在大數據時代，數據代表著機遇和財富，誰優先掌握數據并能以全新的思維和技術對數據資源進行專業化處理，誰就能占據大數據時代的市場先機。汽車作為最大的移動終端, 具有比手機還要強大的衍生功能和足夠長的產業鏈，或將最先引爆大數據在商業領域的應用。在智能化趨勢下，車聯網正在沖擊著汽車產業的傳統發展路徑，將整個汽車產業帶入全新的數據控制時代。

車音網CEO王力劭博士(以下簡稱老王)跟咱們先來聊聊大數據到底是神馬。舉個例子，有一位土豪，某月1日站在小區1號樓上撒錢，不少人去撿，去的越早撿的越多，3日他又站在2號樓上撒錢，5日他又站在3號樓上扔金條(-_-!，看來這是位有數學情結的、有個性的土豪)。假設您5日沒有被金條砸昏，接下來如果還想撿錢，您怎么辦?凡是不回答7日去4號樓守株待兔的讀者，要么您真的也是土豪，要么建議您去醫院看看腦袋吧，如果回答出9日去5號樓繼續等——恭喜你，你已經學會搶答了!!

雖然這個例子不是太現實，但確實可以解讀數據化思維的采集和應用。他前三次扔錢的時間和樓號，其實就是你“采集”到的數據，通過分析這些數據，你“標定”出這家伙的散財規律，然后根據規律，“預測”到他下一步可能的行動，然后就可以做出有利的決策。簡單的說，大數據的核心在于預測，大數據的根本目的并不是掌握龐大的數據資源，而是以全新的思維和技術對數據資源進行專業化處理，從而讓決策者最后能做出有利于自己的決策。

隨著互聯網的不斷發展，大數據正在成為一股熱潮，越來越多的政府機構、企業和個人都意識到數據將是巨大的信息資產，正在對生活和行業產生巨大影響。車聯網作為移動互聯網大背景下誕生的一個產物，其本質也是依附于各種設備間的數據連接產生巨大的經濟效應，在數據的相互通信過程中實現對傳統產品和服務的改變。

在車聯網行業里，大數據的應用主要分布在 “車”、“路”和“人”這三個維度上。車聯網所關心的大數據技術，主要包括車載信息系統被感受的大數據。信息系統自身的大數據，包括信息系統的工作頻次、功能模塊被調用的場景和程度、通過網絡交互的主要業務以及系統本身維保的時間和次數等，掌握這些數據，對于汽車信息系統的升級、改造具有很大的指導意義。然而對于這類大數據，我國自主品牌的車商自有平臺能力相對不足，很難全面展開需要大量投入的大數據分析工作，加上信息零部件供應的激烈競爭，導致的信息終端紛繁復雜，即便是同款車上的多種信息終端，甚至同款信息終端的數據采集和分析過程也難以系統化地規劃發展。

對于合資品牌，車內信息零部件往往是大型國際化信息部件供應商提供的，它們周全的信息平臺確實能夠實時獲取大量的車載終端使用數據。然而，這種模式帶來的問題仍然不小，國際化信息部件供應商往往都是將車載信息化終端當作汽車零部件而并非網絡終端看待的，這種理念使得他們對數據的理解也是從車載部件角度看待的，終端的健壯性很好，但人性化交互能力卻難以和先進的移動網絡終端理念相比。其次，由于是全球化的平臺，供應商必須權衡世界各國使用者的需求，所以，即使有了大數據的分析，生產的信息終端仍不能滿足地域個性化的需求，比如，北美車主對信息系統的理解水平整體比我國要高，他們的車機系統設計往往應用了多層次的呈現方式，以滿足北美客戶的深層次需求，而對于我國車主，系統設計只能給人高大上的感覺，而80%以上的操作過程都不符合中國用戶簡單直接的需求。最后，由于國際化平臺對于技術的保密性要求高，他們往往對信息終端的反饋數據是加密的，有些甚至是通過直連國外平臺的數據網關來保證數據的私密性，國內信息系統研發公司難以獲得這些數據，也就難以針對本國車主進行更精確的數據分析和系統改進。老王及其團隊一直專注于車載人機交互系統開發和車聯網服務平臺運營，也算是國內對這部分問題跟蹤最久、研究最深的公司之一，但是，坦誠而言，仍然與車聯網大數據的理想運作狀態相距甚遠。

再說車載信息終端被用戶感知的數據，這部分用戶真實感受數據與車載系統本身的運行數據分屬兩個維度。用戶真實感知數據能夠反饋用戶對于汽車使用過程的客觀體驗，它往往是通過車主調查來完成的。每年，整車廠都會投入大量費用對車主進行訪問調研，調研用戶對汽車各個部件包括信息系統的使用感受，并期望通過用戶反饋的使用感受大數據對未來的汽車升級改造過程進行指導。這種調研通常是委托給一些市場調研公司通過電話訪問進行的，調研員通過電話呼叫來獲得大量車主的反饋數據是個耗時、耗財的過程，而且通常得不到車主的配合。在車廠給定的調研經費下，有些調研公司為了能夠節約成本盡早交差，他們通常會雇傭一些人冒充車主在電話另一端進行仿冒回答，而這些仿冒數據自然是隨意編造的。這些不當“采集”的數據對于“標定”真實用戶狀態具有很大的破壞性。摻有不當數據的大數據分析會使得車廠產生錯誤的“預測”，很可能在巨資調研之后，車廠仍然會做出錯誤的產品改進判斷。老王和伙伴們就曾經用先進的“聲紋”鑒別法對大眾、捷豹路虎等公司的電話調查結果，進行過海量數據的自動“聲紋”比對，仿冒數據的基本在10-30%之間。在這種具有大量“數據噪聲”的大數據環境下，產品的某些改進決策過程，怎不會窘態百出呢?

雖然車聯網領域分布在“車”這一側的大數據有些囧態，但是依然不可否認，汽車的智能化和網絡化給汽車行業帶來的巨大挑戰和機遇，在車聯網行業，如何去整合大數據并且將其加以使用，還需要我們待續的研究關注。下一期老王就將繼續和大家聊一聊關于大數據在“路”和“人”這一側的囧境。

老王思辯：

《車聯wang談》推出以來引起了不少網友的關注，有些觀點也被一些媒體引用。有些網友提出質疑：“老王，你這關于車聯網的思考是不是有些消極?從車聯網的尷尬到不看好無人汽車，再從發問跨界造車是否靠譜到質疑互聯網對汽車行業的顛覆性，怎么都是問題呢?”

老王自我剖析了一下，之所以冷思考，是緣于現在車聯網的概念炒得太熱了，太多聲音將車聯網的未來描述成了科幻大片，但吵了好多年，車聯網的進展仍然落地甚少，這不利于行業穩健的發展。

老王認為，車聯網的未來固然可以給評論家和暢想者去盡情想象，但是作為從業者，我們必須冷靜地思考，去發現每一個行業的問題，然后務實地探尋這些問題的本源和解決方法。因為，每個行業都不缺乏高屋建瓴的戰略家，而真正找到路徑，讓戰略落地的執行者卻寥寥無幾。執行，意味著不能理想化地回避問題，不能只暢想結果而不承認眼前的困境。所以，發掘這些問題，也許是給車聯網行業潑了點冷水，但是至少能讓這部高速運行的機器稍微冷卻一下，反而有利于這部機器持續地運轉。