所以，即使有了大数据的分析，生产的信息终端仍不能满足地域个性化的需求，比如，北美车主对信息系统的理解水平整体比我国要高，他们的车机系统设计往往应用了多层次的呈现方式，以满足北美客户的深层次需求，而对于我国车主，系统设计只能给人高大上的感觉，而80%以上的操作过程都不符合中国用户简单直接的需求。
　　
　　后，由于化平台对于技术的保密性要求高，他们往往对信息终端的反馈数据是加密的，有些甚至是通过直连国外平台的数据网关来保证数据的私密性，国内信息系统研发公司难以获得这些数据，也就难以针对本国车主进行更的数据分析和系统改进。老王及其团队一直专注于车载人机交互系统开发和车联网服务平台运营，也算是国内对这部分问题跟踪久、研究深的公司之一，但是，坦诚而言，仍然与车联网大数据的理想运作状态相距甚远。
　　
　　再说车载信息终端被用户感知的数据，这部分用户真实感受数据与车载系统本身的运行数据分属两个维度。用户真实感知数据能够反馈用户对于汽车使用过程的客观体验，它往往是通过车主调查来完成的。
　　
　　每年，整车厂都会投入大量费用对车主进行访问调研，调研用户对汽车各个部件包括信息系统的使用感受，并期望通过用户反馈的使用感受大数据对未来的汽车升级改造过程进行指导。这种调研通常是委托给一些市场调研公司通过电话访问进行的，调研员通过电话呼叫来获得大量车主的反馈数据是个耗时、耗财的过程，而且通常得不到车主的配合。
　　
　　在车厂给定的调研经费下，有些调研公司为了能够节约成本尽早交差，他们通常会雇佣一些人冒充车主在电话另一端进行仿冒回答，而这些仿冒数据自然是随意编造的。这些不当“采集”的数据对于“标定”真实用户状态具有很大的破坏性。掺有不当数据的大数据分析会使得车厂产生错误的“预测”，很可能在巨资调研之后，车厂仍然会做出错误的产品改进判断。
　　
　　老王和伙伴们就曾经用先进的“声纹”鉴别法对大众、捷豹路虎等公司的电话调查结果，进行过海量数据的自动“声纹”比对，仿冒数据的基本在10-30%之间。在这种具有大量“数据噪声”的大数据环境下，产品的某些改进决策过程，怎不会窘态百出呢？
　　
　　虽然车联网领域分布在“车”这一侧的大数据有些囧态，但是依然不可否认，汽车的智能化和网络化给汽车行业带来的巨大挑战和机遇，在车联网行业，如何去整合大数据并且将其加以使用，还需要我们待续的研究关注。