每一台智能网联汽车都是一台天然的数据生产单元，汽车产业天然就是大数据应用的肥沃土壤。近年来，大数据、人工智能这一类关键技术在汽车产业的应用大面积扩张、应用范畴也持续扩大。这一场关于交通与出行工具的巨大变革正在悄然发生。
2017年12月28日，彩虹无线在京主办 “数聚彩虹”数据价值论坛，一场关于车联网大数据商业价值的探讨在行业专家学者间展开。200余位车厂、科研机构、高校的行业专家云集京城，现场北京大学光华学院王汉生教授、上汽乘用车康飞总监、中汽研数据中心朱向雷部长等8位嘉宾发表了精彩的演讲！其中，彩虹无线数据科学家周扬现场结合案例详细介绍了“前装车联网数据价值转化路径”。
彩虹无线数据科学家 浙江大学客座教授 周扬
彩虹无线（北京）新技术有限公司技术中心总监；浙江大学业界导师，四川大学生物统计学专业硕士，曾先后于知名国际期刊Bioinformatics和Nucleic Acids Research发表学术论文(累积影响因子超过18)，主导申请国家发明专利一份，软件著作权四份，曾先后供职于Mango-solutions,JDpower，为Porsche、Honda提供数据驱动的解决方案及数据产品。
彩虹无线数据科学家周杨演讲内容：
今天很高兴能邀请到这么多汽车行业的同仁参加“数聚彩虹”，车联网大数据在汽车全生命周期价值探索的论坛，我也借着车联网数据价值创造的整体路径，给大家分享一下彩虹无线目前做的事情，包括现在已经落地的案例，包括未来要做的方向。
智能服务与数据赋能
其实从整体实施路径上来看，会把整个核心放在两个关键词上，第一个是智能的服务，昨天还跟做传统发动机的企业一起沟通交流，他们也深深感知到自己所存在的危机感。危机感来自于什么？主要是大家都不希望自己成为一个被变革的对象。现在可以看到，传统的制造业毛利率越来越低，处于他们这样状态的时候，总是会考虑什么样的方式，什么样的一种路径，能够帮助大家通过服务模式的创新，带来这个企业更好的盈利模式，这个是离不开数据的应用。所以说，我们在整个沟通当中，也会把整个聚焦点放在如何利用数据能够更好服务于整个终端客户，这就提到了我们智能服务的切入点。那么，无论是传统的造车优势企业，还是现在新兴的造车品牌，包括上汽、广汽、东风、威马等我们已经深入合作的客户，都把自己向智能服务解决方案提供者做转变。
第二个我想说数据赋能，有这么多车联网数据，包括现在主机厂积累了大量生产、销售、营销相关的数据。大家可以看得到未来的阶段更多数据来自于什么？来自车联网。我们现在跟各个主机厂，或者说各个合作伙伴在探讨数据价值的时候，大家始终会问，我花这么大的精力，花费巨大的高频次采集的流量费，到底能给我带来什么？那么，在数据价值的整个转化路径上，我们也早就为其做了更多思考。
彩虹无线思考这个问题的时候分为四个步骤：第一个首先是我们要有一个标准的数据采集方案，这也是彩虹从2016年年末开始，不断深挖和实践整个数据在车联网行业应用过程中不断积累的能力；第二个，要把这些数据利用好，IT的系统、数据的平台系统，也是离不开的，所以要有一个强有力的技术平台的支撑；第三个点，也是跟陈总这边达成了共识，在思维上能碰撞出一些火花的，对数据智能化建模的剖析；第四点来自全方位的运营和数据的赋能，这是彩虹目前来讲比较核心的优势，我们一直强调我们是车联网数据服务运营商，如何能够把这些数据更好运营到实际终端客户，这是我们核心能力。基于以上四点，我们势必会产生新的价值和新的产品，这其实也是说出了我们彩虹无线的特点。
数据采集的标准与数据平台的应用能力
2016年年底发布了基于传统能源车的数据企业标准之后，我们不断跟随行业的视角，跟随行业的热点，持续去探索，包括原来的2016年的1.0的数据标准，在这么长时间的应用过程中有什么样的更新。另一方面是面对新能源汽车，包括混动汽车，将来整个数据采集标准，是否能更好满足我们对数据的要求，我们在这两各领域去推动数据采集标准的深化。
讲完数据采集的标准，谈到整个数据平台的应用能力，现在如果说有一个车联网数据服务或产品提供的话，IT系统的建设是离不开的。我们已经把这样一个CB-OS数据平台的产品，在各种各样的车联网数据平台上做了应用，目前，可以达到200万台次秒级车联网数据的承载和应用服务。
智能模型
谈到智能模型，这也是我们目前对外强调的非常重要的两个核心的模型方向，为什么叫“俩”？第一个是人的模型，第二个是车辆的模型，这也是我们的核心发展方向，成为汽车行业中最会玩大数据的，大数据行业里最懂车辆的。目前人的模型主要研究方向在驾驶行为、司机画像，包括对于车主的绿色驾驶、安全驾驶等一系列的行为化的模型。对于车辆，我们会更多关注在车辆的可靠性，故障的诊断，故障的预测，以及车辆在全生命周期的监测工作上。
讲完两个主体模型，整个模型层次也进行了一定延伸，这是我们提到的四层级全新建模。我们看到数据产生价值，第一要了解数据本身的情况，或者说了解我们本身的业务。我们如何根据当前的数据，更好把数据展示出来？我们是不是能够画出很漂亮的图，看到数据本身产生很多的价值点？这是BI类模型当中要做到的一些工作，主要体现在对于客户画像的描绘，对于车辆画像的描绘，以及整个营销状况的陈述。
在我们把整个数据基本情况摸清楚之后，其实对于我们比较重要的挑战是我们对于特定问题的分析，我们比较核心的一个模型叫UBI的模型，能不能通过对于车主驾驶行为，评判出他的出行风险，这其实是我们看重的的分析类模型的特点。能不能通过对能耗的分析，对整车故障的分析，找到一些关键的数据埋点，帮助评估到关键的特征和特别的指标。
模型构建的第三个层次是预测模型，即利用BI类模型对业务有了充分了解，通过分析类模型，建立因变量与自变量间的量化关系后，对特定目标进行预测，这种预测可以典型体现在，驾驶安全性预测、驾驶经济性预测，客户忠诚度预测。
模型构建的第四个层级是决策类模型，即更多地利用知识库的构建，对特定问题优化提供建议与决策，典型的应用包括，车辆故障智能诊断、经销商网络能力建设及智能驾驶控制决策体系。
车联网数据解决方案蓝图
接下来为大家介绍彩虹基于车联网数据整体的解决方案的蓝图，在底层数据源方面以IOV（车联网）数据的收集和整理为主，结合包括DMS、ERP、CRM等既有系统数据为辅，并整合地图、路网、环境、舆情等外部数据，通过高效稳定的技术架构为核心，强有力的技术平台为支撑，实现对于数据的多源异构融合和平台化支撑。对于数据价值转化，必须要提到一点就是应用场景，彩虹当前对于核心场景的数据可以大致分为智能制造和智能服务这两大块。智能制造更多面向车厂本身提供的基于故障监测、故障追溯，包括柔性制造、故障知识库、智能诊断，这其实是面向于整车厂遇到的一些特定的问题提供的场景化的解决方案。智能服务的话，其实更多是面向于终端车辆驾驶主体，提供各种各样创新的产品，创新来自于什么？我们对于保险的创新，对于金融产品的创新，对于出行相关的产品服务创新，这其实是彩虹已经得到比较好、得到充分市场验证的场景化模型应用。最终，我们基于同样的底层数据来源，为整车厂、经销商、终端车主、车队，不同的应用主体提供差别化的服务，这也体现了彩虹在数据价值转化过程中对于数据和业务的紧密结合，例如车联网数据在整车厂更多的关注点在于车辆的质量，即自身车辆是否安全可靠，车辆的标定与设计是否合理；对于车主而言，更多的是驾驶安全性，并且是否这种安全性可以体现在保费和用车成本的降低；对于车队而言，关注点较为集中在经济性方面，能否通过车联网数据的应用，帮助其降低运营成本；对终端经销商而言更关注车辆是否能精准地推送给目标客户，保有客户中哪些是高价值客户，哪些是需要招揽的客户。只有对于不同的数据应用服务主体诉求有了了解，并且在产品、服务设计上充分考虑了这些点后，才能顺利地实现车联网数据的价值转化。
车联网数据价值转化
接下来也介绍一下彩虹在车联网数据价值转化中一些心得和经验。彩虹的核心业务方向之一的金融创新，也是彩虹的着力点。原先看到的更多的车险，更多的汽车金融服务，是更多聚焦在静态征信数据的金融产品。那么通过车联网数据加持，会带来什么样的变化呢？这也是我们目前着重思考，和不断开拓市场的一个举措。现在可以通过对于车联网数据的加持，通过对于创新金融解决方案的设计，更好提供碎片化、场景化的创新保险，也能够达到汽车贷款贷前审核通过率、贷中风险控制能力强、贷后追偿能力强。基于出行风险跟贷款风险的识别能力相应增强，进而会通过对于品牌车险，或者说品牌的汽车金融服务，达到一个持续服务的能力。
那么对于数据智能这一块的能力，现在把它分为三个层级来讲，分为底层、中层和顶层，底层更多看到通过IT系统建设和数据整体架构建设，承接更多车联网数据，因为我们看到未来很长一段时间，我们车联网的数据会越来越多，车联设备也越来越多，频次也越来越高，我们有没有能力把数据平台建设好？第二层是说能不能把车联网数据应用好？基于特定的场景，基于特定的数据应用需求，有没有办法把这个价值体现出来？第三个，就是我们比较强调的综合能力，我们不仅仅是服务外包的性质企业，更多站在组织架构角度，站在数据应用整体规划角度，把车联网数据串联整体咨询规划能力，实现不同业务板块的协同，单个业务纵深的挖掘。
在车联网数据增加的背景之下，如何更好了解车主？如何更好服务到车主？这其实是我们在主机厂这边看到比较头疼的问题，售后流失率、售后满意度，这肯定是在传统调研没有办法完全覆盖的范围内，我们只能够大概了解这个市场发生了什么，但通过车联网数据研究，我们可以明确了解一个车主在购买车辆后对于车辆的使用强度、使用频度，还有诸如洗车频次、维修频次以及是否流失等信息。进而通过大量用户的数据发现在车辆购买后1万公里和一年时间点上，我们客户大概的流失率分别占到28%和33%，这其实对于我们来讲是非常恐怖的数据。包括现在有很多造车新势力，如果说这样的数字曝光在他们面前，这是完全无法接受的事实，因为整车制造未来毛利会越来越低，而对于用户价值体现，或者说整车厂利润体现，更多来自于后续服务。从整个数据探查上来看，是值得我们去深思的。
进而我们可以看到车联网数据还可以对营销模式和客户服务形式的改变。我把它分为三个阶段，第一个是大众的营销，我们看到在没有任何数据支撑下，我们可以看到更多我们车主，或者说4S店给车主提供的服务相对来说是比较单一的，总是会通过广谱的专项服务，比如说毫无目的设计一个轮胎的更换，或者说三滤的更换。第二个是当我们对于经销商售后数据以及少量车联网数据使用以后，更有目的评估到这个车主消费能力怎么样，下一阶段需要什么样的服务，通过有针对性的服务设计，内容的设计，帮助他更好回到我们整个服务体系里。第三个阶段是个性化营销，在互联网领域里经常提到“千人千面”，其实我们对于车主应用的需求也是“千人千面”的。这是我们先前和某一个汽车论坛品牌搞的活动，我们要通过论坛的需求，把我们整个的营销方案制定出来，对于方案的制定其实最核心的就是圈定人群，大家都在讲用户画像，用户画像最终服务的非常重要的应用点，其实就是服务于整个的营销。所以说，我们这里面可以看到一些比较有意思的点，我们如果说通过车联网数据，通过现在既有数据，能够发现女性车主对于论坛的需求是男性车主1.28倍。这说明什么？说明其实更多的是女性车主对车辆的爱惜程度更高，但同时不太懂车，虽然开车没有男性车主开得猛，但对于你给他提供的服务来讲都会比较敏感，或者说响应率是高的。这样的特征，可以帮助我们更好了解用户的需求，了解我们用户当前，或者说接下来一个阶段需要什么样的服务。
其他案例还包括了车辆的远程诊断、工程车辆的数据采集和质量评估、新能源汽车电池健康度管理、整车健康度评价体系等工作。也将在后续的“数聚彩虹”访谈类节目中持续为大家分享。