Auto >> Fordonsteknik >  >> Autopilot

Automotive Industry Disruption:A Forecasting Challenge

Rahul Kapoor  är professor vid Wharton School of Business vid University of Pennsylvania. Han arbetar i samarbete med professor  John Paul MacDuffie  för att studera störningen i fordonets ekosystem, som han ber om ditt deltagande.

Nyhetsrubriker har nyligen betonat företag som Tesla och Uber, teknologier som självkörande bilar och en grönare, mer hållbar framtid genom elfordon. Det är ingen hemlighet att bilindustrin är mitt uppe i en dramatisk omvandling. Vi ser en föränderlig dynamik från totalt beroende av förbränningsmotorer till växande acceptans av elektriska och hybridelektriska fordon; från körda till förarlösa bilar; från fordonsägande till fordonsdelning och betal-för-användning åktur - och allt däremellan. Jag har fascinerats av dessa förändringar och är nyfiken på hur dessa framväxande trender kommer att spela ut under nästa år eller så. Men jag har upptäckt att det är ännu mer fascinerande att förutsäga banan för dessa framväxande trender genom att utnyttja publikens visdom. Det vill säga att få människor som du – bilentusiaster som är passionerade och ivriga att lära sig – att förutsäga störningar i branschen.

Så, min kollega John Paul MacDuffie och jag startade en prognosutmaning för autonoma och elektriska fordon som körde från april till december 2016. Vi hade ett otroligt engagemang från prognossamfundet – från erfarna prognosmakare till de som bara är intresserade av mobilitetsområdet – och vi hade 1 530 prognosmakare som gjorde över 9 500 förutsägelser på 13 frågor. Konceptet med att använda en prognosutmaning för att förutsäga dessa trender är ett nytt tillvägagångssätt inom prognosvärlden. Ursprungligen använde prognoser enbart ämnesexperter, och denna metod var fylld av individuella fördomar och lite ansvar. Att prognostisera turneringar (aka utmaningar) minimerar sådana fördomar och ökar ansvarsskyldigheten. Nu kanske du tänker, vad är egentligen en prognosutmaning? Prognoser är helt enkelt aktiviteten att bedöma vad som sannolikt kommer att hända i framtiden, baserat på den information du har nu (Cambridge Dictionary). Så i en prognosutmaning som vår ställs specifika frågor och svar förutsägs av en skara prognosmakare (dvs du). Svar är bedömningar som sedan översätts till sannolikheter och spåras för noggrannhet.

Vår första prognosutmaning visade att våra prognosmakare var mycket exakta i sina förutsägelser. För elfordon fann vi att 2016 var långt ifrån ett "tipping point"-år. Det fanns nedslående försäljningssiffror och brist på lagstiftningsåtgärder i USA. Men vi såg en positiv trend för elbilar genom att batterikostnaderna sjönk relativt snabbt. Däremot såg vi framsteg med autonoma fordon – alla stora aktörer i rymden gjorde betydande framsteg. Och politiker i USA börjar tillåta AV-apparater att fungera på allmänna vägar. Mer än bara noggrannhet i förutsägelser, formade prognosmakare en stark gemenskap och hade omfattande interaktioner om den föränderliga dynamiken i bilindustrin.

På grund av framgången med vår senaste utmaning har vi nyligen lanserat en andra utmaning för att fortsätta studera detta spännande utrymme. Liksom förra årets utmaning kommer vi att spåra utvecklingen inom teknik, biltillverkares strategier, konkurrenslandskapet och den regulatoriska miljön; du kommer att kunna samarbeta med den globala prognosgemenskapen för att förutse banan för en bransch i uppror. Vi vill uppmuntra dig – som bilentusiast – att delta i prognosutmaningen. Ingen tidigare prognoserfarenhet krävs och du har möjlighet att prognostisera för så många eller så få frågor som du vill mellan nu och 1 juli 2018. Vinnare från utmaningen kommer att få ett speciellt omnämnande och ett "märke". Jag är glad över att bevittna störningarna i bilindustrin och lära mig tillsammans med dig!

Du kan gå med i prognosutmaningen här: https://www.gjopen.com/challenges/18-2017-2018-vehicle-innovations-challenge