上周工信部指出，隨著信息技術的發展，數據已成為國家基礎性戰略資源，成為拉動技術進步和產業發展的強大引擎，也必將催生數字經濟時代的到來。可以看出，大數據應用成為爭搶布局的下一個鏈條。

　　然而不論對于哪一個領域來講，數據收集才是平臺應用的基礎。尤其在車聯網領域更是如此，如今各界巨頭及車企更是紛紛投身其中。但由于各家數據采集規范各不相同，并且對于數據項的定義沒有統一標準，現實情況是，很多采集到的數據無法直接產生價值，后期改造周期較長，數據維護成本高，造成資源浪費，也無法滿足用戶需求。于是業內有聲音發出，是否需要制定統一的行業數據采集標準？

　　如何定義數據標準？

　　12月2日，前裝車聯網大數據服務運營商彩虹無線聯合上汽、廣汽、江鈴、奇瑞、眾泰、博世、德賽西威等22家汽車廠商及車聯網軟硬件服務商，共同推出了首個前裝車聯網數據采集標準。

　　在標準正式發布當天上午，車云受邀參加該標準研討會，其中上汽、廣汽、東風日產、長安汽車、江鈴汽車、獵豹汽車、中國人保、太平洋保險、國壽財險、中華聯合財險、大地財險、安心財險、瑞士再保險、中國汽車技術研究中心、北京大學商務智能研究中心等70多家企業相關人員就數據標準及應用價值展開討論。

　　具體來講該標準是通過一個文件來規范數據采集的內容和頻率，統一定義數據上的編碼和描述，統一定義數據上的單位和精度，基于十萬輛車兩年的數據周期進行模型的驗證和應用，基于30多家車廠和保險公司的意見，歸納總結135個數據項，并進行了統一的編碼。

　　首先，采集標準包括數據精度和周期頻率，其中彩虹無線把數據采集周期分為兩類，一個是周期性采集，在運行過程當中按照一定的周期循環進行采集；第二個實際出發采集，只有當一個特定事件發生的時候出發采集的事件，比如說車輛點火時的狀態。

　　其次，在數據質量上我們知道，大數據的運營和服務基礎在于建立相關數據的業務模型，而數據業務模型最根本的是數據質量。數據質量又包括兩個方面，一個是數據采集類別，另一個是數據精度，因而運用在不同的領域和場景下的數據對質量要求不同。

　　舉個例子，目前很多保險公司在做UBI的產品定價，而大多數保險公司對這個產品的模型基礎是駕駛安全模型，這里面的數據又包括高頻的急剎車、循環變道，這些行為是轉瞬即逝的，要求數據采集至少需要一秒鐘一次的頻率，才能夠準確的分析出以上的駕駛行為。而如果前期車聯網建設過程中對于T-BOX數據采集的規范，沒有嚴格的定義，那么在精度就會存在不足，則意味著數據對于保險產品的定價缺乏指導性。

　　彩虹無線創始人兼CEO黃亮說：“談大數據，脫開應用其實是沒有著力點的，而應用模型必然是建立在與其業務模型相匹配的數據上的。從源頭講，也是依托高質量的數據。”

　　車云菌認為，彩虹無線制定的前裝車聯網數據的采集標準核心在于數據質量，基于模型推倒出所需數據項，比如車速，經緯度，持續油耗等等，然后再多維度制定可以達到的數據精度要求，比如GDP達到8位或者車速要以每秒為單位，來重新定義數據的標準化。

　　彩虹無線祁超以如何判斷是否頻繁變道來舉例解釋，彩虹無線需要采集

　　1、用戶的精度和緯度，同時使用低頻段的GPS采集頻率；

　　2、采集車速和方向盤的轉速來判斷是否頻繁轉彎；

　　3、采集車速加速度的判斷車輛是否在高速的行駛等等。

　　另一方面，彩虹無線對前裝車聯網大數據收集的優勢在于，已與18家整車廠商達成數據運營合作，同時與上汽、眾泰等5家整車廠商正在做技術及產品對接，預計會在接下來的幾個月內陸續上線。此外與上海安吉星的第一期試點工作已經完成。

　　如何應用數據模型？

　　基于整合高精度數據，構建應用模型之上，彩虹無線將這套標準主要應用在兩個方面，一個是基于保險創新的立方體計劃，另一個是基于整車廠業務優化的數據智能服務。

　　今年6月2號，彩虹無線將公司的戰略定位為前裝車輛大數據的服務運營商，兩條業務線是基于保險創新立方體計劃以及創新和優化的車廠數據智能服務，可以看出，無論是公司的定位還是業務線的選擇都是基于數據深度的挖掘與應用，此次發布的帶有行業性質的數據采集標準也在總體戰略布局當中。

　　據悉，在保險創新領域，彩虹無線構建了駕駛安全評級模型、UBI定價模型、碰撞識別模型、理賠反欺詐模型等。基于價值行為進行個性化差異化的策略，使風險價值與實際的風險相匹配，比如說主動報案，反欺詐等等的一系列的應用。

　　在車廠數據智能應用方面，彩虹無線疊加現有的CIM、DMS數據，構建零配件質量分析模型、整車性能評估模型、故障預警模型、客戶生命周期分析模型。試圖為車廠整個的研發生產和售后的環節提供一個決策支持的依據，降低研發成本。

　　值得注意的是，為了得到更多車企廠商及車聯網產業鏈上相關企業的資源對接和認可，黃亮放了狠話：“凡使用該標準采集的數據，彩虹愿意承擔一定的數據流量成本”。