メインコンテンツへジャンプ
"よりスマートフォンに近い自動車を作ることが未来です。 アップルやすべてのスマートフォン企業が通話を変えたように、私たちも乗り心地を変えようとしています。" - ジム・ファーレイ(フォード・モーターCEO)

自動車をスマートフォンに例えたジム・ファーレイの例えは、すべての自動車会社にとっての現実です。 現代の自動車は、複数のセンサーモダリティ、150もの電子制御ユニット(ECU)、1億行を超えるコードを通じて、毎日1,000倍以上のデータを生成しています。 コネクテッド・ビークルの成長(2030年までに世界で販売される新車の95%)に伴い、コネクテッド・ビークル・データを収益化し、よりパーソナライズされたサービス、付加価値の高いデジタル・オファー、エコシステムの収益化によって差別化を推進することは、すべての自動車会社にとって戦略上不可欠です。

コネクテッド・ビークル・データの収益化のパイのサイズは膨大です。 2030年までに、新しいサブスクリプション主導型サービスは、平均して自動車1台あたり年間310ドルの増分経常収益を生み出すことができます。 さらに重要なのは、ドライバーにより良い安全性、快適性、利便性、娯楽性を提供することで、ドライバーの定着率を高められることです。

自動運転、コネクテッド、電動モビリティ革命におけるこの巨大なチャンスを十二分に享受するために、自動車会社は、コネクテッドカーから得られる貴重な情報の量、複雑性、相互運用性、民主化、収益化に対応できる、より包括的なデータ戦略を必要としています。

車両テレメトリ:価値創造の複数の手段をナビゲートする

今日の自動車から得られるデータには不足がありません。業界全体にのあらゆるデータの重要性がここにあります。 この領域で勝者と敗者を分けるのは、単純な1つの違いです。自動車のテレメトリデータから複雑さを効果的に取り除き、幅広いユースケースを実現できる自動車OEMとモビリティ企業、そして、それを効果的に行えない企業です。

車両テレメトリーデータの起源は安全性にありますが、現在では乗員により快適で、より便利で、より楽しい体験を提供するための重要な要素となっています。 データの爆発的な増加に伴い、ユースケースの幅は指数関数的に拡大し、人間の想像力によってのみ制限されるでしょう。 このことをよく理解している企業は、データ・プラットフォームを設計することで、さまざまな部門で多くの下流のユースケースを可能にし、企業の効率を高めることができます。

車両遠隔測定データ

このことが将来的に意味するのは、車両テレメトリデータは車両上で作成されますが、その価値は複数のモダリティにまたがり、異なる部門、機能、さらには外部の関係者にまで及ぶということです。 組織とエコシステム全体にわたる車両テレメトリデータの使用に関するいくつかの重要な例をいくつか示します。

  • マーケティング:車両の使用状況に関する継続的な情報を活用して、パーソナライズされたサービス・パッケージを設計し、より魅力的なオファーや、保険、保証、デジタル・サービス加入などの補完的ソリューションを配置します。
  • デジタルエクスペリエンス:車両インサイトを活用し、顧客にハイパーパーソナライズされた楽しいウェブおよびモバイル体験を提供します。
  • カスタマーサポート:車両診断とセンサー情報を活用し、現場での問題や保証クレームを迅速に把握し、潜在的な是正措置を特定し、お客様に迅速に解決策を提供します。
  • デザイン& エンジニアリング:ソフトウェア機能の使用状況を把握し、安全性、自律性、コネクティビティ、バッテリー、インフォテインメント、および制御システムの無線アップデートによって運転体験を向上させます。
  • ディーラー/サービスネットワーク:メンテナンスとアフターマーケットのニーズを予測し、シームレスな履行を推進することで、車両の性能と所有体験を向上させます。
  • 製品品質:顧客からの苦情や現場の問題から製造工程やサプライヤーまでのトレーサビリティを改善し、将来のリコールを回避します。
  • エコシステムの収益化:インフォテインメント・サービス、電動化、保険、共有モビリティ・サービスのエコシステムを通じて価値獲得を拡大します。

すべての使用例に共通するテーマは、テレメトリデータが、より適切で実行可能なものにすることで、あらゆる洞察を豊かにするということです。 予測能力とデータ主導の迅速な意思決定が可能になるだけでなく、適切な場所で適切なタイミングで適切なソリューションを指揮できる適切な人材の手に、インサイトを簡単に渡せるようになります。 そのためには、技術的なスキルに関係なく、誰もがデータにアクセスし、最も効果的で価値のある行動を推進できるようにする、情報の民主化への思慮深いアプローチが必要です。

障害物

自動車メーカーがコネクテッド・ビークルのパワーを活用しようと努力する中、複雑なデータ統合と標準化、セキュリティとガバナンス、データと組織のサイロ化など、いくつかの課題に直面しています。

障害物

複雑なデータの統合と標準化
コネクテッドカーは膨大な量のデータを生成し、その多くは多様で複雑、さらには独自のフォーマットで提供されます。 車両コンポーネントにまたがるこの複雑な情報の網を調和させることは大変な挑戦であり、さまざまなビジネスユニットやベンダー間でアプローチ可能方法を用いてモデリングすることは困難なことです。 さまざまなステークホルダー間のシームレスなコラボレーション、さまざまなユースケース間の相互運用性、他のデータセット(デジタル・インタラクション、ディーラー・ネットワーク、製造およびエンジニアリング・データなど)とのコンテキスト化を可能にします。

セキュリティとガバナンス
大きなデータには大きな責任が伴います。 テレメトリデータ(車両位置、車両識別、PIIを含む)のセンシティブな性質は、プライバシーとコンプライアンスを確保するための強固なセキュリティ対策とガバナンスフレームワークを要求します。 暗号化、マスキング、行/列レベルのコントロール、地理的データ居住性など、この豊富な情報を保護することは、メーカーがテレメトリデータで克服しなければならないすべての課題です。

データと組織のサイロ化
データ主導の文化を採用することは、単なる技術的な転換ではなく、非技術的なユーザーに対するデータの民主化を要求し、社内外のシームレスなデータ・コラボレーションを促進する全体的な変革です。 残念ながら、データのサイロ化と組織の課題がこの変革に大きな障害をもたらし、迅速な行動と革新、適切な場所と人々に適切なタイミングでデータと洞察を提供する能力を妨げています。 多くの場合、貴重なデータは部門ごとのサイロに閉じ込められたままであり、戦略的な意思決定やイノベーションに活用できる人たちがアクセスできないままです。 このような部門横断的なコラボレーションの欠如は、イノベーションを阻害し、ペースの速い今日の自動車業界で必要とされる俊敏性を妨げます。 データを民主化し、非技術系ユーザーに直感的なツールとアクセスを提供し、社内外でのデータ共有を促進するコラボレーション文化を醸成することで、組織はサイロ化を解消し、データの真の可能性を引き出して、情報に基づいた意思決定、革新的なソリューション、ひいては成功を促進することができます。

包括的なデータ戦略の構築

包括的なデータ戦略

コネクテッド・ビークル・データのためのデータとAIプラットフォームには、この厳しい状況を克服するために含まれるべき基本的な要素がいくつかあります。 レイクハウス・アーキテクチャーは、車両テレメトリのためのデータとAIの民主化の複雑さを、3つの重要な特徴で解決します。

一貫した取り込みと処理
最新のデータおよびAIプラットフォームは、あらゆる形式、速度、サイズのデータに対して一貫した取り込みと処理を提供します。 リアルタイムのテレメトリストリームであれ、履歴データであれ、プラットフォームは自動的な増分取り込みと処理機能を提供します。

これによって、構造化されていない生データから、さまざまなチームやデータ製品に対応するために、より多くのキュレーションされたデータセット(メダリオン、ブロンズ > シルバー > ゴールドなど)へと移行しやすくなります。 車両テレメトリデータでは、これは多くの場合、ブロンズテーブル内の様々なコンポーネントにわたる高度にネストされたセンサー測定値から、細長いキー・バリュー(車両、タイムスタンプ、センサー名、センサー値)シルバーテーブルへ、そして最終的に異なるデータチーム、ビジネスプロセス、またはデータ製品にアライメントされたテーブルへの移行を意味します。 これらのゴールド・テーブルには、シルバー・テーブルのキー・バリュー・テーブルからピボットされた値や集約された値が含まれることがよくあります。

オープンで効率的なストレージ
テレメトリデータの膨大な量と速度を処理するために、このプラットフォームは、安価で弾力性のあるクラウドオブジェクトストレージの効率的でオープンなテーブルフォーマット(Delta Lake)ストレージを備えています。 Delta Lake は、効率的な ACID トランザクション(挿入、削除、更新、マージなど)と、変更デー タキャプチャ(CDC)、データバージョニング、タイムトラベルをミックスし、完全な監査機能を提供します。 オープンソースであるため、ほとんどの最新のコンピュートエンジンにアクセスすることができ、ロックインを減らし、ツールやベンダー間のオプション性を高めることができます。 これにより、データエンジニア、データサイエンティスト、アナリストの生産性が40~65%向上します。

統一されたガバナンス、セキュリティ、統合
このソリューションの要は、統一されたガバナンス、セキュリティ、共有、統合を提供する能力にあります。 これらの重要な側面を一元化することで、このプラットフォームはデータの保護とコンプライアンスを保証するだけでなく、データ製品の構築方法のオプション性を推進します。 テレメトリーデータ所有者は、テレメトリーデータを消費し、それを使って独自のデータやAI製品を構築することを望む連合データチームに対して、データがどのようにモデル化され、保護され、提供されるかなどをコントロールすることができます。 このような柔軟性により、製造業者はデータソリューションを特定のニーズに合わせてカスタマイズできるようになり、イノベーションの文化が育まれます。

生成AIを導入したデータ・インテリジェンス・プラットフォーム

ジェネレーティブAIを導入したデータ・インテリジェンス・プラットフォーム

Databricksレイクハウスは、すべてのデータの一貫した取り込みとキュレーションというこれらの柱を、オープンで効率的、かつガバナンスの効いたレイクハウスにまとめました。 また、分散したチームが、管理された遠隔測定データに基づいて、安全かつコンプライアンスに基づき、データやAI製品を開発・共有する場も提供します。

データブリック・レイクハウス

生成AIがレイクハウスに導入されると、新しいレベルのデータインテリジェンスが得られます。 Databricksデータインテリジェンスプラットフォームには、生成AIを使用してデータの特性とセマンティクスを理解するインテリジェンスエンジンが含まれています。 これは、プラットフォーム全体のパフォーマンス、コスト、エクスペリエンスを最適化するために使用されます。 管理されたデータは、ネイティブの自然言語インターフェースとアシスタントにより、現場の作業員から経営幹部まで、さらに民主化されます。 最後に、データ・インテリジェンス・プラットフォームは、データ上に直接独自のジェネレーティブAIアプリケーションを構築するためのツール、パターン、モデルを提供します。

この戦略が正しく行われれば、自動車OEMやモビリティ企業は、より多くのユーザー、特に自然言語インターフェースでデータと対話し、より良い意思決定を行うことができる非技術系ユーザーを見つけることができます。 例えば、コネクテッド機能がエンドユーザーに対してどのように機能しているかを理解したいソフトウェアエンジニア、電気機械システムの信頼性を理解したい機械エンジニア、バッテリー性能やEV充電体験の傾向を理解したい電気エンジニア、顧客とのコミュニケーションをパーソナライズしたいマーケティング専門家などが挙げられます。

ガバナンス、生成AI、Databricks DIプラットフォームの詳細については、以下のリソースをご活用ください:

Databricks 無料トライアル

関連記事

グレート・アンロック: 製造業における大規模言語モデル

May 30, 2023 Sam Steinyシヴ・トリサル による投稿 in 業界
Original: The Great Unlock: Large Language Models in Manufacturing 翻訳: junichi.maruyama 製造業は、自動化を進め、オペレーションを可視化し、製品・技術開発を加速させるための新しい方法を常に模索しています。そのため、企業は常に深い技術的進歩の最前線にいることが求められます。製造業で最近見られる技術的進歩のひとつに、Generative AI、特にLarge Language Models(LLM)の利用があります。Generative AIは、既存のデータから認識したパターンに基づいて新しいユニークなデータを作成することができますが、LLMはさらに一歩進んで、複雑な情報を理解・整理し、人間のような対話を生成する能力を備えています。 製造業では、接続された車両、工場、建物、作業員によって生成される大量の複雑な非構造化データ(センサー、画像、ビデオ、テレメトリ、LiDARなど)が発生しますが、その多くは、データをリアルタイムでストリー

ソリューション・アクセラレーターのご紹介: 製造業のためのLLM

October 18, 2023 Will Block Ramdas MuraliNicole LuBala Amavasai による投稿 in 業界
翻訳:Saki Kitaoka. - Original Blog Link GoogleのVaswaniらによるトランスフォーマーに関する画期的な論文( seminal paper on transformers by Vaswani et. al. )が発表されて以来、大規模言語モデル(LLM)は生成AIの分野を支配するようになりました。間違いなく、OpenAIの ChatGPT の登場は、多くの必要な宣伝をもたらし、個人的な使用と企業のニーズを満たすものの両方で、LLMの使用に対する関心の高まりにつながりました。ここ数ヶ月の間に、Googleは Bard を、Metaは Llama 2 モデルをリリースし、大手テクノロジー企業による激しい競争を示しました。...
業界一覧へ