在智慧城市的眾多範疇之中，交通運輸肯定是與普羅大眾息息相關的議題。低運輸效率除了浪費時間金錢，還會造成污染問題，因此數據化管理成為促進城市良好居住及營商環境的重要元素。塞車程度有一個指標，就是「在非繁忙時段30分鐘能到達的距離」與「在繁忙時段去相同地方要多花多少時間」的比率（香港是30%）。試想，如果只靠擴建更多道路、興建天橋、重新規劃鐵路或添加公共汽車路線，肯定要投放大量資源在基建項目上，似乎不合乎經濟效益。為了解決這些問題，有些城市會主動利用數據及人工智能調節交通燈的等候時間、共享數據給企業來制定員工彈性上下班時間表，甚至提供哪處是塞車熱點，鼓勵多步行、少用私家車等，以起分流作用。
為了達到以上目標，我們要從數據收集開始前，了解數據在生命周期中每個階段中怎樣才可有效地利用數據（數據治理），釋放其最大價值。在這個改善城市上下班塞車的例子中，數據是實時顯示城市交通狀況的原始資料，經過主動收集、同步、整合、應用、共享，成為推行政策和完善智能系統的要素。數據收集的範圍極其重要，以下舉出了一些數據收集的種類：
- 各種交通工具的速度和流量數據；
- 道路使用者的起點及到達終點的時間；
- 人口聚集點及密度與流動的數據紀錄；
- 交通事故的時間及位置；
- 道路設施損壞地點及維修狀況；
- 交通燈訊號系統的相關數據；
- 因天氣變化而影響路面情況的數據。
以上清單肯定不會是完美答案，我們需要不斷在數據循環周期中作出評估及擬訂替代方案，在權衡得失中不斷作出取捨及更新。
在數碼化快速發展的時代，智能手機、智能傳感器和車聯網的大規模應用下，數據供應更多、更廣泛，獲取的方式已經變得愈來愈零散及不可掌控（很多來自第三方）。為了保障數據質量，在使用前必須經過小心處理，盡早避免錯誤。同時在數據使用過程中所引申的數據私隱、安全性和合規性等問題也愈來愈重要。從戰略層面來看，現今管理層要承擔的風險真的不少，有如開着飛機換引擎，當然這是每個成功數碼轉型的機構必須經歷的過程。
車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員