對于車企來說，如果說過往把注意力更多投到技術的獲取和應用上，那么現在是時候把聚光燈打向信息本身了，這是一個大規模生產、分享和應用數據的新時代。

2008年，《連線》雜志主編安德森語出驚人：“數據爆炸使得科學的研究方法都落伍了。”為了進一步闡明自己的觀點，他隨后又在《拍字節時代》的封面故事中講到，大量的數據從某種程度上意味著“理論的終結”。安德森的這一系列言論迅速引發業內外的廣泛熱議，其中也有不少持懷疑論者，但是汽車業早已用實際行動在探索著如何更好的開發這個“大數據”金庫。

從2000年起，UPS國際快遞公司就開始使用預測性分析手段來讓自己從“大數據”中獲益。該公司在全美有60000輛規模的車隊，以往UPS每兩三年就會對旗下車輛的零部件進行統一更新換代，這也是大運輸集團的國際通行模式。但是UPS后來發現，這種做法效果很差，因為有的零部件還沒出什么毛病就被強制換掉了，這其實是一種巨大的浪費。所以他們通過在車輛的各個部位安裝傳感器來實時監測零部件的運行情況，因為零部件某個部位要出故障往往不是瞬間的，而是有一個過程，傳感器的作用就是可以預先捕捉到要出故障的信號，然后及時進行防御性修理，避免了車輛拋錨等待救援的巨大花費，也消除了不必要的快遞運輸延誤現象。

隨后，UPS又利用地理定位數據和以往累計的行車數據來實現最佳的路徑指導，讓貨車“減少左轉”次數，實現最短距離行駛。后來的數據顯示，僅2011年一年，UPS的駕駛員少跑了近4828萬公里的路程，節省了300萬加侖的燃料并且減少了3萬公噸的二氧化碳排放量，因為只更換需要更換的零部件，每年可節省好幾百萬美元的花費。

UPS的預測性分析模式后來被不少大型工廠效仿，因為在大型工廠的制造車間，一旦運行設備的某個零部件出了問題，廠家往往就得停止整個生產流程，在檢查和分析出問題所在并更換了具體零部件后才恢復生產，這個過程既影響了效率，也會容易因為工程人員忽略了某個小零部件的質量而最終生產出有問題的批次性產品。這些工廠后來還發現，其實安裝傳感器進行收集和分析數據的花費比停產的損失小得多。

[page]

基于“大數據”的預測性分析不僅能夠在零部件可靠性運行監測方面發揮神力，還能在很多人們早前根本想不到的領域引發新的思維和商業變革。日本先進工業技術研究所的教授和他的團隊通過在汽車座椅下安裝360個壓力傳感器以測量司機對椅子施加壓力的方式，并把人體坐姿特征轉化成了數據。這個系統能根據人體對座位的壓力差異識別出乘坐者的身份，準確率高達98%。這項研究還能引發一連串的連鎖反應，比如這項技術可以作為防盜系統安裝在汽車上，因為獲取了個人坐姿轉化而來的數據，車企還可以順勢推出新的系統在司機疲勞駕駛的時候發出警示或者自動剎車等等。

在電動車發展領域，“大數據”同樣能夠在基礎設施建設上給出理性預測，這在以往根本難以想象。2012年，IBM參與了加利福尼亞州的太平洋天然氣電氣公司與本田的合作，從而收集到大量信息來回答關于電動汽車應在何時何地獲取動力、對電力供應的影響等基本問題。基于大量的輸入信息，如汽車的電池電量、汽車的位置、時間以及附近充電站的可用插槽等，IBM開發了一套復雜的預測模型。這一模型分析來自多個數據源的巨大實時數據流和歷史數據，確定司機為汽車電池充電的最佳時間和地點，并揭示充電站的最佳設置點。最后，系統需要考慮附近充電站的價格差異，甚至還考慮到了天氣。

在《大數據時代：生活、工作與思維的大變革》一書中，作者認為大數據是人們在大規模數據的基礎上可以做到的事情，而這些事情在小規模數據的基礎上是無法完成的，不再用隨機分析法這樣的捷徑，而采用所有數據的方法。大數據的精髓在于我們分析信息時的三個轉變，第一個就是在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴隨機采樣，因為在大數據時代進行抽樣分析就像是在汽車時代騎馬一樣。第二個改變就是，研究數據如此之多，以至于我們不再熱衷于追求精確度，而是需要掌握大體的發展方向。第三個轉變因前兩個轉變而促成，即我們不再熱衷于尋找因果關系，轉而關注事物的相關關系，并徹底改變原有的商業、市場和社會的本質。

不過，大數據為我們的生活提供了便利，同時也讓保護隱私的法律手段失去了應有的效力。面對大數據，原有保護隱私的核心技術不再適用，“告知與許可”模式不再那么可靠。同樣，通過大數據預測，對我們的未來想法而非實際行為采取懲罰措施，也讓我們惶恐不安，因為這否認了自由意志并傷害了人類尊嚴，而且人類獨有的弱點、錯覺往往關乎人類的創造力、視覺和天賦。就像亨利·福特曾經說過的那句很著名的話：“如果我當年去問顧客他們想要什么，他們肯定會告訴我：一匹更快的馬。”在大數據的世界中，包括創意、直覺、冒險精神和知識野心在內的人類特性的培養顯得更加重要，因為進步正是源自我們的獨創性，這一點也需要車企重視。