汽車大數(shù)據(jù)應用的6個前提

最近博鰲的論壇上，各路大神在神侃人工智能是否會消滅人類的倫理問題，最討厭一幫文科二貨在臺上扯淡人類技術末日，因為無論這個倫理問題多么嚴重，最終解決問題還得靠理工男女的技術頭腦。制造AI的恐慌是沒有意義的，了解AI是什么比想象它的恐怖有趣得多。

在當前這幫文科二貨們的蠱惑下，大數(shù)據(jù)和人工智能越來越熱，汽車這個垂直應用領域更是熱得一塌糊涂。從大數(shù)據(jù)技術的基本應用場景看，汽車和車險的銷售廣告顯然是典型的應用場景，近年來，汽車金融的應用場景也漸漸豐富起來，至于自動駕駛，那已經(jīng)是資本寵兒。我認為汽車大數(shù)據(jù)最可能率先發(fā)揮價值的一是汽車和車險廣告，二是金融和車險的風險控制，三是自動駕駛，其他領域的應用即使有，也商業(yè)價值有限。

但目前來看，絕大多數(shù)自稱汽車大數(shù)據(jù)的公司本質(zhì)上都是賣數(shù)據(jù)的公司，我們耳熟能詳?shù)哪切┐髷?shù)據(jù)公司，干的基本上就是倒賣官方還沒有合法公開的個人數(shù)據(jù)，未經(jīng)用戶同意倒賣用戶隱私數(shù)據(jù)的勾當。倒賣數(shù)據(jù)是當前到處吹牛的汽車大數(shù)據(jù)公司典型業(yè)務。真正運用算法和模型解決行業(yè)問題的公司都還在埋頭苦干，都在積累應用案例，短期恐怕難以盈利。對投資人和創(chuàng)業(yè)者而言，我認為看清楚汽車大數(shù)據(jù)的應用方向非常重要。

要應用汽車大數(shù)據(jù)，首先得解決數(shù)據(jù)處理的問題。從汽車數(shù)據(jù)處理技術的角度看，大約有6個層次。我認為這是實現(xiàn)汽車大數(shù)據(jù)應用的6個前提。

一是數(shù)據(jù)接口化，這個層次的問題不解決，大數(shù)據(jù)技術根本就沒有用武之地。搞不定接口，只是拿個移動硬盤拷死數(shù)據(jù)的，就別湊大數(shù)據(jù)的熱鬧了。比如汽車違章數(shù)據(jù)對于用戶個人征信有價值，弄個爬蟲去偷數(shù)據(jù)的就別琢磨大數(shù)據(jù)應用了，數(shù)據(jù)源都不穩(wěn)定，相當于工廠的原材料都不穩(wěn)定，你還怎么搞生產(chǎn)，怎么考慮產(chǎn)品質(zhì)量呢？

二是結(jié)構化，數(shù)據(jù)采集的接口問題解決了，需要解決數(shù)據(jù)存儲問題。傳統(tǒng)的數(shù)據(jù)庫采用SQL存儲結(jié)構化數(shù)據(jù)，但如果要用大數(shù)據(jù)技術，圖片、甚至視頻等非結(jié)構化數(shù)據(jù)也需要存儲，雖然有NoSQL產(chǎn)品解決這類數(shù)據(jù)寸純問題，但最終應用仍然需要把非結(jié)構化數(shù)據(jù)結(jié)構化。

三是標準化，結(jié)構化存儲的數(shù)據(jù)來源廣泛，比如同樣是車輛的保單數(shù)據(jù)，不同保險公司的保單數(shù)據(jù)標準不同，在應用前必須把不同保險公司的保單數(shù)據(jù)標準化。同樣，汽車違章查詢的數(shù)據(jù)、汽車貸款的數(shù)據(jù)，都需要按照統(tǒng)一的標準進行規(guī)范，這樣可以用一把尺子度量不同來源的汽車數(shù)據(jù)。通常，絕大多數(shù)吹牛自己是大數(shù)據(jù)公司的，基本工作就是做到了這一步，也就是把來自各種途徑的數(shù)據(jù)進行了標準化，能夠用Excel表格輸出數(shù)據(jù)，可以賣了！

四是因子化，完成了標準化，這時的數(shù)據(jù)庫才能采用大數(shù)據(jù)技術進行有目的的挖掘。要開展數(shù)據(jù)挖掘，首先第一步得解決標準化數(shù)據(jù)的因子化。比如車主性別，有男，有女，有不確定。計算機因子化處理這個問題的時候就會把男定義為1，女定義為0，不確定性別定義為2。性別的因子化相對簡單，再比如違章數(shù)據(jù)，究竟違章多少次，何種違章才應該被判定為高風險呢？要因子化處理，我們就得定義規(guī)則，比如非扣分的違章0-3次風險因子是1，4-6次風險因子是2，7次以上風險因子是3……諸如此類的數(shù)據(jù)因子化處理，才能進入數(shù)據(jù)建模。

五是模型化，很多吹牛搞汽車大數(shù)據(jù)的，動輒就吹牛要搞數(shù)據(jù)模型，其實絕大多數(shù)人連前面四個數(shù)據(jù)處理過程都干不了。極少數(shù)搞定前四個步驟的公司會雇傭數(shù)據(jù)建模師，圍繞特定的問題，建立數(shù)據(jù)模型。這個過程一定程度上并不是科學，更多的像是藝術工作。因為不存在絕對的解，建模師的工作就是要用想象力，盡可能建立一個能夠模擬現(xiàn)實世界運行的數(shù)據(jù)模型。先有一個假設，然后用現(xiàn)實世界的數(shù)據(jù)去測試這個假設，如果錯了，反饋參數(shù)去修訂這個模型，再用真實數(shù)據(jù)測試，直到結(jié)果能夠很好的模擬真實世界……這個過程就是機器學習的數(shù)據(jù)訓練。由于每個行業(yè)、每個行業(yè)的細分領域、每個細分領域的不同公司都在經(jīng)營不同的生意，同樣是車險保單，不同保險公司的用戶偏好是不同的，同一個模型是不可能適應所有保險公司，每一家保險公司如果要應用大數(shù)據(jù)和人工智能技術，都必須個性化訓練，一旦某一家率先建立自己的機器人，其在行業(yè)里的效率提升將大幅領先于沒有人工智能機器人的公司——對汽車保險、金融、二手車、后市場等領域來說，誰先用人工智能武裝自己，誰將與競爭對手真正拉開差距。

六是產(chǎn)品化，有了模型并不是萬事大吉，模型必須應用于某個生產(chǎn)場景才能創(chuàng)造價值。比如在汽車廣告領域，區(qū)分潛在用戶銷售線索優(yōu)劣的模型就非常有用。目前每年車企投放大量廣告獲得幾十倍上百倍實際銷售量的銷售線索，目前不加區(qū)分進行電話轟炸的方式效率非常低，成本也非常高。建立銷售線索魚成交結(jié)果的數(shù)據(jù)模型之后，必須為車企提供一個應用生產(chǎn)環(huán)境，幫助4S店銷售人員準確把握每一個銷售線索的價值，把有限的時間和資源，放在最可能成交的那些潛在用戶身上。也就是說，必須把模型封裝在一個Saas系統(tǒng)里，大數(shù)據(jù)技術才能真正落地應用。

我知道這篇文章對大多數(shù)人而言過于專業(yè)，但真要應用大數(shù)據(jù)、機器學習和人工智能解決汽車行業(yè)的問題，這篇只能算是掃盲。寫出這些掃盲文章的目的無他，我只是想治愈那些AI恐懼癥患者。美國人可能有必要擔心這些問題，因為在發(fā)達國家，數(shù)據(jù)的接口化和標準化工作已經(jīng)在幾十年前完成，而我們中國遠遠沒有恐懼AI的必要，各種數(shù)據(jù)連接口化的工作都無法完成，你想訓練一個AI出來，談何容易——各位吹大數(shù)據(jù)牛的公司，賣數(shù)據(jù)的生意前景不錯，6月1日網(wǎng)絡安全法出臺前可以繼續(xù)得瑟，之后就自求多福吧！