Son dönemlerde otomobillerde kullanılmaya başlayan ‘telematics’ otomobil endüstrisinin satış yöntemlerini de tamamen değiştireceğe benziyor. Çünkü telematics cihazları sayesinde artık tarih, saat, hız, hızlanma, birikimli kilometre, yakıt tüketimi ve navigasyon bilgisi datalarını elde etmek mümkün hale geldi. Bu kritik veriler birçok paydaş tarafından kendi gelir kaynaklarını artırmak için kullanılabilir. Bu durum özellikle üreticiler ve bayiler için yeni fırsatları da beraberinde getiriyor.
Uzmanların görüşüne göre, ekosistemdeki IOT cihazlarının sayısının 2020 yılına kadar 20 milyardan fazla bir rakama ulaşacağı şeklinde.
IHS Markit şirketi, 2020 yılı için 30,7 milyar IOT cihazını projelendiriyor, Gartner aynı zaman dilimi için sayıyı 20.8 milyar olarak bekliyor ki, buna (akıllı telefonlar, tabletler ve bilgisayarlar dahil değildir). IDC 28,1 milyar tahmin ediyor (yine,bu cihazlar hariç olarak).
Aynı zamanda, IHS Otomotiv’e göre 2020’ye kadar Dünya genelinde yollarda152 milyon sisteme bağlı araba olacaktır. **
Çoğu otomobil üreticisinin bu gün ya tanıtım sürecinde olduğu yada hali hazırda tanıtım sürecini tamamlamış olduğu kendi bağlı araç platformları vardır.
Bu sürecin sonucunda, bağlı araçlardan ve bağlı sürücülerden çok büyük miktarda veri birikimi oluşacaktır. Telematics cihazlar, tarih, saat, hız, hızlanma, yavaşlama, birikimli kilometre, yakıt tüketimi ve navigasyon bilgisi ihtiva eden datayı üretecektir. Her arac için yılda yaklaşık 6-20 megabayt arasında veri toplanmaktadır. Böylece, 100.000 araç için toplam veri miktarı yılda bir terabayttan fazladır. Bu kritik veri, bir çok paydaş tarafından kendi gelir kaynaklarını arttırmak için kullanabilir. Yukarıda bahsedilen tahmini süre boyunca bağlı araçların artan kabulü nedeniyle bu verinin daha da artması beklenmektedir.
Bağlanan araçların yükselişi, üreticilere ve bayilere yeni fırsatlar getirmektedir; şirketler yapay zeka ve makine bilgilendirmesini müşterilerin değerini arttırmak için kullanıyorlar. Otomobil endüstrisinin satış yöntemlerini değiştirmesinin zamanı geldi belkide. Buna ürün, hizmet, parça ve aksesuar ile yeni araçların sürücü davranışına dayalı olarak yeniden satın alınması da dahildir.
Otomobillerin nasıl kullanıldığına ilişkin gerçek bilginin elde edilmesi, nihai müşteriler için ihtiyaçlarını “hipotez” altına almak için zaman kaybetmeden, bayilerin tekliflerini en iyi hale getirmelerini sağlayabilir.
AI-based çözümler bize doğru kişilere doğru zamanda kişisel teklifler verme fırsatı verir.
Bu verileri işlemek söz konusu olduğunda, en etkili yaklaşım makine öğrenme algoritmalarını kullanmaktır. Bu algoritmalar, belirli sürücü proflllerinin davranış kalıplarının oluşturmasına yardımcı olur ve daha sonra araç sahiplerinin araçtaki ihtiyaçlarını karşılık gelen bir uygulama ile cep telefonları aracılığı ile sunar. Bunu, davranışlarını hatırlayarak ve sürüş geçmişlerini ve yoldaki durumlarını analiz ederek gerçekleştirirler.
AI nedir?
En temel yöntem olan elle yazılmış kuralları kullanır. Bunlar kişiye özel kurallardır ve bir olaylar akışını ve kurallar tarafından tetiklenen karşılık gelen eylemleri temsil eder.
İkinci yöntem ilişkisel kurallar yaratmayı içerir. Bu en çok bilinen yaklaşımdır. Bir otomobil sahibinin planlı bir bakım hizmeti için bayii ziyareti esnasında yeni lastikler satın aldığını varsayalım; Bu, sürücünün bakım hizmeti için servise gelmesi halinde yeni bir lastik satın alacağına ilişkin bir kural oluşturmamıza yardımcı olur.
Telematics’ler konum, yakıt seviyesi vb. telematik verilerini birleştirerek bir sürücü profili oluşturur ve bu verileri sürücü geçmişinden ve üçüncü parti hizmetlerden gelen ek ayrıntılarla zenginleştirir. Sonuç olarak şu bilgileri elde ederiz:
- Konum,
- Yakıt seviyesi
- Beklenen sürüş süresi
- En yakın benzin istasyonuna olan mesafe, vb.
Bu yapıldıktan sonra, kural üretme algoritmasını başlatırız ve bir kural oluştururuz. Beklenen sürüş süresi uzunsa, yakıt seviyesi düşük ve yakınlarda bir benzin istasyonu var ise, tankı doldurmayı öneririz. Ancak bu ek bir soru getiriyor: sürücüyü sebepsiz yere spamminge düsürmekten nasıl kaçınabiliriz? O sürücü o anda bir benzin istasyonuna gidiyor olabilir.
Kural üretme daha karmaşık hale getirilebilir.Genel olarak buna “kavramsal öğrenme” denir ve farklı düzeylere sahiptir:
- Konjonktif kavram,
- Konjonktif kavram artı iç bölünme,
Boynuz dağılımları ve birinci seviyeden mantık. Böylece karar ağaçları üretebileceğiz. Sonraki her yöntem sonuncudan daha güçlü ve daha fazla hesaplama yoğunluğuna sahip olacaktır.
Kendi kendine öğrenme süreci nedir? Sınıflandırmaya sahibiz ve önceki bilgilere göre her etiket için bir işaret belirleriz. Ardından, hemen eğitim bölümünü takviye olarak kullanırız ve algoritma kullanıcının tepkisine dayalı öneriler sunar ve davranışlarını geliştirir.
Yapay Zeka ve makine öğrenimi, çeşitli kaynaklardan gelen verileri okumak ve analiz etmek için büyük imkanlar yaratmaktadır. Remoto, iş araçları ve kullanıcı etkileşiminde ileri düzey çözümler sağlamak için bu tür teknolojileri kullanıyor. Remoto AI, yüz binlerce bağlı sürücünün verilerini elde eden Remoto Bağlı Araç Platformu’nu yaratma deneyimine dayanır. Kullanıcılar ve endüstri profesyonelleri dahil olmak üzere, her aracın toplanan tüm bilgileri (geziler, telemetri, motor devri, hızlanma ve yavaşlama, kazalar vb.) Insan hayatını kolaylaştırmak için kullanılmalıdırlar. Bu nedenle, müşterilere onlardan gelenleri temel alarak öneriler yaratmak için yapay zeka ve makine öğrenimi kullanıyoruz
Telematik very ve AI veri işleme, sigorta şirketlerini, verilerin nasıl para kazanacağını bilen şirketler olan park ve otomobil paylaşım servislerini ekosisteme çekmeye yardımcı olur.
Muhtemelen, 5 yıldan fazla bir süredir piyasada bu tür çalışmalar mevcuttur. Bağlanan her araç 8,7 milyon byte’a kadar kayıt üretir. Ortalama 2.3 milyon araç durum bilgisi girişi yaklaşık 70 terabyte ham veri demektir.
Remoto AI, müşterinin yaşam biçimini değerlendirebilir ve onlara çeşitli aksesuarlar önerebilir; ayrıca sürüş stiline ve kişinin yaşam tarzına dayalı olarak otomobil satabilir. Dahası, kullanıcının telematics kontrol ünitesinden veya OBD donanımından üretilen verilere dayanarak kullanıcıya bakım için ne zaman service gideceğini önceden tahmin edebilir.
Bu yeni sistem Bright Box’un çeşitli ülkelerden bağlı otomobil kullanıcılarının 1.5 terabayte’lık verilerini işleyişine dayalı bir çalışmaya dayanıyor.
Bu sebeple Data Lake’i, otomobillerden toplanan terabayt verilerin yapılandırılmış bir biçimde depolandığı Microsoft Azure temelinde oluşturuldu. Satış geliri tahminleri, CRM, DMS veya ERP sistemlerinin (müşteri kimliğinin, işlemin yapıldığı tarihin, kilometresi, GPS, hız, devir sayısı, iş / malzeme ayrımı.vb.) Telematics’ten gelen verilere dayanmaktadır.
Ayrıca verilere ek olarak,
Küme 1 Sürüş stili, günün hangi saati, Sıklıkla yinelenen şehirlerarası sürüş, gece ve gündüz sürüş, nadiren sürüş yoğun zamanlarda sürüş.
Küme 2 Kullanıcı profili Sosyolojik: Yaş, Cinsiyet, Bölge, Araç Profili, Marka, Model, Yıl,
Bu verilere dayanarak çıkan ışığa “fikir” denir. Örneğin, önemli olduğunu düşündüğümüz yaklaşık 100 farlı göstergeyi hesaplayabiliriz: Sürüş süresinin 80 mil hızla geçtiği, sürücünün gazda ne sıklıkta ilerlediği, kentsel veya kırsal alanda en sık gittiği/gidebileceği yerler vs. Veriler, mevcut kaynaklardan sürekli olarak biriktirilmekte ve analiz edilmektedir. Birbirinden farklı her bir kullanıcıyı karakterize eden belirli sayıda göstergeye sahibiz. Bunlar, belirli bir süre boyunca toplam sürüş süresi, harcanan zaman miktarı, sağ arka yolcu kapısının açık/kapalı olduğu süre miktarı, belli bir aralıkta (5-10 mil) harcanan zaman miktarı, belirli bir süre boyunca toplam gezi sayısı, bagajın ne kadar süre boyunca açık / kapalı kaldığı, sabah sürüş saati (6: 00-11: 00) ve 120’den fazla görüş.
Ardından, her sürücünün göstergelerinden bir bayi temelli teklife yanıt verme olasılığını belirleyebiliriz. Bu olasılık bir pazarlama veya hizmet kampanyasını tetiklemek için gereken belirli bir değere ulaşırsa kullanıcının e-postasına veya akıllı telefonuna bir push bildirimi gönderebiliriz . Araç sahibi, minimum düzeyde etkileşimli bir mesaj alır. Eğer müşteri ilgileniyorsa; Remoto AI, onlara sohbet açmak bir uygulama göndermeyi önerir ve bir pencere açabilir veya daha fazla iletişim için bir bayiden bir dönüş çağrısı planlayabiliriz. Müşterinin tepkisinden, gelecekte benzer tekliflere cevap verme olasılığı değerlendirilir. AI, toplanan tüm verilerden birşeyler öğrenir. Sürücünün esas alındığı davranışları ve son derece doğru olan “benzerlik” ilkesiyle çalışır .Telematics uygulamasının AI tabanlı çözümü, çeşitli kategorilerdeki sürücüler için uygun aksesuarlar, yeni araba satışları veya yakında yapılacak bir servis ziyareti de dahil olmak üzere belirli kategorilerdeki ürünleri ve hizmetleri sunmayı mümkün kılar.
Tabii bizim konumuz ile ilgili en önemli kısmı sigorta ihtiyacı bilinen müşteriye poliçe sağlamak ve penetrasyonu arttırmak, aynı zamanda da etkin risk ve hasar kontrolü ile teknik karlılığı arttırmaktır.
Telematicslerin bu iki konuyada hizmet edeceği açıkca görünüyor.
KAYNAK: servetgurkan.com
