对于车企来说，如果说过往把注意力更多投到技术的获取和应用上，那么现在是时候把聚光灯打向信息本身了，这是一个大规模生产、分享和应用数据的新时代。
2008年，《连线》杂志主编安德森语出惊人：“数据爆炸使得科学的研究方法都落伍了。”为了进一步阐明自己的观点，他随后又在《拍字节时代》的封面故事中讲到，大量的数据从某种程度上意味着“理论的终结”。安德森的这一系列言论迅速引发业内外的广泛热议，其中也有不少持怀疑论者，但是汽车业早已用实际行动在探索着如何更好的开发这个“大数据”金库。
从2000年起，ups国际快递公司就开始使用预测性分析手段来让自己从“大数据”中获益。该公司在全美有60000辆规模的车队，以往ups每两三年就会对旗下车辆的零部件进行统一更新换代，这也是大运输集团的国际通行模式。但是ups后来发现，这种做法效果很差，因为有的零部件还没出什么毛病就被强制换掉了，这其实是一种巨大的浪费。所以他们通过在车辆的各个部位安装传感器来实时监测零部件的运行情况，因为零部件某个部位要出故障往往不是瞬间的，而是有一个过程，传感器的作用就是可以预先捕捉到要出故障的信号，然后及时进行防御性修理，避免了车辆抛锚等待救援的巨大花费，也消除了不必要的快递运输延误现象。
随后，ups又利用地理定位数据和以往累计的行车数据来实现最佳的路径指导，让货车“减少左转”次数，实现最短距离行驶。后来的数据显示，仅2011年一年，ups的驾驶员少跑了近4828万公里的路程，节省了300万加仑的燃料并且减少了3万公吨的二氧化碳排放量，因为只更换需要更换的零部件，每年可节省好几百万美元的花费。
ups的预测性分析模式后来被不少大型工厂效仿，因为在大型工厂的制造车间，一旦运行设备的某个零部件出了问题，厂家往往就得停止整个生产流程，在检查和分析出问题所在并更换了具体零部件后才恢复生产，这个过程既影响了效率，也会容易因为工程人员忽略了某个小零部件的质量而最终生产出有问题的批次性产品。这些工厂后来还发现，其实安装传感器进行收集和分析数据的花费比停产的损失小得多。
[page]
基于“大数据”的预测性分析不仅能够在零部件可靠性运行监测方面发挥神力，还能在很多人们早前根本想不到的领域引发新的思维和商业变革。日本先进工业技术研究所的教授和他的团队通过在汽车座椅下安装360个压力传感器以测量司机对椅子施加压力的方式，并把人体坐姿特征转化成了数据。这个系统能根据人体对座位的压力差异识别出乘坐者的身份，准确率高达98%。这项研究还能引发一连串的连锁反应，比如这项技术可以作为防盗系统安装在汽车上，因为获取了个人坐姿转化而来的数据，车企还可以顺势推出新的系统在司机疲劳驾驶的时候发出警示或者自动刹车等等。
在电动车发展领域，“大数据”同样能够在基础设施建设上给出理性预测，这在以往根本难以想象。2012年，ibm参与了加利福尼亚州的太平洋天然气电气公司与本田的合作，从而收集到大量信息来回答关于电动汽车应在何时何地获取动力、对电力供应的影响等基本问题。基于大量的输入信息，如汽车的电池电量、汽车的位置、时间以及附近充电站的可用插槽等，ibm开发了一套复杂的预测模型。这一模型分析来自多个数据源的巨大实时数据流和历史数据，确定司机为汽车电池充电的最佳时间和地点，并揭示充电站的最佳设置点。最后，系统需要考虑附近充电站的价格差异，甚至还考虑到了天气。
在《大数据时代：生活、工作与思维的大变革》一书中，作者认为大数据是人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的，不再用随机分析法这样的捷径，而采用所有数据的方法。大数据的精髓在于我们分析信息时的三个转变，第一个就是在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖随机采样，因为在大数据时代进行抽样分析就像是在汽车时代骑马一样。第二个改变就是，研究数据如此之多，以至于我们不再热衷于追求精确度，而是需要掌握大体的发展方向。第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系，转而关注事物的相关关系，并彻底改变原有的商业、市场和社会的本质。
不过，大数据为我们的生活提供了便利，同时也让保护隐私的法律手段失去了应有的效力。面对大数据，原有保护隐私的核心技术不再适用，“告知与许可”模式不再那么可靠。同样，通过大数据预测，对我们的未来想法而非实际行为采取惩罚措施，也让我们惶恐不安，因为这否认了自由意志并伤害了人类尊严，而且人类独有的弱点、错觉往往关乎人类的创造力、视觉和天赋。就像亨利·福特曾经说过的那句很著名的话：“如果我当年去问顾客他们想要什么，他们肯定会告诉我：一匹更快的马。”在大数据的世界中，包括创意、直觉、冒险精神和知识野心在内的人类特性的培养显得更加重要，因为进步正是源自我们的独创性，这一点也需要车企重视。