京公网安备 11010802034615号
经营许可证编号:京B2-20210330
"互联网+汽车"三方面体现变革 核心是大数据及应用
“互联网+”给产业带来的变革将是一个持续升级的过程。在这个过程中,会出现诸多的新技术、新业态,而且技术以及技术路线、商业模式的迭代速度会明显加快,一些产业的格局会发生频繁调整,产业与产业之间的界面也会更加模糊。创新会更多地发生在产业交叉和融合的领域,发生在传统产业最落后、最容易被突破的环节或痛点。相应地,在这个变革过程中,政府如何调整管理思维和行为方式,对“互联网+”能走多远会产生关键性影响。
“互联网+汽车”是互联网与实体领域特别是制造业形成融合最吸引人、也有可能是最有变革潜力的领域,这个领域正发生的变革,以及其在变革中遇到的体制和政策问题,对我们从整体上理解和推动“互联网+”很有借鉴意义。
1、“互联网+汽车”带来的新技术、新业态、新格局。这些变革主要体现在三个重要方面。首先是基于信息服务应用为主而形成的新业态和新技术应用,如汽车的销售、维护;汽车保险;智能交通;汽车租赁;汽车交易;油电服务;搭载互联网的驾驶员在车上的娱乐与商业、商务活动以及远程的智能控制。这些都会带来诸多的商业生态。这是目前“互联网+汽车”最活跃的领域,创新势头会更加强劲。
其次是以安全和能效提升为主而形成的车联网产业链和关键性技术应用。如无人驾驶、辅助驾驶技术的快速应用,产业化的时间很可能大大提前;车与路、车与车基于新一代信息技术可以实现连接,以及会带来诸多领域颠覆性的变革和巨大的商业机会,如高速交通安全与管理;市内道路出行的优化与交通疏导;满足高通量、高速度、低成本的数据传输技术的应用及相关产品生产和基础设施建设。这是“互联网+汽车”最核心的变革,也是全球几个主要国家在标准体系、技术能力、系统建设等方面产生竞争的主战场。
其三是汽车生产环节的变革。过去更多是自动化、流水线,加入互联网后,可以实现更加个性化、柔性化生产,以及整车及所有部件可跟踪,生产信息可以由厂内连接到厂外包括销售商、消费者并实现双向互动。供应链管理能实现平台化,自动化环节如机器人更智能更精准。这种“五位一体”的智能化制造,在德国叫做工业4.0。从国内企业来看,汽车行业的智能化好于其他一些制造业,后者很多还只是2.0甚至更低的水平,自动化程度还很低,智能化也更只是初级阶段。汽车企业也有不同,国外公司包括其在国内的合资厂,智能化水平多高于国内汽车公司和国内合资企业的自主生产厂。
2、“互联网+”的核心是大数据及基于这些大数据产生的应用。“互联网+汽车”产生的诸多创新、服务和商业变革,都要基于有数据可分析。有哪些数据呢?每辆车的数据,现有每辆车都有一个VIN码,更多信息分散于交管部门、整车厂、保险公司手中,车的位置信息,驾者的信息,基础设施信息包括停车位信息、充电信息、加油站等。这些分散、碎片化的信息,只有具备可读性、可共享,真正有极大经济和社会效益的商业和产业变革才会发生。因此,政府如何为这些数据的收集、保护、分享、应用创造更成熟的环境,是亟需研究的问题。
3、“互联网+”的层次性及推进“互联网+”的思路。“互联网+”有三个层次,产品与服务+互联网,单一行业+互联网,系统+互联网。这是一个金字塔形的体系,系统变革在塔尖,发生的时间慢,但影响巨大。这个系统变革就是跨行业的融合、对接、渗透。
互联网+汽车的可预见的高端境界是车与车、车与路的联网。这是最难的,技术不是障碍,难在体制。这涉及通信、汽车、道路、交通管理四个目前相对独立的领域。从当前的情况看,各个领域都在研究和推动“互联网+”带来的变化与对策。
其一,信息通信领域更多是扮演颠覆者的角色,努力寻找汽车行业、交通行业发展的落后点和痛点切入,从而会产生一系列新的业态和商业模式,但问题是,这种更加强调互联网的思维会遇到传统行业越来越多的抵触。特别是,对与技术与工艺复杂性非常高的生产制造,特别是汽车制造业视为根本的安全等问题采取一种轻视的态度,对中国道路交通的复杂性,以及新技术推广时空的不一致性缺乏谨慎的认识,以为都可以通过互联网技术予以解决。由于对此没有更理性的认识和更充分的准备,互联网颠覆者的成功概率会小于助跑者的成功概率。这说明,“互联网+”绝不能变成“互联网思维”的单方主导。
其二,交通领域推进的智能交通,或者叫车联网,更多是从交通管理角度出发进行设计,对车的理解远远不足,与车的合作远远滞后;汽车领域推进的网联车,或智慧汽车,对车与路如何联结,也没有协同的解决方案。这样双方努力推进的结果,是在“互联网+”的时代,重塑了行业分割、自成体系的格局。这会对技术标准的融合、数据交换、基础设施建设带来非常大的障碍。因此,推进“互联网+”的思路应体现变革的层次性和行业重点。对系统性的领域、需要政府来承担更多跨界融合的领域,政府必须更早行动,组织跨行业的交流,成熟的还要进行顶层设计。
4、“互联网+”时代的行业管理要变革。“互联网+”带来的一个重大挑战是政府基于审批、不联网时代的管理思维和管理方式。这就要求政府必须建立基于“互联网+”的行业管理体系和管理能力。一个重要的现实是,“互联网+”最容易产生变革红利就是有行业管理的领域。因为,这些领域的发展由于受到管理存在更多的痛点,一但触网,机会更多。但变化是什么呢?汽车领域,汽车生产方式会改变,过去大流水线的生产方式,在“互联网+”和汽车电动化转型时代,就必然会发生改变,汽车可能更多是模块化生产,他不需要建立庞大的流水线,维修也更加分散式和社会化,那么我们的投资准入要求是不是要改变,非要企业建立多大规模的生产线、非要有多大的车维体系吗?另外,市场准入的改革也要提速,谁更有资格来设计和生产这样的汽车,需要加以重新定位。交通方式也会发生重大变化,网络协调、统一调度、预定路线、区域管理、全国交通大联网的格局可能出现。用车方式也会改变,自动驾驶会使个人驾车出行的方式转换成网络租车出行的方式,私家车被“共用车”取代。“互联网+”所要
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19