來源：朱偉華頻道
在接下來的10年、20年，汽車行業一切問題的終極解決方案，都將圍繞信息和數據，萬物皆比特，這個結論從今天開始將變得更顯而易見。事實上，所謂機器學習，也是同樣的道理，不斷嘗試各種可能性，把前人的經驗都復盤一遍，找出規律，指導行動。
在汽車相關領域應用大數據、機器學習、人工智能這個問題上，由易到難，我認為有五個層次。
第一個層次：裸數據本地應用
當前近乎90%以上的汽車數據應用都是裸數據本地應用，隨著國家網絡信息安全法實施，這種低層次的數據應用幾乎100%是違法的，不僅使用違法，即使不經授權的存儲也是違法的。比如車企熱衷到處搜羅車主的上牌數據，拿著車主的個人隱私數據做統計分析，搞市場營銷。再比如汽車網站都熱衷存儲車主的手機號碼、駕駛證信息、車輛信息，然后拿著這些信息賣給車企作為銷售線索。
這種簡單粗暴的方式不用動腦子，簡單直接，但如果政府真的嚴格執行個人隱私保護，某些車企、汽車互聯網公司和保險公司都會被用戶起訴書淹沒而無暇干其他事情。遺（xing）憾（yun）的是，目前的消費者隱私保護基本是裸奔狀態。我認為這種狀態的改變只有在汽車進入半自動和自動駕駛時代才會改變——因為自動駕駛車輛如果不重視車輛和車主信息安全，會要消費者的命。目前裸數據販賣是最典型的大數據應用，我們耳熟能詳的大數據公司幾乎都是賣裸數據的公司，不是這些科技公司不努力，而是中國汽車行業客戶需求就是這么Low！
第二個層次：數據接口應用
由于絕大多數主流數據應用仍然處于很Low的裸數據應用層面，因此再往復雜層次的應用我就都簡單說——說復雜了也沒人懂。無論車企還是保險公司，真正嘗試過創新的總監們都知道，兩個企業之間要系統對接才能碰撞出火花，但最難的事情就是系統對接。目前騰訊微信為代表的大型互聯網公司采用的辦法是所有外部合作者采用互聯網生態的統一接口。
但要建立統一接口對外標準化提供和接收服務，需要統一接口的平臺具備很強大的架構和系統安全防護能力，而這種能力又恰恰是傳統車企和保險公司稀缺的。因此，嘗試過這個事情的公司最怕系統對接。如果沒有系統對接，所謂數據接口就沒有意義了。目前有些數據公司已經在利用標準的數據接口對外提供動態數據服務，這些動態數據接口能夠讓傳統車企、保險公司的Saas系統具備更多新功能，能夠顯著提高效率。
第三個層次：數據模型化應用
能夠接入企業內部不同系統的數據，能夠接口化接入外部動態數據，這個時候，現有的作業系統本質上解決的是本地化數據呈現問題，呈現這些數據和報表，目的還是讓員工進行業務決策。但實際上，有了內外部充分的數據，完全可以借助機器學習，用大數據技術建立自己獨特的企業業務數據模型。
由機器和人工智能來輔助員工進行業務決策，這樣可以大幅降低對員工專業度的要求，只需要雇傭低層次員工就能解決以往需要專家才能判斷的業務問題，這會顯著降低人員成本，即使競爭對手挖角，也能夠保障業務安全性。事實上，這才是真正的知識沉淀，不是沉淀在某個員工腦子里，而是沉淀在公司的云端計算機系統里。這個事情并不前衛，越來越多金融公司正在使用這種辦法降低對專業員工的依賴。汽車行業的薪水越來越高，早晚得用這種技術。顯然，用得早的企業將在競爭中取得越來越強的先發優勢。
第四個層次：數據Saas化應用
建立了模型植入自己的管理信息系統只是使用大數據、機器學習、人工智能的第一個層次，把大數據模型放在傳統ERP系統里，本質上就是削足適履。要真正改變業務，最好是根據數據模型重新梳理業務管理系統——建立全新的數據驅動的Saas應用。這個事情最適合從零開始的業務，比如車企的獨立后市場業務，二手車業務，融資租賃業務，保險業務等，都可以重新建立業務Saas系統，用大數據技術進行市場營銷和輔助業務決策。過去30年靠資源靠資質領先對手的傳統辦法已經越來越不好用了，今后各車企都將在相對公平的市場環境下參與競爭，只有確保商業智力上超越對手，才有可能在商業成果上超越對手。
第五個層次：商業模式應用
有了全新的數據Saas系統，如果運營資源匹配得當，完全可以建立全新商業模式，從系統到商業模式缺少的是資源和運營。一旦完成這一步，汽車大數據應用就完成了整體進化。新的商業模式將產生自己的裸數據，這些數據將成為全新業務鏈條的資源輸入，開啟全新的業務循環！