Будущее подключенного транспорта: колоссальные возможности и новые вызовы

Сегмент подключенного, автономного, транспорта растет быстрее автомобильного рынка в целом, и эта тенденция продлится в будущем. Приведу в подтверждение несколько цифр: по оценкам Gartner, автомобильный сегмент рынка Интернета вещей (IoT) достигнет 440 миллионов точек по итогам 2020 года, увеличившись на 31% по сравнению с 2019 годом. 

По прогнозам Frost & Sullivan, к 2025 году начнется массовая коммерциализация автономных транспортных средств (ТС). Объем их продаж превысит 40% мирового рынка легковых автомобилей; и уже к 2030 году число автономных машин на дорогах мира достигнет 90 миллионов. А модель "мобильность как сервис" (Mobility-as-a-Service, MaaS), когда потребители получают доступ к различным типам ТС, достигнет 2 трлн долл. в ближайшие 10 лет. 

Цифровизация автоотрасли это далеко не новость. Как минимум с 1990-х годов автопроизводители применяют электронные модули управления (Engine Control Module) для диагностики и ремонта машин. Однако есть существенная разница между загрузкой 200 килобайтов сервисных данных каждые 15-20 тыс. км и анализом терабайтов с тысяч машин ежедневно. По оценкам Frost & Sullivan, к 2030 году одна машина будет генерировать около 10 ТБ данных ежедневно, что сопоставимо с 520 миллионами сообщениями в мессенджере WhatsApp (только представьте себе этот громадный массив!). 

Часть данных, генерируемых автомобилями, монетизируется уже сейчас — около 300 МБ/день. Но эту цифру можно увеличить в разы. Для этого нужно выстроить такую систему, которая будет соответствовать задачам нового времени и применять адекватный инструментарий, например, системы, которые проектировались бы с расчетом на работу в "перспективных нагрузках", к которым, в частности, относится искусственный интеллект.

Frost & Sullivan провела в июле по заказу Dell Technologies исследование, в рамках которого опросила 17 ИТ-руководителей из ведущих автокомпаний мира, чтобы выяснить, как они видят свои перспективы в контексте цифровизации и к решению каких задач готовятся. По результатам этого исследования можно выделить пять блоков задач. 

1. Какие данные нужно собирать? 

Сейчас можно наблюдать практику, когда собираются все данные с тем, чтобы разбираться с ними позже. Но настоящая ценность "Интернета вещей" состоит в "Анализе вещей". 

Данные сами по себе, вне контекста и прикладного применения, — бесполезны. Следовательно, придется определить, какие именно данные следует собирать, и как их связать друг с другом, чтобы расширить контекст и использовать для решения конкретных задач в реальных условиях. 

Иначе автопроизводители рискуют утонуть в океане данных, поступающих с подключенных устройств, сливая бюджеты на хранение данных и не извлекая пользы. 

2. Как собирать и обрабатывать данные? 

Отвечая на этот вопрос, нам, во-первых, не обойти вниманием тему облаков. Причем, облака не только и не столько как выбора места для хранения, а, скорее, как модели, способа работы с данными. Бум публичных облаков прошел, и многие компании успели репатриировать данные из облаков, — по данным IDC, 80% участников опроса 2018 года перенесли свои приложения и данные на свои локальные хранилища. Но одними только локальными хранилищами не обойтись. Рынок облаков, включая сегмент публичных облаков, продолжит расти. По прогнозу Gartner до 2022 года, темпы роста облачного сегмента в 3 раза превысят темпы ИТ-рынка в целом. 

Во-вторых, нельзя обойти вниманием технологии искусственного интеллекта (ИИ) и машинного обучения (МО). Выше я уже упоминал, насколько громадным массивом данных придется оперировать в будущем. Добавлю только, что к 2030 году вся автопромышленность сгенерирует 1 зетабайт данных, по прогнозам Frost & Sullivan, и это больше, чем генерирует Facebook. 

Безусловно, чтобы эффективно оперировать такими масштабами, придется отойти от традиционных подходов. Однако для этого нужны соответствующие специалисты. А уже сейчас автоконцерны ощущают нехватку профессионалов, разбирающихся как в автоиндустрии, так и в темах облаков, ИИ, ОО и больших данных. Кроме того, если даже удается найти таких специалистов, то их экспертиза стоит очень дорого. Поэтому оптимальным решением тут видится сотрудничество и тесная коллаборация с ИТ-компаниями, располагающими и решениями, и экспертизой для их внедрения. 

3. Как осуществлять управление данными в большом масштабе? 

Управление данными в том масштабе, который прогнозируется в ближайшие годы, требует новых подходов. В Dell Technologies полагают, что это может быть платформа для работы с данными — мобильная подключенная платформа (connected mobility platform). 

Уже сегодня в автоконцернах отмечают, что им недостаточно ни их собственных специалистов, которые обладали бы экспертизой в сферах анализа больших данных, облаков, периферии, ИИ, машинного обучения, ни имеющихся у них на сегодня ИТ-решений. Поэтому они привлекают партнеров, которые помогли бы разработать, внедрить и управлять всей инфраструктурой обработки данных.  

4. Как и какие данные монетизировать?  

Первые два блока задач подводят нас к третьему блоку, а именно: созданию новых видов услуг на базе данных, генерируемых ТС. Первое что приходит в голову — это опыт эксплуатации как таковой. Автопроизводители могут использовать собственные данные, чтобы улучшить качество ремонта и увеличить срок службы автомобиля. 

В то же время существует множество инновационных приложений, таких как системы предупреждения ДТП в режиме реального времени или предупреждения о попытке угона, в случае открытия дверей автомобиля или включения зажигания. 

Увеличение объема данных расширяет возможности для усовершенствования дизайна. Например, если данные показывают, что задние двери на четырехдверной модели седана используются редко, то автопроизводитель может рассмотреть возможность создания двухдверной модели.

5. Как защитить данные и заслужить доверие пользователей? 

Наконец, последнее, но не менее важное — last but not the least. Автоконцерны должны позаботиться о защите собираемых ими данных. Пользователи готовы делиться своими личными данными, если считают это выгодным и целесообразным. Они не будут против, если речь идет о передаче данных страховой компании с тем, чтобы начислить скидки или подключиться к технологии PAYD (pay-as-you-drive — "платить, насколько наездишь"), позволяющей снизить стоимость полиса и упростить решение спорных вопросов в случае ДТП. Однако они вряд захотят делиться теми данными, которые могли бы негативно повлиять на их водительскую историю или повысить для них стоимость полиса. 

Кроме того, можно прогнозировать дальнейшее ужесточение нормативных требований к защите данных. Уже в 2019 году на British Airways наложили 183 млн фунтов штрафа за нарушение GDPR, а если точнее, то "за плохое состояние безопасности", из-за чего пострадали сотни тысяч клиентов авиакомпании. 

В автоконцернах понимают, что им предстоит уделять особое внимание генерированию, хранению и передаче данных, демонстрируя при этом прозрачность своих подходов. 

Цифровизация автопрома открывает колоссальные возможности, но вряд ли удастся реализовать эти возможности, не меняя существующий подходы, не привлекая технологических партнеров и ограничиваясь собственной экспертизой.