9月11日，“美赛达”汽车后市场新商业模式论坛在广州琶洲保利世贸馆三层会议中心隆重举行。本次论坛特别邀请了来自英国的著名数据科学家：Viktor Mayer-Schnberger (维克托·迈尔·舍恩伯格)先生做关于“大数据时代汽车后市场新商业模式”的演讲。
维克托·迈尔·舍恩伯格先生认为工业革命以后最重要的焦点就是大数据。但是大数据和汽车行业有什么关系？为了把这个主题讲得比较深入，讲得比较有趣，大家会听到很多不的新产品，比如说有多大容量的传感器，比如说无线网络，还有高清的屏幕，尤其是电子行业给我们带来的奇迹也是越来越多，大家也看得琳琅满目。但是大家要知道一点，那就是大家的未来跟所有的这些设备没有关系，你的未来跟下一代汽车，有那么多的新产品，那么多的虚拟产品都没有关系，因为这只是表面而已。就好象金箔外面那薄薄的一层，这个地面才是我们重要的基石，促使我们走向成功，同时也走向巨大的利润和财富。这个基石不是设备，也不是元件，是什么？是数据!
传统销售模式的缺陷 大数据才是解决方法
汽车行业最重要的是要卖车。通常，卖一辆车是什么过程呢?销售汽车就是把车卖给顾客，有什么车可以出售?如何把他们的兴趣联合在一起?他对哪个车型感兴趣就要卖这个车型，可能有人说我喜欢这个车，在销售车的过程中，他们其实买的是这个样子，因为他们不能支付起法拉力，就只能买这辆车了。而我们在销售的时候，最重要的观点是把供求关系联系起来，如何把这两者联合起来才是最值得商讨的。
比如说我们有十辆不同的车型，有十个客户，要如何把这十辆车卖给这十个客户呢?在传统的销售模式里，会做很多的广告，以吸引顾客购买汽车，如果真的幸运最后会发现其中有一些客户，比如说这十个里面的七个客户会买我们打了广告的车，这已经是很不错了，因为我们卖了7辆车。但是其实这也不好，为什么?因为我们只卖了7辆车，我们还有3个顾客的需求没有得到满足，还有3辆车还没卖出去，这里传统的销售模式。销售就是这样，生产有了库存，希望把库存卖出去，通过广告、营销，各种各样的销售技巧把车卖出去，最后会发现库存里面总是没有卖完，总是有一些需要车的人没有买到汽车。因为这里有一个缺口，我们不知道这个顾客需要什么，你生产的东西没有满足顾客的需求，因此就会有这样的缺口。
要怎么解决这样的问题呢?
有很多人可能想到降低价格的策略，看到商家主动减价就把汽车卖出去，但是很多时候如果把价格降得很低，就拿不到利润了。零售业很多时候都遇到这种情况，不仅仅是汽车业，其他零售业也是这样的，浪费是非常严重的。但是没有回头路可以走，为什么呢?因为我们这个时候没有数据，在生产的时候没有数据，不知道顾客需要什么。是的，我们可以走出去问他们“你们需要什么?”，我们可以做焦点访谈，做问卷调查，但是这是小的数据，非常小型的数据，而且很多时候小型数据是错误的数据，这就意味着我们没有数据，所以我们是非常盲目的做一件事，希望最终可以碰上成功。但是在大数据时代，这样的运营模式是必须完全颠覆过来的。
因为在大数据时代，我们有所有的信息，我们都知道顾客需要什么，因为我们有这些顾客需求的信息，因此我们不仅仅可以更好的满足他们的需求，同时我们还可以知道他们这个产品需要什么，所以我们生产出汽车，最终他们是会购买的。我们最终将客户需要的因素融合到生产的车当中，从而满足消费者的需求，所以最终每一个消费者，生产的每一辆汽车都能卖出去，每一个消费者也都可以买到自己心仪的车。
获取流动数据 大数据分析的不同点
营销要取得成功，关键是在于数据，数据在不断的流动。数据从消费者到生产商，到零售商，一直在不断的流动，这些数据我们是可以得到的，也可以通过多种方式来获得的。要使得数据流动起来，从消费者流动到生产商并不容易，但是现在这一切都发生变化了，那是因为在大数据时代，我们能够收集大量的数据，收集到大量的正确的数据，都是关于消费者的。这能够赋予我们极大的能力来进行数据的分析，而进行大数据的分析，我必须说的是和小数据的分析截然不同。我们之前也做过很多数据分析，之前是进行调查或者是焦点访谈等等，但是却有三方面的不同，我们把它叫做“更多”“混乱”，或者是“相关性”，这是数据分析的不同点。
首先是“更多”
更多意味着什么?意味着我们可以收集更多的数据，针对某一个问题收集更多的数据。比如说下一个季度销售汽车的数据，因为有了更多的数据，所以我们不仅仅是针对一些小的样品，而且也可以把这些数据进行细致的分析，同时我们也能够更好的了解大量的消费者，也可以了解一些小的群体，从而能够满足他们的需求，能够针对他们的需求来解决问题。
第二个是“混乱”
这是大数据的特征，就是非常的混乱。这意味着我们不需要招聘，不需要花大量的钱招聘专家收集大量的数据，这些数据可能是关于消费者的需求，我们可以使用比较少的资金和成本，得到大量的非常混乱、非常多的数据。所以说我们只有很少的数据，也可以这样做。有时候因为这个数据不是非常准确，所以分析出来的结果也是不正确的，如果说我们得出的结果是错误的，这个结果就非常的可怕，如果我们有一千份数据，有3份是错的，问题还不大。有时候数据非常多，非常混乱，但是没有关系，因为最终会给我们带来第三点，那就是相关性。
相关性是第三个特征
相关性意味着这些数据之间，或者是两个事件之间必然存在某种联系，而这种相关性告诉我们事情正在发生变化，但是它并没有告诉我们为什么会发生这种变化。我们不知道事情发生的原因，从大数据当中不知道，但是我们知道正在发生的事情，通常我觉得这已经足够好了，有这样的大数据以及相关性的大数据，我们发现通过因特网可以销售更多的库存，也许大家已经尝试过了，比如说我们在网络购物的时候，可能这个系统会推荐一些新的产品，比如说亚马逊，它也有一个推荐的系统，也是基于大数据之间的相关性和关联性，而且是一个系统，推荐的系统。它能够带来亚马逊13%的销售的数额。
相关性同时也带来了很多的因特网公司的发展，比如说谷歌，也许这些事件并没有告诉我们发生的原因，但是可以告诉我们什么事情正在发生，这是和过去截然不同的一点，我们知道消费者的需求。也许我们不知道他们为什么有这样的喜好，但是没有关系。大家还记得吗?我们常常听说的是一个很好的销售人员都会说：你必须要了解你的客户，你必须要知道为什么他们喜欢某一种特殊的车型，如果是需要一个更大的车，因为你知道他来自一个大的家庭，他的爷爷奶奶也和他们一起住。
我们知道销售专家会跟你说，你必须要知道为什么，其实这已经是过时的想法了。在大数据时代，我们要讲的是相关性，相关性会告诉你为什么，消费者要什么，而不是为什么。但是知道他们需要什么已经足够好了，因此，我们的供应必须与需求匹配。
大数据时代 才能真正满足消费者需求
当人们购买一辆汽车的时候，他们可以上网选择不同的汽车，可以选不同的颜色，从外观、引擎等等各方面进行选择，甚至可以从安全性、豪华与否等等角度进行选择，使得他们的驾驶过程非常的舒服。我自己也刚刚买了一辆车，非常漂亮的一辆车，我在网上问了18个问题，做了调查，我问的是：你要自动档的还是自动移动的座位的系统?是否需要一个天窗?这样的问题回答之后就可以选择自己的汽车了，很多时候根本不知道自己想要什么，连自己的喜好都不知道，那是因为我自己有一些偏好，我有一个需求。
但是，通过回答这些问题我的需求是不知道的，这个系统只是问了固定的问题，想不想汽车的空间更大?想不想座位更大?你是不是想要一个天窗?这些问题并没有告诉我，我自己的喜好是什么，而且这些问题、这些选择对我来说是没有意义的，我知道我有这些选择，但是面对这些问题我不知道该做什么选择，所以说这是小数据的时代，我们必须要给人们足够多的选择，也许最终他们不知道做什么选择，最终他们对产品也不满意，所以我们要做的是什么?必须要真正的知道这些消费者自身的需求，从而给他们提供数以百万计的选择，满足每一个消费者的需求。如果要这样做，必须要真正的了解消费者，知道他们的需求，知道他们想要什么，而不是为什么。对我来说，这才是有意义的选择。
这并不是关于有多少个选择的问题，我们知道创造无数个选择是很容易的，但是要使得这些选择对消费者来说有意义却是不容易的。你必须要有数据才能实现选择。
汽车行业需要灵活生产 从而提升销售效率
我接下来要讲的的一点就是灵活的生产。我们必须要问消费者他们喜欢什么，只有当我们知道他们的偏好之后，才能按照他们的偏好进行生产，这样我们生产的汽车才不至于没有买家，没有市场，卖不出去。
灵活的生产意味着什么?我们必须和工程师以及IT公司，比如说苹果，戴尔这样的公司合作，几年前苹果公司进行了创新，有一个产品进行了160天的销售，得出了非常创新的产品。但是今天他们得出了一个新的产品，他们只需要做两到三天的销售就已经足够了，对他们来说，他们生产出来的产品，因为他们已经知道了他们的消费者在哪里，他们的产品一定能够满足消费者的需求。我知道对汽车的生产商来说，对这个行业来说，他们其实已经知道了要做什么，但是要做到灵活的生产是不容易的，也就是说我们今天必须要向前迈出更大的一步才可以，也就是说在销售的行业已经发生了很大的变化，我们之前通过大数据可以更好的了解消费者，更多的进行分析，从而更好的把供应与需求匹配起来，从而提升销售的效率。
通过大数据的分析 改善汽车应用系统
过去改善意味着汽车要更大的引擎，要更快，消耗更少的燃油，但是在未来改善我们的汽车意味着什么?改善生产的流程，改善汽车本身，必须要和数据相关才叫做有所改善。有一些联系可能是非常有意思的，而且好象也是显而易见的。
举个例子：研究人员正在努力研发一个系统，当你坐下来之后这个系统会衡量你的座姿，每个人的坐姿都不一样。比如说衡量我们的手指，指纹，也就是说我们不需要车时只需要坐下来，这辆车就可以识别出这是车的主人，如果是这个车没有识别出车的主人，这辆车就不能启动。这个系统有这样的能力，他能够把每个车主的坐姿通过数据的形式进行比较，这个系统是非常有意思的，这都是我们所说的大数据的使用。
我也相信它可能会推行到下一代的汽车身上，但是我们还可以做更多的努力。因为通过大数据的分析，通过数据的收集，可以知道坐姿，大多数人的坐姿都是不一样的，在晚上可能太累了坐姿又不一样。所以我们可以装一个警告器，比如说当现在的人开车累了的时候可以警告他们，让他们醒过来，我相信这种系统也能够广泛的应有到现在的汽车当中。
大数据是一种思维模式的转变 劳斯莱斯和UPS对于大数据的应用
我说的不仅仅是在汽车中安装一些和汽车相关的装备和装置，总的思维方式，关于生产和制作的思维方式必须改变。接下来给大家举一个典型的例子，这个公司是劳斯莱斯，这是一家生产豪华车的公司，劳斯莱斯也会生产其他的产品，比如说也会生产喷气式飞机的引擎。其实它是世界上排名第三的喷气式飞机公司，十年前这家公司的确是生产喷气式飞机引擎的公司，但是现在已经是一个大数据公司了。为什么会发生这么大的变化?因为在每一个喷气式飞机的引擎上都必须要建立一个中心，这个中心必须要衡量各种各样的数据，包括一些空气、环境的数据，不断地测量数据。
把这些数据传送到劳斯莱斯的数据中心，劳斯莱斯就对这些数据进行分析，同时也可以预测引擎的哪一个部分会发生故障。我们的故障不会一下子就坏了的，或者是声音、振动发生改变，因此我们通过数据的分析就可以知道这个声音或者振动是有问题的，它会提前在故障发生之前更换某些零部件，这对于飞机来说是非常重要的。因为如果在飞机飞行的过程中引擎发生问题，就会造成空难，这就是为什么到今天我们都会知道飞机引擎有两个。对引擎的可靠性是有要求的，在它们发生故障之前必须有能力更换零部件，以确保飞机做出预测性的维护，同时也可以保证在故障发生之前做出控制。
引擎中心在每一次飞行的过程中都收集到很多很多的数据，很多很多G的数据送到劳斯莱斯的数据中心进行分析，劳斯莱斯会知道引擎的哪一个部分可能发生问题了，提前在发生故障之前进行零件的更换。
这个和大家有什么关系呢?关系可大着呢
再说UPS，是世界上最大的物流公司之一。每天他们都在工作，有6万辆汽车来做物流的工作，UPS说我们可以做预测的维护。他们也在汽车里面装了传感器，收集所有的相关信息，比如说速度有多快，把所有的数据都收集起来做一个大数据的分析，这样就可以提高汽车的路由系统和线路布局系统，就可以发现导航系统其实很多时候都是错的。导航系统为我们找到最快的捷径，比如说去到某一个目的地，结果是当我们做数据分析的时候就会发现怎样会更好更快呢?我们做3个右转弯比做1个左转弯会更好，因为右转弯会花更少的时间，不要等红绿灯，同时三个右转弯也不会产生那么多的意外，但是如果是按照最短的捷径导航来走，我们走一个左转弯可能就会出现问题。因此，就可以通过这个数据收集做预防性的维护。比如说去年提前更换这些零部件，帮UPS省下了大概5千万公里的里程，就是因为他们提前更换了，如果是不换就要多走这些里程，这些省下来的里程对环保以及公司的财力有多大的贡献啊!
还有其他的故事，因为这个数据是在不断的适时产生和收集的，通过感应器收集到数据，传送，可以通过汽车进行收集，比如说我知道哪一个零部件很有可能发生问题，我们就提前进行更换，在下一代汽车里面很可能会换另外的零件，可能就不会有这样类似的问题了。大数据对汽车制造就有意义了，有利于不断的提升产品的设计和构造，前提是我们要有足够大的数据。因此我们必须得记住劳斯莱斯有这样的数据，汽车制造厂没有这样的数据，数据在哪里?数据在UPS那里。因此汽车销售也会发生改变，改善汽车也会发生改变。
解决生态出行方案 才能真正实现我们的汽车梦想
大家都知道汽车某种程度上代表了我们的梦想，以前的汽车一般会和马力，和汽油味，汽车引擎转动时候的声音联系起来，但是在大数据的时代，汽车和什么联系起来呢?它会跟其他的关键的东西连接起来。比如说我们可以找到比较漂亮的解决方案，找到出行的解决方案。汽车其实是很好的东西，但是对于很多人来说，他们真正感兴趣的是什么呢?汽车可以解决我们出行的问题，解决移动性的问题，但是对很多人来说，汽车实现了他们什么样的梦想?代步的梦想，可以出行的梦想。当我们考虑到移动性的话，我们都知道这个梦想的实现需要大数据的实现，但是之前没有大数据，很少会关注到这一点。
首先得知道顾客对移动性的需求在哪里?他真正的需求是什么?
很多时候大家会说宝马的IA系列是比较好的，但这并非是汽车那么简单，宝马投资了10亿美元来考虑移动性的生态系统解决方案，后来发现这是一个混合动力的汽车，同时可能也要用电，如果在行走距离更长的时候怎么办?宝马说在这个时候需要另外一辆车，比如说电动车，如果是需要的话，比如说我出行两三天的渡假，有没有这样的设备，抽出电动车的需求，但是又可以实现移动性呢?这样就可以部署不同的充电站，这也是非常重要的，因为大家都知道充电的过程中，知道在哪一个结点里面布局充电站，当然汽油站已经够笔记了，比如说我们要看有16、17升的缸还是多大的缸，但是如果是对于一个电动车来说，如果只剩下一百或者是150公里的行程，附近又没有充电站给我们充电，怎么办?我们就要考虑电动车和用汽油的汽车充电是不一样的，我们传感器可以收集数据，充一次电能够走多少公里，能够确保在这个情况下，至少在紧急的情况下能不能满足我们的出行需求，比如说我们在充电站部署的时候，是不是能够确保我可以把小孩带去学钢琴，需要多少个充电站来确保我们在这个城市范围里面，这些开电动车的人都可以满足出行的需求。因此，我们得更好的做出移动。
这就是电动车和混合动力车的情况，这也是可以更多的来确保用大数据可以对我们的生活做出很好的改变。同时，也可以确保大数据能够更好的满足出行的需求。
这就是为什么一些大型的公司都在做电动车和混合动力车，大家都可以做电动车和混合动力车，都可以做充电池，这是非常大的空间，难做的是什么呢?难做的是得知道出行的架构，出行的解决方案应该怎么组成，同时如何更好的满足顾客出行的需求。
比如说无人驾驶汽车，也就是自动驾驶，比如说谷歌也有自动驾驶的车，这个车不能在城市里面驾驶一个小时，可能是50公里左右，这种自动驾驶车，知道谷歌每秒钟收集多少数据?要收集十万个数据点，才可以确保。我们可以发现自动驾驶的车的计算能力需求是非常大的。自动驾驶如果跟我们的出行生态系统没有整合起来的话，我觉得这也是我们的不足之处。
随着地图不断的更新，道路不断的进行测量，数字化，转换到各个中心等等，比如说停车和多模态的情况，有很多道路堵塞的情况，很多大型城市都有停车和出行难的问题。在全世界或者是西方来说，其中最难的是停车的运用。比如说智能电话告诉你那里可以有空的停车位，这样就可以很快的找到停车的地方，如果实现了就可以满足顾客很重要的需求。这个不能汽车自己做，它不知道哪里有空的停车位，某些人得知道在这条街的拐弯之处就有一个停车位了，这样就看出来整个生态系统出行方案的重要性，同时也是对下一代汽车成功来说也是非常重要的。
我们的生活是非常复杂的，而且变得越来越复杂，每天都在变得日益的烦琐和复杂，但是希望未来的汽车并不是给我们提供无数的选择，并不是要给我们提供十个装置。我希望我的汽车能够使得我们的生活变得更加的简单，希望汽车能够帮助我去复杂化，或者说是简单化我的生活，让每个人，让整个社会能够更加的简单。但是这样不仅仅需要一辆汽车，还需要销售汽车，改善汽车，并且满足大数据的需求，实现我们的梦想，能够让我们收集更多的数据，而且也能够大量的使用数据，并且有能力分析数据，使得这些数据对我们来说是有用的。只有这样的使用，才能够从根本上改变我们销售汽车的方式，改善汽车的设计，这才是最为重要的。只有这样，才能实现我们的梦想。