“已经拥有丰富的联网功能的手机在汽车上能做些什么？”相信这是对汽车的运动数据感兴趣的人们共同关注的话题。
汽车这个四轮盒子已经成为一个人们第二活动的空间。在这个空间下，人们相对静止，却一直在移动。那么在这个静止和移动的过程中我们能否挖掘到有用、有效的数据呢？
在上周六SHIFT举办的“智能汽车沙龙”的论坛上，微车CEO徐磊做了主题演讲。他认为在汽车互联网时代，相较于硬件，软件层面的创业可能存在更多的机会。
沙龙上，徐磊首先介绍了微车是什么。
用一句话来说，微车是一款以汽车行使距离为基础，延伸出一系列服务的App。它最大的特点是用户不需要主动打开，程序会在后台自动运行。功能上，微车目前已经实现了违章、限行、摇号推送功能，覆盖全北京所有街道的贴条地图数据，路况预报功能等。
他说，目前已有近1000万用户在使用微车App，每天会产生过亿数据。微车一方面可以借助用户手机本身的各种传感器来识别用户当前是否在开车，当前在哪里开车，当前使用什么样的驾驶行为在开车，另一方面可以在用户每天出门前，通过识别用户平时的行车路线，结合当前的路况信息提前向其推送，预测今天几点钟出门走这条路会花多少时间到目的地。
除了展现在用户面前的一些功能，徐磊表示，如果解剖微车做的事情，可以归纳为三个关键词：垂直、刚需、数据——微车立足在汽车垂直领域，基于数据，满足用户的刚性需求。其中关键一点，也是微车的产品门槛就是数据，微车将自身定位于基于数据的服务引擎。对用户来说就是一个车主服务门户。
接下来，徐磊分享了自己对大数据的看法，以及是微车关心什么样的大数据，还有哪些汽车大数据是有意义的。
70%的大数据挖掘都是伪命题
在徐磊看来，70%的大数据都是伪命题。“举个例子，百度算不算大数据公司，其实不是。它仅仅是一家信息公司，它汇聚了全球各地的爬虫，再将这些爬虫的数据拿到平台供用户搜索。”徐磊认为，在中国，有两类可以算是有大数据的行业或者公司：
一是运营商行业。运营商可以知道你每天在什么位置，和谁通过电话。但运营商存在两个限制，一是做不了太多的数据挖掘，不敢用这庞大的数据；第二是，用户到达能力特别弱，现在有效的到达方式是短信，但要么被用户拦截要么忽略不看，转化率特别低，无法将数据商业化。
二是电商企业。电商是真正意义上的大数据，它可以知道你什么时候购物，买的什么东西，送到了哪里，送给了谁，这些都是数据。这也是阿里、京东、亚马逊在内的各个电商平台的核心价值。
那么什么才是数据？徐磊认为总的来说，大数据行业应该有三个特征：
规模：如果没有足够大的规模就不可能抽象出来数据模型来做数据类比。
映射：即如何将数据与人进行关联，并在此基础上，通过统计、演绎、归纳等各种方式，能把数据构象化。
到达：数据到达用户才会发挥出它的价值，如果不能到达用户，即使再庞大的数据都是无意义的。
如何做和汽车有关的大数据
既然70%的大数据都是伪命题，那么汽车领域如何做成真正的大数据？徐磊认为，汽车领域，数据大致可分为三类：车、路、人。车内数据也就是现在OBD产品所关注的油耗等车内数据，它可以提醒车主注意车辆状态，也可以作为维修保养的依据；路的数据则包括交通、路况信息、市政建设等；人的数据，就是人的日常行为数据。
既然是大数据，那么第一是要有足够大的用户基数来产生数据。“如果一个App有200万活跃用户。拿这个数字对应全国超过10万家4S店，假如每个用户一年去两次4S店，那么200万用户能给全国每个4S店平均只推荐40个用户。如果拿这个数据与4S店进行谈判那没什么意义，因为每个4S店每天的顾客数都不止40个，这就意味着数据的量少，这样的商业模式就不能构成。”徐磊说。
“对于汽车行业，如果想做到O2O，影响线下4S店的业务，并从其拿到收入，那么你至少要影响其10%的业务规模。拿团购来说，它对新开店的影响能达到20-30%，这就说明其商业模式是可行的。这就是为什么需要足够大用户群体的原因。”
第二个前提是产生的数据要足够多。我们都知道移动互联网很大程度依然要靠广告的营收，但移动端有个特点是虽然用户的碎片化时间越来越多，停留在 APP里的时间越来越长，但和传统PC端相比较，它的展示面积太小，信息量太少，所以广告覆盖肯定很少。因此必须要有足够多的数据，为用户集中起来足够有价值的内容，才能适时的推送广告，提高转化率。
微车想做的是大数据，那么不可避免的就会被谈及商业模式是什么。徐磊表示，微车主要关注的是人的数据，当掌握足够大的用户群体和用户数据后，再基于此帮助在微车平台上的用户进行消费决策，这就是微车的商业模式。
汽车数据的边界就是用户的生活边界
汽车每时每刻都会产生大量的数据，但哪些数据是有意义的。徐磊介绍说表示，微车只关心一种数据——与用户的生活半径息息相关的数据。比如，微车可以为用户推荐保险公司，但其实并不是哪家便宜推荐哪家，而是哪家赔偿容易推荐哪家，当然前提是价格不能相差太多。而这种推荐能力基于的就是用户的生活半径数据，比如一个月开多少公里的高速公路，用户的生活半径里有多少保险公司的维修点、理赔点，并且容易获得理赔，然后才能推荐哪一家保险公司对用户来说最适合。
然而，这些数据挖掘后，如果只做浅层次的推荐，那还远达不到大数据要发挥的价值。徐磊以汽车领域两个与用户息息相关的例子——车险和后市场，来说明如何更深层次的使用数据。
首先，目前可以影响保险价格的因素除了车型以外，主要是车主去年、前年的出险数据。而目前的一些驾驶习惯等数据和保险的关联其实极少。目前微车在收集数据的前提下，也在思考如何与保险公司相结合，比如违章数据或许可以成为保险的另一个影响因子。这也说明了在做大数据的时候，需要考虑的是你的数据是否能和保险公司相关。
后市场来说，线上的数据依然要与线下的4S店有关联。分散在全国各地的线下4S店是以辐射半径来定位的，比如4S店的平均辐射半径为10公里。所以这方面就会遇到难度，一方面微车要用互联网的角度去拓展用户，一方面又要考虑将获得的数据和线下结合。比如现在已经出现了上门保养，上门维修等新的服务模式，但能不能规模化还存疑。因为这些服务模式主要以用户为核心，与传统4S店以店面为核心的模式仍然相悖。现在微车的话 用户数够多，数据也够多，如何将这些用户和数据导入到合理的平台上仍处在摸索阶段。
