周扬：首先很感谢有机会来到新能源汽车国家大数据联盟年会，我们这边是彩虹无线，我们是基于车联网数据做对应的应用和价值方面一些探索问题，其实台下有一个观众，或者说听众跟刘博士悄悄说了一句今天的演讲比较学术，其实我们现在搞的这个东西还是比较应用、比较落地的。
我今天演讲的主题是新能源汽车全生命周期价值的一个探索，这个话题很大，今天我稍微聚焦一下，我们有一个切入点，就是驾驶行为分析，我们以驾驶行为的数据和驾驶行为分析作为切入点看看我们数据怎么样更好的服务于全生命周期产业的情况。
我主要是分为这四块说一下，从大的背景上面，我们作为一个数据公司简单做一个总结，整个车联网的大数据目前发展的现状是怎样的。第二块是我们整个的应用价值探索，我们从2011年成立到现在一直是专注于前装车联网数据的一个应用价值探索，我们也要去评估一下车联网的数据该怎么用好，对于整个产业的价值到底体现在哪些具体的方向和具体的点，包括我们今天上午听到的有一些主机厂在做一些很深入的分享，其中有一部分也是我们一个比较重要合作伙伴，或者是他们的服务商，帮他们一起去建立大数据和产业价值关联的事情。第三块我们还会去评估，或者说跟大家分享一下其他一些大数据应用的方面一些工作，第四块还会简单地把这个彩虹背景情况给大家做一个介绍。
从车联网大数据整个应用产业现状来看的话，我们会把它归结为用户的触点、大数据、车主服务、车厂业务，这四个关健词怎么理解呢？其实更多的是在于我们如何利用好大数据的背景，利用好车联网的数据，能够和客户产生更多的触点，这种触点体现在我们车辆的服务端、售后精细化管理，以及精准的营销。这个我在后续的PPT里面着重的介绍，对于这些车主的服务是我们车辆销售过后会形成的各种各样的商业的模式，对于车厂本身的话会需要车联网数据做到某一种支撑，这种支撑的话更多体现的是车辆的研发、设计。能不能更好的体现我们数据带来的价值，就像我们今天会比较着重的提到整个车辆的研发能不能通过数据做进一步的优化或者说快速化。
我们认为整个数据的一个价值，其实我也要提一下32960国标了，没有国标其实就是没有整个数据应用的基础，所以说彩虹也是在数据标准这一块做了很大的努力。我们今天其实也看到了汽车工程学会也有同事来参加，我们跟汽车工程学会也在积极的探索，基于传统能源车我们这块数据采集标准怎么制定，什么样的数据应用在什么样的需求上。
其实我们跟新能源国家平台的话，大数据联盟也在探讨，新能源汽车的数据采集能不能更加的面向我们的这种应用，当然我们现在看到的32960国标是直接面向我们部分的应用，这个够不够，也是值得探讨的问题。我们其实更多是想看到的是说，如果我们想做到驾驶行为分析，那对于数据采集的宽度和数据采集的频度都会有一定的数据前置的要求，而我们现在合作的很多主机厂，他们的数据采集其实有一个非常强度的提升。包括说它采集的频度很可能达到一秒一次，数据采集的宽度很有可能达到两三百个字段，这个怎么定义呢？就是我们要有一个标准化的数据采集。
第二块是整个数据平台支撑，像我们北理工国家新能源平台，它其实是有一个非常强大的系统平台接入的能力，今年可以接入70万台，我们整个设计容量肯定会面向于200万台，或者是500万台，其实技术这块的能力也是我们做车联网价值探索的一个非常不可或缺的过程。
提到数据整个收入的话，还有一个非常重要的核心点就是建模，针对我们实际应用场景的建模也是我们想极力探索的这么一个方向，针对这些数据建模好的基础之上，更多是我们全方位的运营和数据的赋能，这种更多体现在两个核心的方向，一个是智能制造，车辆整个的制造智能都在规划规划说，我们这个车辆的制造能不能和车量的使用进行一个更精细化的匹配，甚至车辆的标的能够根据我们的驾驶行为进行一定的适配，这些都是可以通过智能制造这个点体现的一个方面。
针对智能制造还有更多智能的服务，包括我们现在的共享，整个的以租代售这些产业都是不断蓬勃的发展，其实更多的是体现我们基于车联网数据的运营。基于这些成形商业模式，或者说我们数据应用模式的探索之后，其实可以孕育出更多的新业务和新的价值，这种新的业务和新的价值，更多的会体现在我们这种汽车的全生命周期和汽车整个的产业链。我现在就是想跟大家一起探讨一下，或者是基于彩虹已经做过一些案例想介绍一下全生命周期里面数据应用的价值。
彩虹目前来讲的主要核心的定位是前装、数据、运营，为什么是这三个关健词呢？首先前装的话代表了我们更加稳定的，或者是更加高效，或者说更加高质量的这么一个数据来源，只有你有了好的数据、稳定的数据，才能够基于这个数据做更多的文章。第二个关健词数据是毋庸置疑的，也是我们这次大会的核心主题。我们为什么还要把运营提上来？因为彩虹目前来讲有比较强的技术能力和实际落地案例的能力，是不是直接把一个系统交付给我们的主机厂呢？其实我们不单单是做了这种系统的完整交互，我们更多是站在运用的角度、站在运营的角度把客户服务好，把我们主机厂整个对于数据的诉求使用好，我们会更多的提到对服务和执行的概念。
所以说我们就运营而生了两个主要的核心方向，第一个是金融科技的创新，大家对彩虹有所了解的话，对于车联网数据有所了解的话，彩虹一个比较重要的标签，或者特质的话是车联网的保险，目前来讲我们不仅仅局限于车险的一个金融创新，还会去做它场景上的创新。包括我们盗抢责任险，有了车联网以后可以降低它很多的风险，这个是我们目前正在积极探索，而且得到很好效果的一件事情。
基于车联网保险我们还是可以去做进一步的延伸，就是我们做了汽车车贷的业务，这个也是对于我们车联网数据一个很好应用的切入点，目前我们也是得到了很多市场上的认可。其实我个人的话，也是比较偏向于这个数据智能业务，这个其实是面向于我们整车厂，或者是我们车联网行业去做更多的数据服务。
我们比较注重提到了三个核心的能力，第一个是底层平台的能力，能不能有一个很好的技术平台，作为整个数据的接入，能够基于这些数据提供更好的服务，更好的这种商业模式的支撑，这些其实都需要技术平台来支撑的。第二个能力是我们彩虹目前来讲做的比较多的事情，针对于特定的问题去解决的这个能力，就是我们现在讲到的是，我们更加的懂车和懂大数据，能够把这些数据串联在一起。基于这两个核心以上的，其实是我们整个运用规划的能力，这个其实也是整车场想要回答的一个问题，就是怎么样把数据用好和收集好的问题。
在系统底层我们更多看到了一些系统化、自动化、可视化的部署配置，针对车联网网数据应用价值来讲的话，我们要更加强调数据价值的一些场景的设计能力、模型的设计能力和价值转化的设计能力。对于顶层来讲的话，是更想做到车联网全体价值的提升和释放。这个其实都是围绕着我们一个核心的诉求，就是希望能够通过车联网数据做整个全寿命周期应用和服务，全寿命周期必然会提到我们的研发、生产、售后、销售，那么这些数据，我们今天主要围绕的还是驾驶行为的分析，看看我们如何在营销端、在我们的售后端、在生产研发端能够把价值行为的数据作为一个切入点，把这个数据给研究好。
提到驾驶行为数据的话，我们更多的想提一个用户画像的问题，这个其实是我们看到的，现在对于整个驾驶行为分析一这块做的机构设计，我们其实更多是关注在人、车、环境，我们今天上午大家可以看到的是，大家听了演讲的话，我们给中车做的人、车、线路、环境整合下的一个基于用户车辆驾驶经济性的问题，进行了一个很深入的研究跟探讨。
我们就会对于整个驾驶行为，从这三个方面做进一步刻画。刻画的目标其实是形成一系列的标签跟画像的体系，包括时间维度、区域维度、速度维度、出行的强度，以及安全性等等，这个是我们基于价值行为形成的各种各样的标签。基于这样一系列标签我们是可以对于轨迹类的，或者是我们出行规律性进行一定的总结，对于每个用户整个出行的偏好有了POI进一步的理解。我们是可以结合POI的信息判断用户出行的偏好。甚至可以根据进一步的标签做用户的信息进行一些整理，就像我们现在做的UBI的业务，UBI的话更多是面向于车联网数据的出行安全性的评估。我们当初评估得到一个非常有意思的点，我们做了很细致的POI的分析。
我们看到更多的是安全出行的车主，他会比较多的出现在公园好学校服务，。我们现在评估一个人出行风险的时候，他个人的属性还是非常重要的，整个车联网块的数据是没有办法直接判断出一个人是不是有小孩，这个人的性情是否吻合的，除非你的驾驶行为的分析能够做到更加的精细化，其实是能够判断驾驶风格的经验程度。对于我们用户的一些属性的判断，我们可能会更多结合POI的信息，这个其实也是跟它的价值行为产生了比较重要的整合。这个其实是我们对于用户画像生成之后具体标签化的设计，包括我们对IT精英、商务人士、热血青年都会有不一样的身份特质也好，行为的特质也好，都是我们已经建立好的这些用户画像和用户标签的体系。
势必要和现有的一些方法去做类比，包括我们现在看到更多的对于C端一些真实车主用车行为，我们从数据来源上来看，更多的可能是来自于传统调研，这个我们是可以通过一份一份问卷的下放，去收集到终端车主车辆使用信息，这个更多是主观的。我们有了车联网数据之后，这些问题都会相对来讲比较简化的去回答了。那我们其实根据我们的车联网数据更多的评判这个人对于车辆本身使用的爱好，或者说出行的强度都会有一个可能客观化的评估。
讲完客户画像，大家提用户画像和客户画像数据标签都会比较多，用户画像怎么样去做应用，怎么样去做使用，这个其实是摆在我们车联网数据使用的这么一个问题之上的非常核心的要点。我们现在关注的第一个就是我们的售后服务，因为我们能够获取到更多车主对于车辆本身使用的信息，我们是不是可以判断他有没有做一个回电呢？或者说它这个车辆出现了一些碰撞之后，是不是进入到我们的4S店，或者是整车场给他提供的特约服务店里面去做特定的维修保养的活动呢？这个其实都是可以通过我们的数据去做的。我们现在建立起来的一个商业模式的话，更多是基于它个性化的保养，我们可以对于客户的价值进行进一步的分析，可以用到整车厂比较多的数据，还用到了更多的车联网带来的动态数据，这里的话发现了一个很有意思的点，我们先前跟一个合作伙伴在探讨，什么样的车主他更不容易流失。
我们现在讲整车场服务的升级，或者是整车场转型的话大家都会提到智能服务，我们要往整个出行的解决方案提供商去靠，这个问题是我们能不能把这些数据里面拥有的价体现出来，后来发现那些爱洗车的车主，他们其实更加的偏好，就是更加的爱惜自己的车辆。他整体的这种流失率是相对来说比较低的，还会带来另外一个问题。现在在整厂服务体系里面会提到我们现在看到的这些车主，它流失的判断，大家目前来讲行业里面通用的是一年不到店，我们现在基于车联网的数据都不用等到一年，甚至离店，或者是第一次消费没有在我们4S店里面，我们可以允许出现一次不到店的情况，到了第二次的时候，我们对于用户的流失就有了一个非常直接的判断。所以说我们现在是可以看到基于车联网的数据对于用户价值的这一块的分类，或者是对于用户价值的分析更加的精细化了。这是我们对用户流失的事情进行的一个从特征维度、变相、模型直接到结果，我们都做了很多细致的工作，目前也是在很多的主机厂售后服务的维系上面，我们称为精细化的管理，都做了一些应用和落地。
讲到这儿更多会谈到说，驾驶行为对于车辆本身工矿的影响，我们都是做汽车的大家应该很清楚、很清晰的认知到说，我们其实看到不同的驾驶行为对于车辆本身的损耗，特别是我们新能源汽车，在不同的驾驶行为习惯下面，电池的衰减和SOC的变化，包括里程都会有非常重要的影响，这个影响能不能被量化，量化之后能不能带来新的商业一些模式，就是我们对于用户更加精细化的一个营销和管理。这个其实是我们提到的，我们现在在新的这种数据驱动的时代里面，会更多的看到用户遇到的问题是什么，用户对于经销商满意不满意，用户他在下一个车辆的使用周期里面会对于哪些特定的零部件产生需求，这都是需要我们在营销端更多考虑的。
这个其实是我们在提到说，在整个营销模式上会看到大众营销，我们现在看到的是绝大多数4S店，或者是整车厂它的营销是广撒网，每年都会花大量的费用去做广告，去做硬广和软广的投放。再往下一个阶段其实是我们要关注目标化的营销和个性化的营销，这个其实也是对于整车场提出来的新要求，对于数据了不了解，对于数据的应用能不能做到更加的细致和更加透彻的分析。它对于数据的要求也会相对来讲比较高，包括我们目标化营销需要大量的经销商售后的数据，对于个性化的营销我们是想做到千人千面这种数据的驱动营销，它对于数据的整体接入和数据的融合都会有一个非常明确的要求。
我们现在利用人的画像和车的画像能够去做更多价值行为的评估和品牌车型的评估，这个是我们和咨询公司一起搞的这么一个轮胎的营销活动，这个其实是我们现在目前来讲抽象出来比较好的一个应用案例。大家对轮胎特定的需求，因为它是一个易损件，易损件在不同的使用环境下面，不同的这种价值行为下面，其实它整个的需求是非常不一样的，我们需要有针对性的把用户画像进行建立，建立好之后的话，我们会找到特定的营销切入点。就是我们在什么样的时间点，你的轮胎很有可能一个月之后就要出现比较厉害的磨损了，它的使用寿命快要到了，我们是不是可以能够第一时间通过一些营销活动的设计，能够帮助他去做这种基于驾驶行为的核心零部件的精细化匹配和需求的判断，这是我们目前来讲做的比较深入的一个方面。
谈到另外一点，我们刚刚讲到了车辆整个的驾驶行为数据和画像之间的关系、和营销之间的关系，包括我们现在在研发的层面上更多关注的是标的，我们的车辆有没有更好的满足车主对车辆本身的使用，我们是需要通过车、人、环境整体的数据匹配，包括我们现在做了很多的外部数据资源的接入，包括时时的路况和天气，这些其实都是来对于这种车辆出行过程中所有的人是怎么开车的，车辆是怎么样运行的，环境是怎么变化的，这些都是我们需要通过数据来进行一个整体的整合思路。
这个其实是我们现在在做的一个故障诊断和故障预警的一件事情，其实更多的还是会把我们的数据采集，然后数据治理，然后数据的建模，我们的业务支撑来进行一个统一的整合，时间关系我就不一一展开讲了。
最终达到的一个目标，第一方面我们能够对于故障和驾驶行为进行有效的分期层面上的事情，我们现在看到一个车辆故障的发生，它和我们对于车辆本身的使用哪些特性进行一个强相关，有了这种强相关的数据的特征之后，能不能基于这些特征对于这些特定的故障进行有效的预测，它是分成两个层级的。首先我们要进行一个整合的分析，第二是我们要对于整个数据进行一个有效的预测，我们现在做的比较核心的两个模型，第一个是12伏小电池的馈电模型，这个一定是困扰着大家很多的主机厂，这个对于用户的体验是极其糟糕的，虽然是一个小故障。包括我们现在看到很多新的汽车，其实对于很多核心零部件的调教目前来讲还是需要有一定磨合的空间。我们现在做的这种BMS和基于整车的SOS、SOC做的整合判断，其实我们更多是想通过故障提前的预警和提前判断来帮助我们整车厂能够把车辆造好，把客户服务好。
其他的大数据应用分享，还有我们和上汽这边做的驾驶行为的分析，我们可以通过全国很多的这轴数据接入，OPT的数据也好，前装的数据也好，可以去了解不同的用户在不同的工况下面它车辆是怎么样被操控的。这个是我们和中汽中心这边做的驾驶行为和能耗相关的一个项目，这个也是被部分应用在我们工况4.0的研究工作，这也是我们工作的一些产出。
到最后我简单跟大家说一下彩虹目前的状况，彩虹是2011年成立，目前整个的资本方还是比较强势，像上汽、广汽、东风都是我们比较重要的投资人，德赛西威也是我们比较重要的行业股东，彩虹想通过数据，通过技术给大家带来更多不一样的应用和不一样数据的价值，这是彩虹目前整个行业的客户。目前我们是在和超过20家的主机厂产生了数据方面和业务方面的合作，我的汇报就差不多到此结束，谢谢。
以上内容根据现场录音整理的演讲实录，未经演讲人审订。
《新能源汽车全生命周期基于数据的应用价值探索》PPT经演讲嘉宾同意予以上传至联盟官网，联盟会员可以使用会员独立账号登录下载PPT。