コネクテッド・フリート／データサービスの分析 (2015〜2016年)

車両フリートから生成・収集されるデータの分量は爆発的に増加しています。このデータの価値をどう評価し、実際にどう活用していくのかか、フリート業界関係者がこれから直面する大きな課題となっています。

当レポートでは、コネクテッド (ネット接続型) フリート管理市場の現状と将来的な市場機会について分析し、今後のデータ活用の市場機会や、現在の活用事例・ケーススタディ、フリートデータ活用のエコシステム (データ分析企業・コンテンツ企業と自動車メーカーとの提携方法など)、他業種 (eコマース、モバイル通信、旅行業など) から学ぶべき教訓などについて調査・考察しております。

エグゼクティブ・サマリー

第1章 フリート向けコネクテッドサービス・データビジネスの基本情報

• フリート用データのバリューチェーンと流れ
• 効率的なデータ管理・活用の重要性
• フリートデータ活用の傾向
  • ビジネス指向型ソリューション
  • ドライバーの行動と車両運用データとの関連性
  • データの相関頻度の上昇
  • ハードウェア非依存型システム
  • シェアリングエコノミー (共有経済)
  • データのクラウド・ソーシング
  • データエクスチェンジ
• なぜ、フリート企業が戦略をいますぐ実行することが重要なのか？
• 地域ごとの差異

第2章 パートナーシップ／商業化のモデル

• パートナーシップ (事業提携) モデル
• 商業化・実用化のモデル
  • 商業化モデルのオプション1：有料サービス
  • 商業化モデルのオプション2：効率向上のための保存・共有
  • 商業化モデルのオプション3：取引・イベント毎の課金
  • 商業化モデルのオプション4：車両購入時の無料提供
  • 商業化モデルのオプション5：車両費用への組み入れ

第3章 障壁と課題

• データのプライバシー
• データの信頼性

第4章 ケーススタディの分類

• 農業・建設業
• データエクスチェンジ
• ドライバー行動分析
• フリート管理企業
• 貨物輸送効率
• 保険
• 自動車メーカー
• テレマティクス・サービスのプロバイダー
• テレマティクス・ソフトウェアのベンダー
• ケーススタディ
  • Accuscore：リスクベース保険
    • ビジネスモデル
    • パートナーシップ
    • 障壁と課題
    • 得られた教訓
    • 分析と開設
  • ATG Risk Solutions
  • Cargomatic：PaaSによる貨物輸送の効率化
  • Caterpillar：業績最適化のための機械運用の効率化
  • Donlen (Hertz)：フリート管理とテレマティクスとの融合による業績向上
  • Fleetmatics：小〜中規模フリートの効率化
  • John Deere：装置の完全一体化による、全体的な事業効率の改善
  • MiX Telematics：世界規模の包括的なコネクテッド・フリートサービス
  • Navistar：トラックメーカーによる「所有体験」の全面的改善
  • Omnitracs：テレマティクス市場の初期のリーダー
  • Peloton Technology：「道路から自動運転へ」という明確なビジョン
  • PTV Group：移動効率の改善
  • Zurich Global：テレマティクスによるリスクの評価

第5章 魅力的な市場機会

• シェアリングエコノミー
• 自動運転車
• ビジネスソリューション・サービスへの移行
• データエクスチェンジ

第6章 他産業からの教訓

• シェアリングエコノミー
• ソーシャルメディアでのクラウド・ソーシング

第7章 分析結果と開設

• 分析手法
• 略語
• 関連分析

図表リスト

Industry Overview

The volume of data being generated and collected from fleet vehicles is growing exponentially. What is the value of this data and how to capitalize on it is the next biggest challenge the fleet industry has to face.

This report looks at the fleet landscape and the current trends and future opportunities being presented. The report analyzes the opportunities to monetize data through an overview of use cases and case studies. The report also maps the monetization eco-system in fleet, presenting partnership options of how data analytics companies and content companies can work with OEMs. In conclusion, the report looks at what lessons the fleet industry can learn from other industries, such as retail, e-commerce, mobile and travel.

Key Areas Covered

• Business models for utilizing fleet data effectively to generate revenue
• Partnership options and examples for effective collaboration and pooling of fleet data
• Extensive case studies and analysis

Your Key Questions Answered

• How is the fleet market changing?
• How are fleet companies using data to their advantage?
• Why is it essential to have an effective data strategy?
• How are successful companies working with data and what lessons can be learnt?
• What are the experts predicting for connected fleets?
• How will increased data and connectivity affect fleet?
• What are the commercial model options for fleet players working with data?
• What are the best data use cases in fleet?
• What can fleet players learn from looking at established strategies?
• What are the main challenges in working with big data and how best to navigate them?
• What are the examples in the following areas?
  • Agriculture
  • Construction
  • Driver Behaviour
  • Fleet Management
  • Freight Efficiency
  • Insurance
  • Mobile Workforce Management
  • Original Equipment Manufacturing
  • Telematics Service Provider
  • Telematics Software Vendor

Table of Contents

• Welcome
• About TU-Automotive
• Acknowledgements
• List of Figures
• Key terms

Executive Summary

• Compelling fleet data opportunities
• The sharing economy
• Autonomous vehicles
• Shift to business solutions & services
• Data exchanges
• Partnerships
• Barriers & issues
• Privacy & data security
• Data liability
• Lessons learned <>Introduction

1. Fleet connected services and data business basics

• 1.1. Fleet data value chain and flow
• 1.2. Importance of efficient data management and data monetization
• 1.3. Trends in fleet data monetization
  • 1.3.1. Business driven solutions
  • 1.3.2. Correlation of driver behavior and vehicle operations data
  • 1.3.3. Frequency of data collection increasing
  • 1.3.4. Hardware agnostic
  • 1.3.5. The sharing economy
  • 1.3.6. Crowd sourcing of data
  • 1.3.7. Data exchange
• 1.4. Why is it crucial for fleet players to put strategies in place now?
• 1.5. Regional differences

2. Partnership & commercial models

• 2.1. Partnership models
• 2.2. Commercial & monetization models
  • 2.2.1. Commercial model option 1: Pay for service
  • 2.2.2. Commercial model option 2: Share in savings due to increased efficiency
  • 2.2.3. Commercial model option 3: Per transaction or event
  • 2.2.4. Commercial model option 4: Free with vehicle purchase
  • 2.2.5. Commercial model option 5: Bundled in cost of vehicle

3. Barriers & issues

• 3.1. Data privacy
• 3.2. Data liability

4. Case study categories

• 4.1. Agriculture & construction
• 4.2. Data exchange
• 4.3. Driver behavior analysis
• 4.4. Fleet management companies
• 4.5. Freight efficiency
• 4.6. Insurance
• 4.7. Original equipment manufacturers
• 4.8. Telematics service providers
• 4.9. Telematics software vendors
  • 4.10. Case studies
    • 4.10.1. Accuscore: Risk based insurance
    • 4.10.1.1. Business model
    • 4.10.1.2. Partnerships
    • 4.10.1.3. Barriers and issues
    • 4.10.1.4. Lessons learned
    • 4.10.1.5. Analysis & commentary
  • 4.10.2. ATG Risk Solutions
    • 4.10.2.1. Business model
    • 4.10.2.2. Partnerships
    • 4.10.2.3. Barriers and issues
    • 4.10.2.4. Lessons learned
    • 4.10.2.5. Analysis & commentary
  • 4.10.3. Cargomatic: Platform as a service making freight more efficient
    • 4.10.3.1. Business model
    • 4.10.3.2. Partnerships
    • 4.10.3.3. Barriers and issues
    • 4.10.3.4. Lessons learned
    • 4.10.3.5. Analysis & commentary
  • 4.10.4. Caterpillar: Optimizing equipment to optimize business results
    • 4.10.4.1. Business model
    • 4.10.4.2. Partnerships
    • 4.10.4.3. Barriers and issues
    • 4.10.4.4. Lessons learned
    • 4.10.4.5. Analysis & commentary
  • 4.10.5. Donlen (Hertz): Merging fleet management with telematics for better business results
    • 4.10.5.1. Business model
    • 4.10.5.2. Partnerships
    • 4.10.5.3. Barriers and issues
    • 4.10.5.4. Lessons learned
    • 4.10.5.5. Analysis & commentary
  • 4.10.6. Fleetmatics: Making small to medium fleets more efficient
    • 4.10.6.1. Business model
    • 4.10.6.2. Partnerships
    • 4.10.6.3. Barriers and issues
    • 4.10.6.4. Regional differences
    • 4.10.6.5. Lessons learned
    • 4.10.6.6. Analysis & commentary
  • 4.10.7. John Deere: Fully integrating equipment into the overall business operations
    • 4.10.7.1. Business model
    • 4.10.7.2. Agriculture
    • 4.10.7.3. Power systems
    • 4.10.7.4. Construction
    • 4.10.7.5. Lessons learned & partnering
    • 4.10.7.6. Analysis & commentary
  • 4.10.8. MiX Telematics: Global, comprehensive connected fleet services
    • 4.10.8.1. Business model
    • 4.10.8.2. Partnerships
    • 4.10.8.3. Barriers and issues
    • 4.10.8.4. Regional differences
    • 4.10.8.5. Lessons learned
    • 4.10.8.6. Analysis & commentary
  • 4.10.9. Navistar: Truck OEM improving the total ownership experience
    • 4.10.9.1. Business model
    • 4.10.9.2. Partnerships
    • 4.10.9.3. Barriers and issues
    • 4.10.9.4. Lessons learned
    • 4.10.9.5. Analysis & commentary
  • 4.10.10. Omnitracs: Early leadership in telematics
    • 4.10.10.1. Business model
    • 4.10.10.2. Partnerships
    • 4.10.10.3. Barriers and issues
    • 4.10.10.4. Lessons learned
    • 4.10.10.5. Analysis & commentary
  • 4.10.11. Peloton Technology: Clear value on the road to autonomous driving
    • 4.10.11.1. Business model
    • 4.10.11.2. Partnerships
    • 4.10.11.3. Barriers and issues
    • 4.10.11.4. Lessons learned
    • 4.10.11.5. Analysis & commentary
  • 4.10.12. PTV Group: Increasing trip efficiency...
    • 4.10.12.1. Business model
    • 4.10.12.2. Partnerships
    • 4.10.12.3. Barriers, issues, and regional differences
    • 4.10.12.4. Lessons learned
    • 4.10.12.5. Analysis & commentary
  • 4.10.13. Zurich Global: Insight to risk via telematics
    • 4.10.13.1. Business model
    • 4.10.13.2. Partnerships
    • 4.10.13.3. Barriers, issues & regional differences
    • 4.10.13.4. Lessons learned
    • 4.10.13.5. Analysis & commentary

5. Compelling opportunities

• 5.1. Sharing economy
• 5.2. Autonomous vehicles
• 5.3. Shift to business solutions & services
• 5.4. Data exchanges

6. Lessons learned from other industries

• 6.1. Sharing economy
• 6.2. Social media crowd sourcing

7. Final analysis & commentary

• Methodology
• Abbreviations
• References

List of Figures

• Figure 1: Fleet Data Value Chain and Flow
• Figure 2: Accuscore Business Model Example
• Figure 3: ATG Risk Solutions Business Model Example
• Figure 4: Cargomatic Business Model Example
• Figure 5: Caterpillar Business Model Example
• Figure 6: Donlen Business Model Example
• Figure 7: Fleetmatics Business Model Example
• Figure 8: John Deere Business Model Example
• Figure 9: Mix Telematics Business Model Example
• Figure 10: Navistar Business Model Example
• Figure 11: Omnitracs Business Model Example
• Figure 12: Peloton Technology Business Model Example
• Figure 13: PTV Group Business Model Example
• Figure 14: Zurich Global Business Model Example