
大數據抓?。核麄円刂颇愕钠嚪较虮P
沒錯,他們就是想要控制你的汽車方向盤。他們是誰?為什么要控制汽車方向盤呢?大數據好像百無禁忌,跟誰都可以組CP。隨著越來越多的廠商投入到無人駕駛汽車研究的大潮中,這一頗具前瞻性的領域獲得了大量關注。谷歌無人車14個月遇272起事故,這你敢坐?可能很多人都將責任歸咎于數據獲取與分析過程不當,那我們來看看這鍋應不應該大數據背。
一年前,管理咨詢巨頭麥肯錫就預測到2025年,物聯網將可以解鎖達到11億美元的價值。這是一個很大膽的觀點,尤其是目前互聯網上揭露了大量有關“物聯網設備存在弱口令漏洞”的相關情況。
現在,麥肯錫又開始涉及汽車行業(yè),并宣稱到2030年來自汽車的數據價值將達到7500億美元。咨詢公司甚至給出了如何獲取這部分收入的具體方案,如果利用汽車上獲取的數據可以獲得如此可觀的收益,消費者可能就會不太愿意分享他們的個人信息了,不過目前還只是預測。
汽車行業(yè)是塊巨大的蛋糕,谷歌、蘋果和其他公司都試圖找機會布局自己的汽車行業(yè)。尤其是在南美,在汽車上花費多少時間,可能就會得到多少數據,很容易就可以想象新的大規(guī)模與汽車相關的企業(yè)可以構建出什么樣的數據庫了,畢竟,Uber其實是一家大的數據分析公司,而不只是出租車公司。
對Uber來說,當然不是中國區(qū)Uber,這不僅是在市場中占據主導地位這么簡單,根據麥肯錫最新報告“Monetizing Car Data”的作者給出的結論,在接下來13年,汽車行業(yè)產生的數據可能會達到4500到7500億美元的價值。
根據麥肯錫的分析:7500億美元可以被任何人擁有,但要先滿足如下兩個條件:
1、抓住市場,通過數據分析出符合消費者心理的炫酷新產品,以期消費者愿意買單。
2、推出此款產品,并有一個合理的產品迭代周期。
想法簡單,但執(zhí)行困難。以一種十分通用的方式,麥肯錫關于這個新市場給出的結論,讓我們明白了一件事情,汽車數據貨幣化的道路上面臨的首要挑戰(zhàn)就是與最終客戶溝通,明白客戶最終想要的是什么。
在互聯網時代,這種分析用戶數據以對產品趨勢作出判斷的例子比比皆是,科技行業(yè)將消費者視為產品的想法也不足為奇。例如,谷歌幾周前就十分低調的更換了它的廣告政策,以期獲取更多的用戶行為數據。
這對汽車駕駛員來說有什么影響嗎?
假設讓你的汽車自動運行一分鐘時間,會對車道上的其他車造成什么影響呢?畢竟獲取你的行程,駕駛習慣等信息要比獲取你的上網信息嚴肅的多,是什么促使消費者分享這些數據的呢?麥肯錫列舉了一系列可能的原因,比如消費者為了更低的保險費率或其他優(yōu)惠主動分享。然而,我們往往忽視了根本原因:用戶往往不喜歡為數據安全買單,但要知道,既然保險公司可以通過獲取用戶數據的方式降低你的保險費率,也可以用同樣的方式提高啊。
另一方面,就算我們意識到這一點,可能也并不能阻止什么。年輕人往往不是很擔心隱私問題,根據調查意外發(fā)現,90%的人意識到數據可以被一些應用程序或第三方利用。另一項調查中,79%的受訪者表示不介意這些應用通過授權訪問自己的數據。
當你的數據獲取足夠充分,足夠龐大,就可以安心上道了嗎?獲取駕駛者的個人信息可能很簡單,但行駛過程中可能會有很多意外情況發(fā)生,尤其是中國的交通情況錯綜復雜,各類立交橋、高架橋縱橫,要想做好無人車,并用于人們的日常出行,恐怕不僅僅是大數據的責任吧。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協(xié)同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11