京公网安备 11010802034615号
经营许可证编号:京B2-20210330
福特公司CEO Mark Fields在CES 2015展会上的主题演讲可谓光芒四射,他阐述了这家老牌汽车厂商如何在传统业务之外、以数据分析为契机取得一系列辉煌成就。换句话来说,福特为我们树立了良好的典型,证明了如今每一家企业都可以转化为技术厂商。
福特所面临的挑战在于通过多种不同类型的移动技术实验从车辆及人员身上收集数据,而后以此为基础考量怎样构建起新的业务方案。在可能性方面,Fields谈到了车辆质量、保险费用、汽车共享、交通分析以及社会问题等潜在发展方向。
“我们的路线图不能仅仅包含智能化汽车,还应该囊括智能化道路与智能化城市,”Fields指出。
福特公司CEO Fields探讨汽车制造商在大数据方面的实验性尝试福特公司公布的计划包括以下几点:
1. 短期之内利用25个实验性项目收集包括汽车共享、车辆情报、驾驶模式、停车应用以及保险等方面在内的各类数据。这些数据均来源于消费者及志愿者。福特公司希望能够以更具前瞻性的视角进行项目规划,而不仅满足于人们早已听说的机器人汽车等领域——虽然福特在这方面也制定了庞大的发展规划——这一切都将以数据作为基础以及资源。福特公司希望“在未来十年及其后构建起一套全新的交通模式与移动解决方案。”
2. 再来看需要实现的中期目标。以上述数据为起点,福特公司计划进一步扩大自动化汽车与相关应用程序的开发力度,从而保证其产品能够在多种交通系统之间应对自如。
3. 长期发展目标则是在城市移动技术领域占得优势地位。福特公司希望能够切实将各类交通系统加以整合,并将自动化功能推广至普通民众。不出意外,福特的实验项目选择了印度与中国作为实验地。福特的胜利则代表着新兴市场与中产阶级购车群体的崛起。
“此类信息能够帮助我们了解人们如何活动,并以绝大多数客户无法企及的宏观高度对其中的模式加以剖析,”Fields解释道。“今天的汽车已经能够产生大量数据,其每小时信息生成量就已经超过了25GB。”
围绕这一发展路线图的展开的多项实验为我们在多个方面带来值得关注的启示。在一项实验中,福特公司利用由车载传感装置收集到的数据研究总计两百名志愿员工的驾驶习惯,旨在对车辆作出针对性优化。另一项实验则是汇总大量评估数据,从而衡量驾驶者在长时间内的安全行驶状况、最终达到降低保险费用的目标。福特方面还从其它多种角度出发作出尝试,包括车辆共享以及便捷停车等等。
福特的尝试与努力能够带来以下收益:
• 在硬件产品制造商之外为福特谋得新的市场定位。
• 将该公司提升为一家服务供应商。
• 为将福特塑造成值得信赖的品牌构建良性发展循环。
• 随着时间推移带来额外营收资金流。也许福特能够凭借此类数据帮助保险企业对驾驶员的过往记录作出评估,而后者需要向福特方面支付数据使用费。
Fields强调称,福特公司的信息收集项目皆为可选方案,而参与其中的客户则能够持续通过相关数据获取到服务与实际收益。
但接下来才是最麻烦的问题……
我们不能指责福特的野心过于激进。这家汽车制造商领先于整个业界推出了其Sync系统,同时已经打造出了其信息系统的第三个版本。
但福特很明显并不满足于单纯将着眼点放在车辆范畴之内。福特公司希望成为汽车行业中的苹果,他们打算出售的并不仅仅是硬件或者软件,而是在硬件与软件之间所衍生出的集成化与智能化成果。
美中不足的是,福特公司需要面临的数据总量过于庞大、很可能出现超载状况。TechRepublic的Jason Hiner去年撰写了一篇题为《福特如何在转型为软件供应商的道路上前行》的文章。Hiner在文中写道:
福特在收集并处理大数据、并利用其增强自身业务方面一直走在整个行业的前沿。不过就目前来看,福特希望能够像谷歌、Amazon以及Facebook等纯技术厂商那样利用同样的方式运用大数据——旨在对用户体验进行简化与定制。
虽然福特有能力构建起数据分析所必需的后端系统以及工具,但真正的难点在于从问题惊人的信息池当中汇总出分析结论。福特需要对企业文化加以转变,并在招揽数据科学家人才的同时酝酿出潜在的新型解决方案。毕竟客户与车辆之间的关系是种内在的情绪化因素,此类人为因素的介入可能会让驾驶者与车辆产生意料之外的关联。
福特方面未来将很可能需要考量“富数据”在实验当中所扮演的重要角色。TechRepublic的Mary Shacklett在报道中表示:
富数据的深层次概念在于,我们并不能始终依靠数值计算与算法来对客户的全方位体验加以概括,或者是将任何人为活动乃至可能出现的意料外因素囊括在其中。
换句话来说,福特公司的既定目标实际上是在对人类行为进行统计与分析。人们在找不到停车位时,会做出怎样的反应?福特该如何对此类反应作出预计?而这些数据对于车辆设计工作又意味着什么?
总结陈词:福特公司面临的挑战是为大数据与分析同用户体验之间找到一条沟通的纽带。谷歌、Amazon乃至Facebook都在致力于改善用户体验,这项工作与汽车设计及制造可以说是风马牛不相及。考虑到这一点,我们期待看到福特在未来几年中会如何一步步推进自己的这项宏伟发展目标。
End.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10