MathArt | 技术平台实践

汽车行业已经越来越依赖大数据在市场调研、战略规划、产品研发、营销分析等领域实现精准决策。越来越快的技术革新以及数字化进程，对应的是车企内部以及外部越来越丰富多样的数字化信息。

这些海量数字信息迫使车企的决策方式由原来的管理层集中式，逐渐过渡到依托数据驱动的执行层分散式。究其原因，主要是过去的业务驱动往往是基于汇聚在管理层的经验，而最近十年来车企已经开始认识到，依赖数据信息的决策更为准确和及时，这也奠定了数据驱动将取代经验驱动的必然趋势。

面对海量的数据基础，决策者们寄希望于将数据信息转化为业务上可使用的知识，实现以知识为驱动的业务发展形态，却奈何自身数据变现能力存在局限性，一时间无从下手。

如何发挥车企内部大数据价值，探索数据与技术如何变现，对数据分析与处理技术要求很高。基于多年在汽车行业的经验和技术沉淀，我们建议车企通过在内部搭建大数据智能中台，降低大数据的分析和技术工具使用门槛，控制技术和管理成本。

考虑到不同车企内部业务特点存在差异化，为更加便捷和高效地实现车企大数据场景落地，大数据智能中台需根据不同车企内部业务特点，内置相应丰富的定制化组件。

车企大数据智能中台主要由 “业务服务平台”和“数据服务平台”这两个部分组成，从技术研发的角度出发，两个平台基于不同的系统或平台的搭建，对海量数据的分析处理各有侧重。

业务服务平台可以是基于Google开源的容器引擎——K8S框架搭建的服务管理平台，它提供了丰富的业务服务管理组件，其中包括基本的系统运维管理和监控管理，任务调度和数据管理，并通过统一的接口访问加速应用场景的落地和对接。这些功能的实现对丰富的业务和技术的积累，例如行业算法库、行业数据体系，要求极高。

行业算法库中不仅需要包含面向精准营销的各类算法库：线索评级算法、二手车客户挖掘算法、续保客户提炼算法等，而且需要包含面向商情舆情的各类算法库：竞品分析库、满意度文本分析库、关系点文本分析库等，还需要包含面向智能制造领域的各类算法库：索赔质量分析和预警分析算法库、智能产销存决策算法库等。

行业数据体系主要包含广告投放监播、渠道监控、渠道线索、经销商外呼数据、到店数据、零售数据、车主数据、会员、售后维修保养数据、二手车、车联网、延保续保、索赔数据、制造体系数据、质量等数据模型汇总，这些数据资产对车企而言格外重要，是车企实现数字化转型的基础数据。

大数据智能中台通过对这些数据进行整合和提炼，将传统以及新的业务和系统、线上线下渠道等数据进行融合和打通，并建立客户统一ID，从而识别人、车、物、点的生命全景图和关系。 

同时，通过以业务为导向建立标签体系，并遵守MECE以及金字塔原则，覆盖主机厂所有常用的业务场景，解决业务痛点，赋予数据真正的业务价值。

数据服务平台主要基于开源数据生态系统，在Hadoop发行版本基础上，提供各种大数据分析和服务的能力。此外，我们根据在汽车行业多年的研发管理及应用经验，利用Hadoop集群提供快速的实施部署服务，提供包括Hadoop标准组件、第三方常用工具，为大数据智能中台扩展组件系统，并且为多种组件服务选配定制方案的实施提供便利，从而为车企客户提供集群、作业、数据、应用等管理的一站式数据平台。

数据服务平台的优势之一在于，它对数据的接入接口十分齐全，包括SAP、DMS、CRM等车企常用的业务系统，同时还能完美接入流式数据，支持如车联网数据、产线实时数据等的接入。

此外，数据服务平台还包含了数据湖的存储和管理能力，支持结构化、半结构化、非结构化数据、流式数据的不同存储需求，使得车企内部的大数据有一个完整的存储落地和统一管理的区域。在数据湖基础上，数据服务平台基于我们丰富的业务经验和分析经验，构建了在各个不同领域中数据分析集市的最佳实践，可同时涵盖车辆全视角、潜客和车主全视角、各触点全视角、制造体系全视角、物流运输全视角等领域。

总结来说，大数据智能中台将能有效降低车企使用服务平台化和数据平台化的技术门槛，中台所内置的从服务管理到数据分析体系全面的组件支持，可帮车企快速搭建大数据中心，实现数字化对车企业务的赋能。

汽车产业是个庞大的系统工程，要做到优秀的产品、高效的营销、周到的服务整体提升，不仅依赖于长期积累的生产销售经验和专业知识，还依赖于信息技术快速发展背景下车企的数字化落地能力。

随着数据与计算技术的快速发展，国内汽车企业在数据化变革的浪潮中，有效借助于大数据智能中台，将会为车企建立全面的从研发、生产、营销到服务的全面大数据体系，逐步助力业务的运营与决策向数据驱动智能化方向升级，实现数据的价值为企业赋能。