Cover Image
市場調查報告書

巨量資料對卡車運輸業的影響度分析

Executive Impact Analysis of Big Data in the Trucking Industry

出版商 Frost & Sullivan 商品編碼 327885
出版日期 內容資訊 英文 46 Pages
商品交期: 最快1-2個工作天內
價格
Back to Top
巨量資料對卡車運輸業的影響度分析 Executive Impact Analysis of Big Data in the Trucking Industry
出版日期: 2015年04月06日 內容資訊: 英文 46 Pages
簡介

為了削減車隊的休息時間,及對於產生空車里程數的疑慮,卡車產業目前正在急速引進巨量資料。

本報告提供北美·歐洲卡車運輸業上巨量資料的引進·活用影響度相關分析,提供您近幾年主要的市場趨勢和今後的普及預測,TCO (total cost of ownership:總持有成本) 的影響度,對產業相關人員而言今後潛在的市場機會,相關市場收益額預測 (今後9年份),今後的市場方向性等調查評估。

本報告提供以下問題的答案。

  • 巨量資料·服務的現在及未來的潛在規模是多少?
  • 如何使用巨量資料來改善TCO (燃料、司機工資·社會福利、整備、保險)?是否有成功案例?
  • 引進巨量資料為各領域(產品開發、製造、行銷、保證、售後服務)帶來的潛在優點是什麼?
  • 可藉由活用巨量資料來降低多少車隊年度運用費用(平均每1台卡車)?商用車巨量資料今後的收益額預測為何?
  • 全球大卡車製造廠/一級供應商/車載資通系統·供應商/汽車用IT供應商/車隊管理企業目前參與層級和今後的市場機會有多大?

第1章 摘要整理

  • 主要的分析結果
  • 摘要整理:商用車廠商活用車載資通系統·資料
  • 摘要整理:一級供應商打入車載資通系統市場
  • 摘要整理:夥伴關係·模式的演進
  • 摘要整理:廠商·一級供應商活用分析功能:各功能
  • 摘要整理:對商用車廠商·車隊而言降低年度平均成本額的可能性
  • 摘要整理:UPS的案例研究
  • 摘要整理:對廠商而言的巨量資料活用領域和合作夥伴
  • 摘要整理:對一級供應商而言的巨量資料活用領域和合作夥伴
  • 摘要整理:對車載資通系統·供應商而言的巨量資料活用領域和合作夥伴
  • 主要的結論與未來展望

第2章 分析的範圍·目的·背景·手法

  • 分析範圍
  • 分析目的·對象
  • 本報告問題的認知
  • 分析方法

第3章 巨量資料的車隊運用 (TCO) 影響度

  • 何謂TCO (總持有成本)
  • 透過巨量資料及分析功能重組TCO
  • 預測分析服務的提供和車隊費用節減的平均可能性
  • 活用巨量資料於燃料成本最佳化
  • 活用巨量資料於司機的工資·社會福利·安全性的成本最佳化
  • 活用巨量資料於整備成本最佳化
  • 活用巨量資料於保險費用最佳化
  • 案例研究:車隊巨量資料 (Maines Paper and Food Services)
  • 案例研究:活用移動平台,將貨主和搬運業者結合的巨量資料分析功能
  • 摘要:車隊運用的影響度

第4章 對商用車廠商而言巨量資料的意義

  • 對廠商而言的巨量資料市場機會
  • 製造商研究·產品開發上巨量資料活用
  • 製造商製造工程上巨量資料活用
  • 製造商行銷上巨量資料活用
  • 製造商保證·售後服務上巨量資料活用
  • 摘要:對商用車廠商而言巨量資料的意義

第5章 巨量資料及分析功能的收益額與市場機會

  • 巨量資料·服務的市場收益額 (今後9年的預測值)
  • 利害關係者之間收益額的分佈

第6章 結論

  • 主要的結論與今後的預測
  • 法律上的免責聲明

第7章 附錄

目錄
Product Code: NE67-01-00-00-00

Rising Downtime Reduction and Empty Miles Concerns Expediting Big Data Adoption in the Trucking Industry

This study provides an executive analysis of Big Data in the North American and European trucking industries. Using both primary and secondary research data, analyses and discussions cover key trends, total cost of ownership, and market opportunities by value chain participant. Big Data service revenue forecasts are provided for the period 2014-2022. Key conclusions and a future outlook are also provided.

Key Questions this Study Will Answer

  • What is the current and future potential for Big Data services?
  • How does Big Data restructure TCO (fuel, driver wages, driver benefits, maintenance, and insurance)? Are there any successful case studies to prove this?
  • What are the potential benefits of Big Data implementation within key functions such as product development, manufacturing, marketing, warranty, and sales?
  • What are the annual explicit savings that can be achieved per truck using Big Data for fleets and what is the Big Data commercial trucking revenue forecast up to 2022?
  • What is the current level of involvement/opportunities for key global OEMs, Tier-1 companies, telematics providers, analytics providers, automotive IT participants, and fleet managers?

Table of Contents

1. EXECUTIVE SUMMARY

  • 1. Key Findings
  • 2. Executive Summary-OEMs Leveraging Telematics Data
  • 3. Executive Summary-Tier-1 Suppliers Foray into Telematics
  • 4. Executive Summary-Evolving Partnership Models
  • 5. Executive Summary-OEM/Tier-1 Analytics Application by Function
  • 6. Executive Summary-Possible Average Annual Savings for OEMs and Fleets
  • 7. Executive Summary-Case Study of UPS
  • 8. Executive Summary-Big Data Application Areas and Partners for OEMs
  • 9. Executive Summary-Big Data Application Areas and Partners for Tier-1 Companies
  • 10. Executive Summary-Big Data Application Areas and Partners for Telematics Providers
  • 11. Key Conclusions and Future Outlook

2. RESEARCH SCOPE, OBJECTIVES, BACKGROUND, AND METHODOLOGY

  • 1. Research Scope
  • 2. Research Aim and Objectives
  • 3. Key Questions this Study Will Answer
  • 4. Research Methodology

3. IMPACT OF BIG DATA ON FLEET OPERATIONS (TCO)

  • 1. Total Cost Of Ownership
  • 2. TCO Restructuring through Big Data and Analytics 2014-2022
  • 3. Predictive Analytics Service Offerings and Average Potential Savings for Fleets
  • 4. Application of Big Data in Fuel Cost Optimization
  • 5. Application of Big Data in Cost Optimization for Driver Wage Benefits and Safety
  • 6. Application of Big Data in Maintenance Cost Optimization
  • 7. Application of Big Data in Insurance Cost Optimization
  • 8. Case Study-Big Data for Fleets: Maines Paper and Food Services
  • 9. Case Study-Big Data Analytics for Connecting Shippers to Carriers Using Mobile Platform
  • 10. Summary-Impact on Fleet Operations

4. IMPLICATIONS OF BIG DATA FOR COMMERCIAL VEHICLE OEMS

  • 1. Big Data Opportunities for OEMs
  • 2. Leveraging Big Data in OEM Research and Product Development
  • 3. Leveraging Big Data in OEM Manufacturing Processes
  • 4. Leveraging Big Data in OEM Marketing
  • 5. Leveraging Big Data in OEM Warranty and Aftersales
  • 6. Summary-Implications of Big Data for Commercial Vehicle OEMs

5. BIG DATA AND ANALYTICS REVENUE AND OPPORTUNITIES

  • 1. Big Data Service Revenue 2014-2022
  • 2. Revenue Distribution by Stakeholders

6. CONCLUSIONS

  • 1. Key Conclusions and Future Outlook
  • 2. Legal Disclaimer

7. APPENDIX

  • 1. Abbreviations and Acronyms Used
  • 2. Methodology
Back to Top