汽車金融AI應用的盛世危言汽車后市場,汽車金融,AI 大數據、云和人工智能已經成為各行各業(yè)人士逢會必談的流行詞,如同當初興起的互聯網一樣,總要有個“+”才符合潮流,因而新技術產生后的過度宣傳往往會帶來
大數據、云和人工智能已經成為各行各業(yè)人士逢會必談的流行詞,如同當初興起的互聯網一樣,總要有個“+”才符合潮流,因而新技術產生后的過度宣傳往往會帶來巨大泡沫。1995年,咨詢公司Gartner將新技術的發(fā)展趨勢分為觸發(fā)期、期望膨脹期、幻滅期、復蘇期和成熟期五個階段。2016年Gartner公布年度技術成熟度曲線,自動駕駛汽車、機器學習赫然處于期望膨脹期之列,而谷峰位置的下一步就是泡沫破碎的谷底。
盛世之下有危言,朱偉華認為,大數據已經深深滲透到汽車金融行業(yè)之中,而業(yè)內人士在金融大數據、AI應用層面極少具有專業(yè)度,因而真正能夠實現行業(yè)升級的戰(zhàn)略戰(zhàn)術的討論鮮有人涉及,汽車金融供給過剩和惡性競爭帶來的泡沫可以預見。
想等泡沫過去再加入?不存在的。旁觀等待只有出局,所以就請做真的勇士,一起來經受“泡沫”洗禮吧。
以下帶來精選閱讀:
最近一年我一直在潛心研究汽車大數據和人工智能,最近這幾個月大數據和AI已經酷熱,幾乎所有涉及大數據、機器學習和人工智能的沙龍論壇都是爆滿,即使是單一演講嘉賓參加的小型沙龍,聽眾如果不提前到場也會擠不進去。
從零起步,“學”汽車大數據應用
從汽車產業(yè)創(chuàng)新創(chuàng)業(yè)的角度看,傳統汽車人由于對大數據、機器學習和人工智能有理解門檻,大多數都停留在業(yè)務創(chuàng)新層面,比如從汽車制造業(yè)向出行服務業(yè)轉型的共識是有的,在如何轉型的問題仍然停留在隨大流、從創(chuàng)業(yè)公司的層面上,由于大數據、機器學習和人工智能方面,中國在應用層面甚至更領先,因此跨國汽車公司也不得不“屈就”和中國本地創(chuàng)業(yè)公司合作。與汽車制造業(yè)中國全盤抄襲歐美日不同,在出行服務領域,跨國汽車公司抄襲中國市場模式的可能性非常大。
在出行服務的人工智能應用領域,如果中國本土企業(yè)能夠作出創(chuàng)新獲得中國市場優(yōu)勢,很有可能通過跨國汽車公司進入全球其它市場?;蛟S正是看到這個機會,跨國汽車軟件數據公司開始加大中國本土市場的并購、投資、合資。人工智能應用中涉及大量本土敏感數據和信息使用,跨國公司在這些領域必然受制于本土信息安全法規(guī),即使有國外項目經驗,但在中國仍然得從零起步,合資公司不過是優(yōu)化了本土大數據外行的學習曲線——用更短的時間學會什么叫汽車大數據應用。
但真把這種技術應用到行業(yè)中去,客戶教育、消費者教育、團隊培養(yǎng)、合規(guī)經驗積累,哪一個都繞不過去。僅僅一個《網絡安全法》,就讓跨國汽車公司內部合規(guī)培訓忙不完,更遑論要大規(guī)模應用大數據技術??鐕驹谶@些領域的應用也剛剛起步,在人工智能應用方面,全球不過是五十步笑百步,雖然目前已經是AI百花齊放的狀態(tài),但真要應用到生產環(huán)境,哪個公司也沒有絕對優(yōu)勢。
大數據的“魔爪”正在全面滲透
從大數據技術的全球應用深度看,依次是金融、科技、通訊、零售、政府、醫(yī)療、廣告、游戲、能源、咨詢、購物和交通。和汽車高度相關的金融和交通分別在大數據應用深度的兩端。雖然汽車公司熱衷討論出行服務,但實際上全球的出行服務都還是傳統模式,但在金融領域的大數據應用已經占了整個應用到的1/5。
由于中國的汽車金融市場,60%的市場份額是主機廠的,4S場景優(yōu)勢決定了車企汽車金融生存狀況較好,對于變革的動力不足,這也意味著汽車金融有更大的AI技術應用空間。對于汽車金融公司而言,無論背景如何,如果不盡快利用大數據技術武裝自己,仍然依靠傳統模式,在接下來的行業(yè)競爭中將舉步維艱。
雖然有很多人從事汽車金融行業(yè),但從交流中我發(fā)現,國內的所謂從業(yè)者或者行業(yè)專家,不過是同一件事情干得時間長,積累了有限供應商資源,但在專業(yè)領域的深度和廣度積累上,甚至比不過一個用心的初學者。尤其是在金融大數據、人工智能應用方面,本身也就只有這么兩年的生產應用歷史。
我認為有行業(yè)宏觀認知,有金融知識背景,有大數據技術理解,有汽車金融需求理解,有大數據項目經驗的,整個行業(yè)也沒有幾個人。目前占據主流的主機廠汽車金融大數據人工智能應用是沒有討論圈子的。公開的論壇都是廣告時間,少數討論汽車金融的圈子,要么是傳統金融圈交流宏觀數據討論大趨勢,要么是底層微觀金融產品代理商業(yè)務圈,缺乏中觀層面的真正有價值的戰(zhàn)略和戰(zhàn)術討論,行業(yè)很難高效前行。
汽車金融AI機遇與挑戰(zhàn)并存
從大數據和人工智能技術的汽車金融應用看,數據資源、業(yè)務理解和算法模型能力是三個關鍵點。目前看,擁有人工智能算法模型的是大多數創(chuàng)業(yè)公司的優(yōu)勢,但絕大多數創(chuàng)業(yè)公司都缺乏客戶資源,這意味著沒有業(yè)務理解能力,即使是那些在汽車金融公司內部從事多年相關工作的創(chuàng)業(yè)者也是如此。對金融比較敏感的數據資源包括征信數據、金融保險消費數據、電信運營商數據、社交數據和行為數據,這些數據要么掌握在金融保險公司,要么掌握在政府和國企央企手里,要么掌握在TAB互聯網公司手里,那些從數據公司購買的二手甚至三手數據,要么已經被數據輸出方“污染”,要么信息不完整,而且使用是否合法也未必。
目前看,隨著這一波汽車金融創(chuàng)業(yè)潮,幾乎所有汽車互聯網公司都在迅速開展汽車金融業(yè)務,汽車金融服務供給過剩的問題已經非常嚴重,惡性競爭是必然的,必須等到這一波不計后果獲取客戶的汽車金融公司兩三年后被壞帳打垮,行業(yè)才能冷靜下來。
關于汽車金融的AI應用,目前各公司都還在探索階段。由于AI在各領域的應用框架都很相似,過去幾十年的學術積累和過去幾年的行業(yè)應用已經形成了相對成熟的應用套路。關于這方面的細節(jié),涉及數學和具體業(yè)務,寫在這里恐怕只是少數人的菜,歡迎感興趣的朋友私聊??梢灶A見到,未來幾年是汽車金融AI應用的泡沫期,無論你出身汽車金融領域的哪個角落,如果不加入這個泡沫而打算坐等變革,恐怕你都等不到泡沫破裂的那一天就已經出局了!歡迎加入汽車金融的AI泡沫圈!