车辆联网的情况下,企业有哪些机会争取战略优势?

当人们听到“物联网”这个术语时，可能会想到智能手表、智能扬声器以及各种用途的家用电器。然而，一些企业通过将物联网技术应用在业务中(例如运输车队的物流管理)，并更好地管理预测分析在从物联网设备的实时数据中获取价值方面起着核心作用。

亚马逊公司在物联网的应用就是一个突出的例子。去年秋天，该公司宣布将实施其亚马逊航空运输计划，其中包括购买50架货运飞机，以及投资12亿美元在肯塔基州建设新的配送中心。股票市场分析师预计亚马逊公司将进入运输和物流领域。美国消费者新闻与商业频道(CNBC)报道称，亚马逊公司甚至在其股东报告中首次提到了这一业务类别。而在他们的策略中宣布为主要客户免费提供一天的配送服务。

亚马逊公司不仅仅是将零售市场引入更多的市场机会，还将预测分析和物联网战略应用于运输车队使主要业务是交通运输的企业转变为利润实验室，并检查物流如何通过更好的实时指标和数据影响决策来为客户提供服务以部署资源。其成功的试验将提高利润率，从为客户提供更准确的运输信息，到更有效地购买燃油、维护部件和基本支持服务。

许多行业厂商已经开始依赖数据来推动分析价值链，从而获得竞争性的业务优势。然而，那些从事交通运输的企业在数据模型探索方面有着更多的市场机会，因为更复杂的分析技术可以依赖有意义的现实数据。其最终结果是对经营活动产生的价值进行更好的评估。

分析师通常面临的挑战是从数据中创建一个连贯的叙述，指出哪些关系将始终支持良好的业务决策或改进产品或服务的特性。

预测分析正在改变交通运输行业的一种方式是如何促使企业评估他们如何安排来自电子日志、视频事件记录器、电子控制模块、其他车辆传感器的数据。这些数据源对于辨别哪些运输挑战是至关重要的，这意味着企业要找到数据之间的关系，这些关系可以成为有用的经验。

以雪佛兰Corvette赛车为例，该车的专业版本采用了性能数据记录器，可以从高清摄像头对视频上的车辆数据进行遥测。来自各种系统活动的数据用于分析赛道上的驾驶员会话，并获得他们对赛车的体验。

随着人们对自动驾驶车辆技术的关注，探索数据组织的工作也将增多。自动驾驶车辆过去一直以某种格式管理这些数据，但到目前为止，没有机会考虑来自网络的数据，而且需要考虑采用中央存储库或本地平台承载数据。自动驾驶车辆生成实时数据，可以向管理者提供实时物流决策。

但是生成了大量的数据，每个数据源使用一种不同的结构类型。自动驾驶车辆通常依赖三个数据源：物体检测传感器、激光雷达识别车道标记和摄像头识别标志、人员和物体。数据探索导致大量的数据清理，以识别空值，并确定观测中是否出现传感器故障。所有这些都会用于开发过程的早期破坏模型。

因此，将预测分析应用于不同的数据类型和数据源需要管理多个利益相关者的参与，并建立一个可管理的数据生态系统。预测分析领域的竞争并没有获得太多的分析成果，而当今三个主要的云计算解决方案确实提供数千种工具。如今的竞争是关于如何最好地管理数据源、机器学习工具和团队之间的协作。

预测分析和机器学习趋势在运输行业的兴起也突出了有关数据最好存储在哪里进行分析的问题。哪些数据从集中位置或车辆上访问?分析发生的时间和地点也将发生变化。对于分析，它不再是一个是否需要内部数据驱动的成本控制的问题，而是一个与成本控制度量相关的信息应该存放在哪里以便最快地查询的问题。

安全和社会问题

随着越来越多的智能设备的推出，将会带来其他问题。IDC公司在一次“物联网未来发展”会议活动中表示，到2020年，40%的物联网创建的数据将存储在“边缘”。换句话说，存储在给定设备内或附近。企业关于数据存储位置的决策，决定了应在何处强调数据安全，以及运输网络及其分析生态系统中存在何种数据质量的战略选择。

对生态系统的需求也将激励研究人员研究与基础设施相关的社会交通问题，例如社区如何最好地管理交通流量以防止噪音污染和生活质量问题。随着门户网站和机器学习解决方案中提供的开放数据在网上得到更广泛的可用，研究人员可以创建一个分析生态系统，让团队可以在他们的调查结果和辩论中进行协作并保持透明。

企业意识到他们未来的增长将取决于利用其资产数据和网络活动分析。关于优步公司近期首次公开募股的猜测表明，获取数据并不能保证公司盈利。一些股票分析师认为优步公司将是下一个亚马逊，因为该公司拥有数据访问以及提供除汽车共享以外的其他服务的能力。但其他人则指出，该公司面临的巨额债务抵消了将其数据用于获利的潜力。更糟糕的是，优步公司在2018年一场令人瞩目的车祸中导致亚利桑那州一名行人死亡，随后推迟了其自动驾驶汽车计划。如果数据的应用不能保证安全，那就更不用说为企业带来成功的商业模式了。

受到交通数字化转型影响的企业如果能够开发出最佳的数据模型生态系统，可以在为客户提供长期服务的同时，探索运营收益，那么就会发现自己已经走上一条盈利之路。