大数据在汽车未来商业领域中九种机会你占据哪一种

　　【慧聪汽车配件网讯】随着信息时代的到来，大数据在当今汽车后市场领域起着越来越重要的作用，接下来让我们一一道来大数据在汽车未来商业领域中的九种机会。

　　人类历史长河中所有信息总量加在一起还没有当下两年时间所积累的多，而且这个数据量还在以两年时间翻一倍的速度在飞速发展，互联网给我们带来的巨变已经非常明显，大数据时代即将到来，届时的变迁将更是你我当下无法想象的。

　　当下已经开始的商业智能BI和商业分析BA将得到大发展，通过大数据即可以计算出股票的涨落，也可以计算出美国总统结果，还可以计算出你明天发生车祸的几率。大数据在汽车电商中的应用也将得以突显，当然，大数据的收集和分析、挖掘乃至于真正的可视化应用还需要从底层开始，才能让数据金矿的开掘全面推进。

　　在人类的历史长河中，直至工业才是一个分水岭，这之前人类的人均P一直停留在500美元左右，所谓的马斯洛陷阱不断发生而无法逾越。而工业之后才得以突破，劳动者的个体的价值也得以剧增，直至当下的人均P达到几万美金，这是机器创造升级和分工协作提升效率创造出来的价值。当下是互联网时代，连接无处不在更加便捷，让这个价值的创造更加便利更加高效，同时大数据在商业平台中让无数个个体的价值聚合产生更大的价值，也是大数据时代应该思考和应用的方向。

　　当然，大数据也是被的最深的一个专业词汇，主要原因还是这个词本身翻译就已然南辕北辙了，数据的价值并非仅仅只在大上，冗余数据再大也毫无价值。大数据真正的价值在它的深度、宽度和广度的取向上。比如汽车信息中的深度如这辆车的状况，行驶里程，维修保养情况，通过智能盒子OBD获取到的它行驶途中的胎压异常等等数据，那么宽度就如这个车主的驾驶习惯，行车线和况信息等，而广度就是要延伸为车主的个人嗜好和消费习惯了。经过深度挖掘的这些数据的聚合，也就可以实现智能商业，也就是所谓的BI，而绝非简单的车辆型号，年限和号牌，车主联系方式等低级数据叠加起来的冗余数据，这样的数据再大也不会直接产生价值（除非那些骗子海量发布信息，当然这种行为也会得到法律制约的），是需要深度挖掘才会有价值，也是汽车电商平台在数据整合和收集方面所应该运营的方向。

　　大数据对于汽车行业特别是品牌厂商和经销商来说意义重大，大数据的价值将更多体现在网络营销层面上。随着购车人群越来越倾向于通过网络方式来获取汽车资讯，各类汽车成为消费者购车前最主要的信息来源，根据易观智库中国数字消费者行为分析系统ECDC的监测数据显示，各主流汽车的日均访问次数已超过百万，最高的已经超过400万次。巨大的访问量带来的消费者属性、行为偏好、购买意向、购买价格等数据毫无疑问已经成为这些汽车最有价值的信息资产，成为他们深入挖掘的目标产品，这些汽车消费者行为大数据如果能够被有效整合和分析，他们就能够成为汽车品牌厂商和经销商精准有效的营销方向性目标产品而量身定制，其商业价值不可估量。

　　往往传统企业的人没有互联网思维，非但不觉得互联网好，还反而认为对它们是障碍，就拿P2P模式的汽车金融来说，互联网直接触及他们的利益奶酪，他们如遇洪水猛兽般抵制。这个我们可以对比一下阿里旗下的蚂蚁金服与传统银行，蚂蚁金服可以几秒钟就完成一单存贷款业务，而传统银行的速度却是这个的几千倍，效率高下一目了然。往往一些做线下产品渠道后市场的更是抵制互联网，对外说做的是互联网，其实骨子里是在抵制，所以O2O或O+O最难线上和线下对接，那么大数据对于他们也就无从实现了。

　　在大数据的应用层面，在数据库中分散、存在的大量数据对于业务人员来说，只是一些无法看懂的。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘，并且以可视化的方式呈现出来。而国内的绝大部分企业中的绝大部分还停留在最为初级的数据报表阶段。

　　未来，数据收集和分析能力的强弱可能决定了企业的核心竞争力。当每一个个体成为大数据构成中的一的时候，把自己也作为一个用户样本，真实洞察自身需求和行为，也能从价值观和行为习惯中推理出相呼应的价值信息，放之“我们”中进行匹配和佐证，也算为大数据贡献一个样本了。

　　广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘，从这点看来，数据挖掘就是BI。但从技术术语上说，数据挖掘(DataMining)特指的是：源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上，我们可以定义：数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。

　　当年今日资本的徐新女士当年准备投京东的时候，刘强东把后台ERP系统打开给徐新看，虽然销售额只有5000万元，但每个月增长10%，京东商城当时还没钱打广告，可老客户一年会上来3次，这几组数据足以证明，用户喜欢这个网站。这组数据的信息量和推演逻辑，足以覆盖任何一份花哨的项目故事PPT。因为数据在说话，更因为用户行为累积成的数据信息足以挖掘出产品的可成长性、电商的趋势、盈利模式是否健康等核心信息。而大数据的来源其实是人，玩转大数据，其实是在挖掘人性需求。

　　我们可以再来看看下面这个故事，某即食通心粉品牌做了一个市场调研，他们获得了一个非常新鲜的发现，消费者在烹饪即食通心粉的时候会加上一点洋葱，于是体贴的通心粉厂家就发明了一个新产品，在即食调料包里为消费者加上一些洋葱。结果后来在实际销售时，没有加洋葱的通心粉还是比这个加进了洋葱的新产品卖得更好，这让市场研究人员百思不得其解。其实这里就隐藏了一个基于人性的洞察：家庭主妇在给家人烹制即食通心粉的时候，有一种没有尽到家庭主妇职责的内疚感，为了消除这种内疚感，她们会选择在烹饪通心粉时，加入一点自己准备的洋葱，表明这顿饭是自己精心准备的，自己不是一个偷懒的、不称职的家庭主妇，所以她们选择购买没有添加洋葱的即食通心粉。

　　至于人性的隐秘需求来说，有些是消费者挂在嘴上愿意和你说的，而大多潜藏在消费者潜意识里他们说不出来却又驱动他行为的因素，就需要消费者洞察，这是品牌跟消费者建立“有意义”关系所不可或缺的一个环节。绝大多数消费者洞察不是来自于量化的研究数据和书面的研究报告，而是来自于与消费者的直接、深度接触中，比如街头暗访、消费行为的观察、与目标人群的谈话等等更接地气、更原始的方法，而非一串串冷冰冰的数码符号、人群标签所能替代的。但微信、微博等社交成为用户黏度最高的产品时，基于社交圈的用户原始需求也最有效地形成有价值数据。社交平台的信息分享对于个体用户有着强烈的需求力，电商社交化立刻成为趋势。用户的兴趣点、社交图谱与购买形成的时间规律、价格规律、词规律，通过萃取可梳理出一套电商营销方，在恰当的时间、恰当的社交平台、以恰当的卖点投放恰当的产品广告，触达用户，形成精细化营销。