El aumento de los automóviles conectado abre un nuevo abanico de oportunidades y desafíos para la industria automotriz y para los diferentes actores que la respaldan. Uno de los mayores desafíos es qué hacer con todos esos datos generados por el automóvil, ya hemos hablado de ello anteriormente. Y es que cada vehículo conectado puede producir más de 25 gigabytes por hora a medida que los automóviles conectados generan estos datos desde sus sistemas telemáticos, sistemas de infoentretenimiento y una inmensa cantidad de sensores. La clave para utilizar este diluvio de datos recae en el Big Data , y en el análisis predictivo, en particular.
En este artículo, analizaremos cinco formas de análisis predictivo de datos de especial interés para la industria del automóvil conectado.
Mantenimiento predictivo
El mantenimiento predictivo, como se puede suponer, tiene como objetivo identificar los problemas que se puedan originar en el vehículo antes de que estos ocurran analizando los datos de los sensores del vehículo. El análisis predictivo puede encontrar correlaciones significativas que serían difíciles de descubrir para un ser humano. Una anomalía en el rendimiento que puede parecer insignificante cuando se observa en un solo vehículo puede ser una señal muy relevante cuando se agrega y compara con datos de cientos o miles de otros vehículos que tienen el mismo problema. El análisis predictivo pueden extraer datos de prácticamente todos los vehículos de un año y modelo determinados y comparar esa información para buscar algún tipo de tendencia, permitiendo anticiparse a una avería puntual o incluso subsanar el problema de los vehículos antes de su producción, si se tratara de un error de fabricación o diseño.
Prevención predictiva de colisiones
Pocas tecnología ofrece a los conductores una característica tal apreciada e importante como los sistemas predictivos de prevención de colisiones. Mediante el uso de sensores avanzados, el análisis de datos, y la conectividad de automóvil a automóvil (V2V), el análisis predictivo puede hacer que algún día los accidentes de automóvil sean algo del pasado.
Un ejemplo relativamente “poco tecnológico” de un sistema predictivo de prevención de colisiones es la función de advertencia anticipada de colisión frontal de Nissan . Mediante el empleo de sensores en la parte delantera del vehículo, el sistema puede analizar la velocidad y la distancia del vehículo que viaja por delante del Nissan, así como del vehículo siguiente a ese, que normalmente está fuera del campo de visión del conductor. Cuando cualquiera de los dos vehículos anteriores se comporta de una manera que podría obligar al conductor de Nissan a frenar repentinamente, el sistema alerta al conductor con una alerta visual y una señal sonora. También se envía una señal para bloquear temporalmente los cinturones de seguridad para un posible caso de impacto.
El sistema de Nissan representa el ejemplo más fundamental de un sistema predictivo de prevención de colisiones. A medida que los desarrolladores crean sistemas que aumenten las comunicaciones entre los vehículos conectados, surgirán sistemas de prevención de colisiones más complejos y efectivos basados en la predicción de los comportamientos de los conductores.
Ciberseguridad del coche conectado
Gartner pronostica que un cuarto de billón de vehículos conectados estarán por nuestras carreteras y ciudades para 2020, es fácil ver la creciente preocupación por la ciberseguridad, de hecho, los vehículos conectados no son menos susceptibles a los ciberataques que cualquier otro dispositivo con conexión a Internet, pero las consecuencias de un ciberataque a un vehículo conectado pueden ser infinitamente más catastróficas, más aun si se trata de un vehículo autónomo.
Para comprender cómo el análisis predictivo puede detectar un ciberataque antes de que ocurra, necesitamos una breve lección sobre lo que es un ciberataque.
Si los ciberdelincuentes se enfocan en los vehículos conectados por el mero desafío que supone, para obtener algún beneficio o como una forma de activismo, su metodología es siempre la misma: encontrar vulnerabilidades en las redes y sistemas dentro del ecosistema de automóviles conectados y usarlos para acceder a la información personal del conductor, o para obtener el control de los sistemas del vehículo. A medida que los cibercriminales “piratean” un sistema, siempre dejan alguna evidencia de su presencia. Las medidas de seguridad convencionales son bastante efectivas para detectar evidencia de un intruso cuando otros ya lo han utilizado anteriormente, es decir si el intruso usa la misma “puerta” para acceder al sistema que otro intruso a empleado con anterioridad. Pero cuando un atacante explota una vulnerabilidad aún desconocida (una “puerta” no usada anteriormente), los sistema de seguridad puede ofrecer poco o ningún impedimento.
Lo que hace que el análisis predictivo sea efectivo para asegurar a los automóviles conectados, donde las medidas de seguridad convencionales pueden fallar, es su capacidad para identificar patrones. En algún momento, el comportamiento de cada intruso será diferente al de un usuario autorizado. El análisis predictivo no solo busca que un intruso repita los mismos comportamientos que los atacantes antecesores, sino que busca cualquier comportamiento o combinación de comportamientos que no sean consistentes con lo que se esperaría de un usuario autorizado. Si bien esta es una explicación extremadamente simplificada, lo importante es recalcar el poder de los análisis predictivo de datos para aprender patrones normales de comportamiento y detectar desviaciones de esos comportamientos.
Sin lugar a dudas, todo el desarrollo de la ciberseguridad para los vehículos conectados se basará en el análisis predictivo para detectar los ciberataques.
Marketing
Podría decirse que lo más importante que hacen los fabricantes de automóviles (aparte de fabricarlos) es atraer nuevos clientes. Fracasar aquí significa una disminución de la cuota de mercado y por lo tanto, menores ventas. Las estrategias tradicionales de mercadotecnia han mantenido a flote a la mayoría de los fabricantes de automóviles, pero la televisión, la radio y los medios impresos están perdiendo rápidamente su tradicional efectividad a favor de otras formas o medios de hacer publicidad (Internet por ejemplo). Hoy en día, cada euro gastado en publicidad por un fabricante de automóviles o un concesionario debe ir más allá que nunca.
El análisis predictivo es perfecto para ayudar a la industria del automóvil a superar estos desafíos de marketing. Al aprovechar el poder del análisis de datos, las aplicaciones de análisis predictivo pueden identificar con precisión a las personas con mayor probabilidad de comprar un vehículo en el futuro. Los algoritmos complejos consideran factores como el tiempo transcurrido hasta la última compra, el número de reparaciones del vehículo actual, el kilometraje actual, el porcentaje pagado del vehículo y otras información de interés extraída de las redes sociales para identificar posibles compradores.
Los desarrolladores pueden integrar el análisis predictivo con las plataformas CRM (Customer Relationship Management) para ayudar a los distribuidores a enviar anuncios personalizados y dirigidos directamente a compradores interesados en la compra de un vehículo o producto en concreto y de esta forma seducir al comprador.
Gestión de datos de automóviles conectados
Ya hemos estado hablando sobre el uso de datos predictivos para mejorar la efectividad del mantenimiento, la comercialización, la seguridad y otras actividades relacionadas con la industria de los vehículos conectados, por lo tanto todos los datos deben ser administrados de manera que sean útiles para el propósito deseado.
Sin embargo, existe la necesidad de gestionar los datos hacia y desde los vehículos conectados. Esta necesidad se hará cada vez más evidente a medida que más y más aplicaciones a bordo envíen y reciban datos a través de Internet. Teniendo en cuenta que cada vehículo conectado genera alrededor de 25 gigabytes por hora, junto a que se espera que más de 250 millones de vehículos conectados estén en las carreteras para 2020, con estas cifras esto puede derivar en un serio problema. Incluso con el almacenamiento en la nube cada vez a un precio mas competitivo, el almacenamiento de grandes cantidades de datos en la nube no es una opción a corto plazo. Además, no hay un plan de datos en el mundo que pueda manejar el ancho de banda requerido sin afectar a las carteras de los conductores de una manera importante.
La solución al exceso de datos es implementar soluciones inteligentes de administración de datos que puedan administrar datos de manera eficiente tanto en el automóvil como en la nube. Solo mediante el uso de análisis predictivo y, probablemente, el aprendizaje profundo , se puede administrar eficientemente el big data de automóviles conectados.
Si las soluciones se desarrollan como aplicaciones independientes o si están integradas en varias plataformas, el potencial del mercado es enorme para los desarrolladores, ademas pueden innovar muchísimo en este área. Mediante el análisis de los flujos de datos hacia y desde los vehículos conectados, las aplicaciones de administración de datos permitirán que solamente se intercambien los datos que se necesiten y solo cuando se puedan usar. En lugar de analizar todos los datos almacenados, las aplicaciones administrarán los datos en tiempo real y solamente los necesarios, haciendo un uso eficiente de los recursos de automóviles conectados.
Articulo original: 5 Ways Predictive Analytics is Shaping the Connected Car Industry
Fuente: https://movilidadconectada.com/
REDUCE LOS COSTES DE LA FLOTA CON NUESTRO PROGRAMA DE AUDITORÍA
La auditoria es una herramienta clave para conocer el estado general y suministrar el análisis, la evaluación, la asesoría, las recomendaciones y las acciones a realizar con el objetivo de reducir costes e incrementar la eficacia y la eficiencia de la gestión de la flota. Conoce nuestro programa de auditoría.