车企里面,车联网数据热度很高,研发领域电子电气要搞、智能网连在搞,营销领域市场和产品也在搞,甚至IT部门也要插一脚挣一份,在传统的研、产、销的纷争之中,加入了一个全新的大变量。

人人都看好车联网大数据,即 IoV(Internet of Vehicles) Data,面对它,业务方有着爱银子弹一样的热情,希冀解决一切难题。真的TBox上了车,数据秒秒钟通过无处不在的4G送了回来,一个月几十亿行的数据,都是GPS和车上CAN信号,初始的热情很快就会被骨干的现实浇灭,Hadoop集群灌上三个月的数据,百亿行中搜索1个VIN的痛苦马上就会找上你,时间跨度小了机器慢,跨度大了数据太多,四五十GB的文本,丢给研发工程师,人家目瞪口呆的看着你,问Matlab怎么才能打开,你教他SQL人家还鄙视你。

车联网数据样本送给营销部门,人家问“什么时候会给我能用的数据?”,咱反问“什么样的数据能用?”,人家说“我哪知道,反正这个看不懂!”。再把车辆定位信息,做个聚类画个像,送给产品或者质检部门,又会陷入“这是常识”or“这违背常识”的尴尬结论。

那么,车联网大数据,到底为谁而作?

这个问题,随着时间的推进,车企对IoV数据接触逐渐增多,答案一定是会清楚的,在当下这个IoT和IoV初级阶段,其实,只要仔细观察也是能够找到真相的。

整车车速描述,车速从最低20km/h,波动在100km/h上下,瞬时突破120km/h肯定超速了,貌似没有什么特殊的。但是,仔细看最终的结尾点,车速从90km/h直接消失,想到这里会不会脊背发凉,设想自己开车时速90km/h,突然车熄火或者失控,更或者直接撞到了什么……,是不是很恐怖!

这个案例中,先不论车辆故障的分析or产品改进这种谁都能想到的用途,直接讨论对事故结果的鉴定,即本案例中的交通事故的“场景还原”和“责任划定”,就是一个可以承载极高成本的数据应用场景。暂用2014年近20万起交通事故,死伤近30万人的数字:

其中仅是伤亡之后的伤残鉴定,成本背负能力已经是一个人均千元的市场,总容量是数亿元的纯消费市场,而且几乎是一个不可议价、没有竞争的永远纯净的蓝海。

相似的,当下车厂掌握了从未有过的详尽IoV数据,终于有了能够尽可能还原事发现场的能力,且是近乎垄断的存在。那么,从当下初见IoV数据,到事主们能够用数据还原真相,期间的步进空间,定然需要大量的技术、产品、服务来填充,钱留给谁来拿,就要看车厂是不是想为人民服务了。(容我默哀10s来尊重伤者逝者,用他人伤病灾祸赚钱真是残忍)

截取自连续的车联网数据,12月27日晚11时半左右,相比28日早3时左右,位移3个纬度,0.4个经度,海拔上升190米,大概估计位移>300公里(详细查询后425公里)。

信号中断意味着车辆是被运输的,根据物流业常识,公路物流车时速可以接近100km/h,可是,3.5小时位移>420公里意味着均速120km/h。设想,午夜开着物流车,始终贴着120限速跑3个半小时山区高速(从银川到平凉),还都是上坡,这得是多么神一般的操作啊!所以,初步判定是异常动作,后续证明车辆被盗。

作为车厂,最细颗粒度的单车财产监控,传统方案是逐层责任分解,由此,除非商品车出现财产重大损失,否则大都是封闭在区域经营范围内,即车厂对发送出去的商品的完好度没有直接度量手段,当下,IoV Data给了车厂直接观察每个车行为的机会。

以上两个案例,几乎是完全出乎了传统车厂经营经验,但是却又在汽车行业情理之中,一方面是深入用车的细节中,用新的大数据资源和方法,对社会提供前所未有的解决方案,另一方面,是延伸了车企对渠道的管理触手长度,也增强了对远程财产的描述细节。类似的场景,随着IoT和IoV的逐步日常化,有心者会俯首皆是,对人的洞察能力和背景要求,以后详述,今日止笔于此。