你的汽车数据真的安全吗？

本文来自微信公众号：威尔森汽车智能决策（ID：ways-data），作者：智能网联应用中心，原文标题：《观点 | 是紧箍咒还是破局点，谈汽车数据安全管理与智能网联数据应用》，题图来自：unsplash

2021年9月开始，中国将正式实行数据安全法；今年11月，还将生效个人信息保护法。关于“数据隐私保护”，这已经是国家政策的大趋势了。在汽车行业，将在10月1日迎来由国家互联网信息办牵头发布的《汽车数据安全管理若干规定（试行）》，更是极具针对性的课题。

在国家监管之外，媒体对汽车数据安全也早有疑虑。曾经有媒体报道：

全方位的系统监控下，用户的一言一行都是可以被记录的。文中引述一位未具名的车联网供应商：“如果车主知道我们是怎么做的，他们会受不了的，从技术能力来说，如果车主在车上做某些让身心愉悦的事情，我们是可以看见的。”

这样的描述绝对让人惊恐。从笔者多年从业经验来看，技术上可能性的确存在，但实际发生的概率很低。一方面是因为车企违规成本原高于一般APP开发商，另一方面，车企当前面临的最大挑战不是数据滥用，而是不知道如何应用。

我们从移动互联网的案例可以发现，对个人隐私的大规模侵犯和滥用，根本原因在于数据和个人信息已经成为商业行为的有效“燃料”，各APP之间通过数据平台进行交换，利益驱动促成了数据黑色产业链。

而在车联网领域，这样的数据交易产业链并没有形成。

一千万用户分散在几十个品牌和车型上，而且在车企内部数据都做不到完全打通，更不要说跨车企了。单个车企几百万用户量分布在全国，其用户密度并不高。某些核心供应商，比如地图和语音，可能会有百万甚至千万级别的用户数据，但是局限于位置或语音，很难拿到其他关键维度的数据，比如身份数据。

因此，对于“数据贩子”来说，车联网数据的规模，密度，质量都不理想。搞定一个游戏、生活服务类APP，甚至某些热门公众号，所拿到的用户数据可能都比车联网数据更有“价值”。实际上，笔者就曾经与一位江湖大哥有过交流，谈到车联网数据内容时，大哥稍做了解后就表示相当不屑，从获取用户隐私的角度，无论是从APP还是找运营商合作都要快捷和成熟；手机号，姓名、住址，性别，年龄，家庭收入……这些用户信息在移动端早就“裸奔”了。

当然，媒体对智能汽车数据隐私问题的忧虑并非没有道理。

因为智能设备的数据隐私问题一直存在，而智能汽车作为当前最热门的科技载体，的确也具备最强大的数据收集能力。从智能汽车的前身，“互联网汽车”时代开始，汽车行业自己宣扬关于车联网数据的神话：

“数据是人工智能时代的石油”

“传统汽车烧油，新能源汽车用电，互联网汽车烧的是数据”

BAT与主机厂竞相合作，都希望能将互联网数据与车联网数据打通，从而挖掘出更大的商业价值。

技术上，车机系统或者智能座舱系统既可以捕获用户的对话内容和各种行为动作，也能够抓取包括车内总线带出来的各种车辆信号数据。但是这样的数据采集和处理，操作成本不低，也找不到明确的收益方。仅有少数后装方案供应商，尝试过出卖用户隐私进行广告投放，但也没有成功，因为所得到的广告收入无法在产业链和渠道之间进行有效分配，招来的投诉和“分账”纠纷远大于收益。

智能网联数据，为何还未变成“黄金”与“石油”？

先想明白“用好”的出路，再应对“管好”的措施。

首先我们必须理解，数据的确不同于黄金和石油，后者储量有限且在持续消耗中。但是数据并不稀缺。随着智能设备、网络和云存储的发展，新数据在不断被获取、上传、存储和传播，每年产生的新数据量要大于过去积累的总和。而且数据可以被反复再加工，被使用越多其价值越大。拥有数据远没有开发数据有价值，而开发数据则需要有清晰的开发方向。

车企由于对数据业务化的期望太高，一定程度上有了“大数据诅咒”，一厢情愿仿效互联网平台，尽可能将数据导入平台中，由系统通过算法发现数据之间相关性。系统不解释为什么，只是告诉你是什么。特别是当车企找不到明确应用方向时，以为可以先把数据收集起来，导入一个大池子，导入的越多，可能发现价值的机会就越大。

对于互联网平台，因为覆盖业务广泛，数据的确是多多益善。对于专业数据公司来说，数据越多，工作量就越大，可收取的开发费就越多。而一家一线车企为了智能网联项目，仅投入在数据存储上的费用每年可达到上千万，更不用说在埋点采集，数据传输、清理合并、建模分析上的投入，以及为了招聘大数据团队与互联网公司展开人才竞争付出的综合代价。更可怕的是，这样的开支在网联化普及，智能化深入的趋势下，还在成倍增长。

对于合资品牌车企，尤其要注意汽车数据安全管理条例中，对数据本土化和国有化的指向。这意味着原本传输给海外总部的数据，很有可能要先放到国内。数据来了，成本也来了，数据应用的困境将被放大。

造成车联网数据应用之困的核心原因，不是缺数据，而是缺目标；本质上，是传统汽车行业的数据资源和业务目标之间存在错位。

智能网联数据，来自于存量车的运行动作，包括车的运行和人车交互的行为。但是传统汽车行业的业务模式，并不太关心存量车。

车企业务目标首先是“卖好车”，然后是“造好车”。“卖好车”的基本逻辑是漏斗模型，线上依赖汽车垂媒，线下依赖经销商，从搜关键词，访问网站，查看车型明细，留资预约，试乘试驾，交订提车，广撒网多捞鱼层层转化。

在这种模式下，车企营销部门最关注的是漏斗上有哪些环节可以提升转化率；也就是说，有哪些“潜客”本来有可能购车的，但实际上没有购车，或者购买了竞品车型。而购买本品的客户，无论其是否真正为目标客户，已经不重要了。传统车企最关心的是潜客在访问端路径上的数据足迹，以及是否能开辟更多触点以开源。

对厂家市场部门来说，从真实的车内环境中提取数据发现车主画像这件事，也不是必须的。因为品牌更需要打造一个用户想要的车，用户想成为的形象。这个形象而未必是真实的车主形象，特别在进入下沉市场的时候。

在造车环节，传统车企造车周期长达5-7年，平台模式下可缩短到3~5年，新能源车可以再简化到2~3年。在这个“漫长”过程中，企业核心目标是保障车辆生产的安全和效率，车企设计了复杂严谨的流程来保障生产目标的达成。智能网联数据如果不能覆盖车型各种配置，不能完整采样，那么其可参考性有限，很难真正进入到车辆研发制造环节和现有SOP流程兼容。

而到了用车环节，传统车企已经跟车主失去了连接。通常只有售后通过车联网数据看看故障诊断。至于说售后服务推广，由于频次低，4S店靠人工也能办到，反而是采用智能网联系统与数据的建设成本和学习成本太高，见效太慢。

综上，车企和外部企业均对车联网大数据抱有美好的期望，却苦于找不到真正买单的对象以及落地的路径。

互联网平台用不上车联网数据，也无法为之定价；许多供应商对实际的应用缺乏业务理解，无人实际有能力开发“金矿”；而车企承担着巨额成本和难以兑现的承诺；数字化转型、数字化变现、数据业务化等等。

并且，由于缺乏业务目标来落地数据应用，也无法通过实际业务闭环验证数据的有效性。数据价值其实有非常强的时效性。一批未经检验的，三四年前的数据，与其说是未经开发的金矿，不如说是泥泞难趟的沼泽。

那么车联网数据该如何破局？ 

问题的核心不在于技术方案升级，在于汽车行业本身的业务模式变革。

所谓“数字化转型”， 转型的意义要大过于数字化，转型是目标，数字化是手段。

造车新势力真正推动了车联网数据进入实际应用。特斯拉，蔚来重新定义汽车销售模式以及车企与车主之间的关系。

智能网联数据至少在新营销模式、全生命周期的车主服务、订阅式服务三大方向上找到了应用破局点，数据开始流动起来，为企业创造业务价值。特斯拉和蔚来的这种示范作用，也带动了车主数量多，智能网联应用领先的自主品牌车企。

涟漪营销模式

在传统销售模式下，车企借助经销商体系触达用户，4S店面的进店用户在店内获得无差异服务内容，销售人员靠销售技巧和优惠政策最大限度吸引店面区域范围内的潜在用户。

以用户为中心的车联网运营时代，车企为品牌圈定具有鲜明属性的消费者细分人群，利用营销手段放大特定人群KOL的影响力，在用户中产生涟漪效应，借此直接触达细分群体内的同类潜在用户。

如欧拉喵系列汽车，在投入市场之前具备明确的品牌用户对象“年轻女性”，品牌营销的内容和渠道直接指向细分群体。这种放大器营销模式需要在车企非常了解自己用户的前提下达成，因此车企开始关注存量车主的社会属性，智能网联数据生产的存量车主画像也就得以发挥效应。

全生命周期服务

随着汽车进入存量车时代，车企只靠汽车售卖获利的模式在被市场逐步淘汰，如何靠全生命周期车主服务增加利润是汽车行业聚焦的新命题。智能网联数据可分析得到存量车主的出行行为、用车消费行为、车机应用操作行为等特征，提炼出目标人群的行为模式特点，从而精准定位各车型车主在用车阶段的需求和场景。

由于存量市场未来增换购比例高，合资品牌优势明显；而几大自主品牌销量虽大，但集中在入门级车型，更需要打造品牌向上的效果，因此对全生命周期服务有着更急迫的诉求。

订阅式服务

在以用户为中心的行业大趋势下，车企开始转变强势的卖方思维，尝试为用户提供更多的可选项，订阅式服务这种形式实现了用户对产品内容的自主选择权，受到消费者的认可，将是汽车服务的最终形态，也是“网联化，智能化，共享化”的集大成。

蔚来ES6的选装及定制化配置价格差额可达到20多万，远超通常高中低配之间的差距；特斯拉将自动驾驶包等设计成月付模式，2025年预计达到175亿美元的规模。订阅式服务给汽车研发提出了新挑战，无论是长期规划还是短期迭代，车企迫切需要研究分析智能网联数据，了解车主真实需求的迫切程度、使用频次和使用效果。

综上，用好智能网联数据的核心就是真正关心车主，不沉迷在“大数据”中，而是做好每一个服务点，充分发挥“小数据”的威力。

例如，从车辆的行驶数据可以分析出很多结论。如果是为了UBI，可能需要统计出行频次，出行范围，出行里程等，数据精度要求低，统计周期长；如果是为了救援，则要实时记录车辆位置、速度、方向、加速度等，数据精度要求高，但统计周期短。而如果是为了自动驾驶服务，则要记录下诸多的环境数据和车控车况数据，但并不需要驾驶员的个人信息。

说回到数据安全管理，我们对管理条例中关键的第6条内容解读如下：

（一）车内处理原则，除非确有必要不向车外提供。

数据除非必要不向车外提供，也就是不上传云端。但是车内智能终端一定需要数据支持，因此替代方案是将处理策略从云端传到终端，并根据实施效果动态调整。

（二）匿名化处理原则，确有必要向车外提供的，尽可能地进行匿名化和脱敏处理。

匿名和脱敏后，用户身份数据基本被清除，因此数据使用更受限制，对于消费互联网的价值更低。

（三）最小保存期限原则，根据所提供功能服务分类型确定数据保存期限。

根据功能服务分类确定数据保持期限，意味着车企要清楚数据使用目的。

（四）精度范围适用原则，根据所提供功能服务对数据精度的要求确定摄像头、雷达等的覆盖范围、分辨率。

同样，意味着车企要非常清楚数据使用目的。

（五）默认不收集原则，除非确有必要，每次驾驶时默认为不收集状态，驾驶人的同意授权只对本次驾驶有效。

意味着车企不仅自身要明白数据使用目的，而且还要让车主理解，并且要让车主认可数据使用带来的便利和合理性。

如果要充分符合规定的要求，车企就必然要将数据使用和业务高度结合，而不是简单使用一套大数据平台工具，期望点石成金；或者摊手做渠道，把数据交给互联网公司坐收渔利。

其实，“用好”数据与“管好”数据并不矛盾，数据安全管理和用户意识觉醒，对车企智能网联数据应用未必是紧箍咒，反而可能是倒逼内部优化的破局点。

智能网联数据的应用程度，本质上就是车企业务优化的深度。聚焦业务目标，服务找人，场景找需求，应用找数据。如何选择关键指标，兼顾用户体验、应用效益和数据处理成本，需要业务洞察力，数据敏感性和技术判断力。

抛弃流量思维，深挖用户价值，这才是车企真正要挑战的课题，也是汽车数据安全管理带来的机会。

本文来自微信公众号：威尔森汽车智能决策（ID：ways-data），作者：智能网联应用中心