IHS Automotive предсказывает, что к 2020 порядка 152 миллионов «подключенных» машин будут ежедневно генерировать до 30 терабайт данных. И бизнес, который сумеет грамотно воспользоваться этим богатством, очевидно, окажется «на коне». Поговорим о том, какую информацию можно использовать и что для этого нужно.
Цифровые технологии меняют мир. Предметы перестают быть лишь вещами — они превращаются в информационные, медийные центры, которые имеют выход в интернет, объединяются в сети и обрастают новыми возможностями. В автомобильной отрасли это connected cars.
Успешность работы в этом направлении зависит не столько от характеристик устанавливаемых в машины модулей, сколько от самих сервисов, использующих эти данные, и аналитических моделей, которые обрабатывают и анализируют то, что они получили, делая полезные для бизнеса выводы и прогнозы.
Возможности Big Data на автомобильном рынке
Автомобиль позволяет собирать информацию о его местоположении и мгновенной скорости, а также анализировать данные системы самодиагностики через OBD2. На основе лишь этих сведений с одного авто уже можно сделать вывод, например, о стиле езды водителя или режиме его перемещений (трасса/город).
Анализ таких данных «в массе» еще интереснее. Например, построив карту перемещений автомобилей определенной модели, можно определить целевую аудиторию этой модели и ее «типовые» привычки. Горизонт для применения подобной информации достаточно широк. И бизнес-модели по монетизации собранных неструктурированных данных и сформированных на основе их анализа выводов могут быть самые разнообразные.
Used-based страхование и кредитование
Данные о предпочитаемой скорости, периодах и частотности ускорения и торможения позволяют определить стиль езды автовладельца и степень вероятности ДТП. Такой подход дает аккуратным водителям возможность получить скидку, к примеру, на страхование. Подобная система уже используется в ряде стран. Хотя в целом мировой объем страховых премий, рассчитанных при помощи анализа телематических данных, пока невелик.
Аналогичная история с кредитами — если на предыдущем автомобиле человек ездил аккуратно, почему бы не дать ему кредит на новую машину с пониженной ставкой (риски, закладываемые банком в процентную ставку, в данном случае будут чуть ниже).
Информационные сервисы водителя: вождение и обслуживание
Анализ телематических данных дает возможность создать своего рода «электронного штурмана», который будет советовать, на какую заправку удобнее заехать, какой маршрут предпочесть для экономии топлива, времени и, в конечном счете, денег. Сервис может и о ТО сообщать заранее, причем не только на основе данных о пробеге, но и по результатам анализа сервисных данных машин той же комплектации у владельцев с похожим режимом эксплуатации.
На основе данных обо всех машинах определенной марки, сошедших с одного конвейера, можно предсказывать оставшееся время полезного использования авто (RUL) и время до поломки (TTF). А при сравнении информации о том, где и как эксплуатировался автомобиль, с данными визуального осмотра, понятны причины некоторых поломок.
Аномалии поведения и экстренные вызовы
Теоретически если водитель из года в год демонстрирует один и тот же стиль вождения, а потом внезапно меняет свои привычки, система может зафиксировать аномалию и просигнализировать об этом.
Причиной аномалии может стать как экстренная ситуация — угон, болезнь — так и вполне обыденная вещь — обучение детей вождению или обновление приложений. Корректный анализ таких аномалий будет возможен только после анализа огромных объемов данных с большого количества авто — поскольку необходимо выявить шаблоны поведения, которые бы однозначно говорили об экстренной ситуации.
Актуальная статистика автопроизводителю (дилеру)
Информация о том, где и как эксплуатируется автомобиль, какие сложности при этом возникают и насколько хорошо функционируют те или иные компоненты, интересна и «продавцам». Проанализировав ее, автопроизводители смогут выявить «системные проблемы» серии или модели и исправить их в новых версиях. Дилеры же на основе этих данных смогут планировать закупки запчастей или потенциальный ремонт.
В принципе подобные системы уже используются многими дилерами и тестируются производителями. Последние вряд ли потратят много времени на выстраивание процессов — и, возможно, уже скоро мы увидим подобные решения в коммерческой эксплуатации.
Удержание клиентов дилера
Еще одна сфера применения «больших автомобильных данных» — работа с «постгарантийными» клиентами. Детальная информация о посетителях на авто позволит выявить закономерности в их поведении, что, в свою очередь, даст простор для разработки способов удержать их.
Реклама
Дополнительная информация об автовладельце и его перемещениях позволяет таргетировать рекламу, нацеленную на водителя и его пассажиров. К примеру, если сбор данных с большого количества автомобилей покажет, что мимо рекламного баннера вдоль дороги проезжают в основном семьи с детьми (а выяснить это можно, зафиксировав регулярную парковку этих же автомобилей около школ и других детских учреждений), это даст козырь в руки рекламному агентству, сдающему его в аренду. Грубо говоря, приемы по таргетированию объявлений, которые давно применяются в сети, станут доступны и вне интернета.
Одновременно появляется возможность применять перекрестный маркетинг. На основе предыдущих интересов клиента, проанализированных сквозь призму информации о его перемещениях и стиле езды, дилеры, владельцы автозаправок и поставщики других услуг смогут сформировать персональный пакет предложений партнерских компаний (магазинов, досуговых центров и т.п.).
Все вышесказанное становится возможным благодаря анализу уже собранных данных. Представьте, какие возможности откроются перед рынком, если автомобиль начнет «общаться» с окружающими объектами (другими автомобилями и элементами дорожной сети), отвечая на их действия или собирая информацию о реакции водителя.
Идея есть. А как внедрить?
Все написанное выше очень круто в теории, но пока в масштабах всего дорожного движения недоступно на практике. И этому есть простое объяснение.
Для корректного применения больших данных необходимы три компонента: развитая инфраструктура, готовность представителей отрасли к инновациям и ресурсы, в том числе и кадровые, для претворения всех идей в жизнь. Посмотрим, как все обстоит сейчас.
Инфраструктура
Технически для перехода к идеологии connected cars data все готово. Повсеместно есть мобильная сеть с доступом к интернету. Уже разработаны стандарты обмена данными, которые обеспечивают относительно легкую интеграцию поддерживающих их устройств в инфраструктуру потенциальной системы. Существуют готовые и общепризнанные решения для анализа и хранения больших данных, такие как Hadoop, Spark, Storm и другие, а также крупные облачные сервисы (Amazon RedShift, Azure DataLake, Azure HDInsight).
Готовность к инновациям
О готовности к инновациям имеет смысл говорить в двух плоскостях: с точки зрения рынка и со стороны рядовых автомобилистов.
Рынок теоретически готов. Уже более половины продаваемых в мире автомобилей относятся к категории connected. Visiongain считает, что Big Data — один из наиболее быстрорастущих сегментов рынка автомобильной отрасли. Это говорит о большой востребованности анализа больших данных. При этом автопроизводителей, которые пока не проявляют инициативы, подталкивают инвесторы и акционеры.
Тем не менее, активному движению в сторону Big Data пока мешает чисто технический барьер: закрытые протоколы обмена данными внутри машины не позволяют легко и быстро собирать всю информацию с авто всех марок, представленных на рынке. Возможно, ситуацию исправит появление определенного общего стандарта, но пока этот вопрос открыт.
О степени готовности массового пользователя сейчас судить сложно. Как и у любого нововведения, у сервисов на базе анализа Big Data есть свои сторонники и противники. К примеру, любителям агрессивного стиля езды вряд ли понравится пересмотр схемы расчета страховки. На форумах и в блогах сама идея сбора данных с автомобилей вызывает ту же полемику, что и анализ пользовательского поведения устройствами и поисковиком Google: одним по нраву новые функции, а другие протестуют против «тотальной слежки» и рассказывают ужасы о небезопасности накопленных массивов данных. Но маховик запущен.
Ресурсы
Внедрение анализа Big Data с нуля подразумевает большие интеллектуальные и финансовые вложения. В одиночку их, естественно, потянут далеко не все, но, как и на других рынках, они вполне могут быть разделены между заинтересованными сторонами. Мы, например, использовали такой подход при создании Remoto: исследования и разработку взяли на себя, а установку оборудования передали автопроизводителям. Так устройство становится дополнительной опцией автомобиля, за счет которой пользователи получают ряд необходимых удобных функций.
С кадрами, способными эффективно работать с Big Data, все несколько сложнее, ведь глобально это новый рынок, к которому еще только предстоит найти «правильный» подход. Мы уже в течение нескольких лет формируем свою команду, делая упор на активных специалистов с творческим подходом к работе, и открыты для новых контактов с заинтересованными в этом направлении людьми.
Прямо сейчас мы ищем:
→ Системного архитектора
→ Системного аналитика
→ Project Manager
Remoto изнутри
Один из примеров сервиса по работе с большими автомобильными данными — платформа Remoto. Она позволяет собирать информацию об автомобиле, управлять частью его функций и связываться с тем самым «мозговым центром» — облаком — для передачи данных. На данный момент Remoto работает с автомобилями Kia, Nissan, Infiniti, Toyota, Genesis, Honda. Технически возможна интеграция и с продукцией других автоконцернов, для расширения списка поддерживаемых моделей необходима небольшая кастомизация софта, подразумевающая взаимодействие с производителем (и его согласие на внедрение подобных технологий).
Решение состоит из нескольких компонентов:
- оборудование, устанавливаемое в автомобиле;
- мобильное приложение;
- порталы доступа для дилеров и страховых компаний;
- облачная инфраструктура, отвечающая за хранение и анализ данных.
Комплект оборудования в автомобиль — модуль Remoto с SIM-картой — устанавливается непосредственно производителем (как часть штатной комплектации) или дилером (как дополнительная опция). Важно, что при установке не нарушается периметр безопасности машины, т.к. решение может интегрироваться с заводской противоугонной системой.
Задача телематического устройства — прием информации с бортовых систем, передача необработанных данных в облако, прием команд и трансляция их в бортовые системы. Периодичность отправки данных определяется настройками системы. Например, удаленная диагностика проводится два-три раза в месяц.
Мобильное приложение доступно под Android и iOS (в ограниченном режиме — под Windows Phone). С его помощью можно:
- удаленно запустить двигатель;
- настроить охлаждение или обогрев салона по расписанию;
- определить местоположение автомобиля и проследить его маршрут;
- отследить воздействие на автомобиль в отсутствие владельца (удар выше определенного уровня, эвакуация при незапущенном двигателе);
- дистанционно управлять центральным замком (отслеживать статус открытия / закрытия дверей и багажника).
Всего более 50 сервисов.
Серверная часть представлена облаком Microsoft Azure и порталами для дилеров, автопроизводителей или страховых компаний — т.е. для основных пользователей собранных о водителях данных. Для интеграции портала с корпоративными системами клиентов предусмотрен API.
На сегодняшний день в мире насчитывается уже более 500 тыс. мобильных пользователей Remoto. Это, в свою очередь, является хорошим заделом для анализа и монетизации Big Data. Уже сейчас компания Bright Box, детищем которой является Remoto, помогает автопроизводителям с бизнес-моделями, вполне доступны разнообразные маркетинговые «фокусы» — карты активности пользователей с определенными авто, уточненные профили покупателей, предпочитающих те или иные авто и т.п.
Таким образом, для Big Data нашлось место даже в консервативной автомобильной отрасли. Доступный уже сегодня инструментарий открыл пути для принципиально нового взаимодействия с клиентом, что позволяет повысить вероятность его возвращения в будущем.
Автор: Bright Box
