德勤汽车行业的大数据与分析

汽车行业的大数据与分析2016年4月2汽车行业如今面临与日俱增的挑战和压力：成本压力、行业竞争、全球化趋势，以及市场变化和波动。不过，最新的大数据与数据分析为汽车制造商们带来了前所未有的可能，供他们应对各种挑战和难题。随着数据分析能力的提高，预测分析正演化为一种有力的工具，可以大大提升预测效率以及运营和绩效。但挑战在于，汽车制造商是否能玩转这些海量的知识和经验数据。简单地说，巨大的数据量为评估带来难度，难以支撑战略决策的制定。数据分析可以把这些信息融合起来——不论是“机器可读的”数据集，还是非结构化数据如视频、录音或文本。只要处理得当，效果将令人称奇。例如在生产中，可以通过分析历史数据、参数和参数组合来确定某个事项是否正常。这些分析可用于汽车召回事件，汽车制造商能确定或预测什么时候可能会发生召回。起初不会发生，因为决定性参数及时地重新引入到目标走廊。这种方法和流程也能应用于客户、供应商，以及汽车生态系统中的其他利益相关方。德勤最近的一项研究也探讨了数据作为绩效分析的有效来源的重要性。汽车制造商可以从大量的客户数据中发现，特定客户群对哪些型号、配件或服务感兴趣。进而提供个性化和量身定制的产品与激励方案，提高销量。随着互联网和社交媒体的普及，以及各种交通工具关联性的不断提高，制造商们也能获得源源不断的客户数据，分析准确度也越来越高。有了数据分析，供应链数据也能透露出哪些环节比较薄弱，从而在出现严重问题之前及时采取积极的解决措施。在中国，交通拥堵及环境污染导致城市不得不采取车辆限行，摇号拍牌等措施，使得车辆使汽车行业的数据分析通过评估庞大而复杂的数据来改进预测能力、运营能力和提升绩效用成本高企不下。好消息是，运用大数据分析等技术可解决实时交通管理难题，辅助缓解交通拥堵，提高车辆使用效率的同时也对环境保护做出一定的贡献。同时，对于汽车驾驶员，亦可运用数据分析，将技术与用户需求有效融合，实时记录并处理车辆行驶路况，协助用户选择最佳行车路线，不仅提高车辆燃油效率，还能大大节省驾驶时间。数据分析是一个强有力的工具。但除了数据、运营或信息科技，有效运用数据分析还需要更多的知识与经验。要恰当运用数据分析，需要具备全方位的综合能力，与企业内的多种职能部门和技术团队交互融合。鉴于此，我们的汽车行业服务团队撰写了一系列文章，介绍大数据分析将为您的公司带来哪些可能，以及您在考虑数据分析计划时需要注意的事项。我们期待您的反馈，并愿意随时与您探讨相关话题，分享我们的经验。欲了解更多信息，可通过封底联系人与我们联系。洪廷安，德勤中国汽车行业主管合伙人。何马克博士，德勤中国汽车行业管理咨询主管合伙人。本文中Deloitte（“德勤”）泛指德勤有限公司及其子公司。请参阅中有关德勤有限公司及其成员所法律架构的详细描述。根据公共会计的法律法规，不能对鉴证客户提供某些服务。1汽车行业的大数据与分析专题文章大数据的价值在于对数据的运用大数据分析体系及德勤在中国的实践决策流程发展需要新型态的管理方式数据分析：从大量数据中筛选出相关知识客户体验的演进通过数据分析改进汽车制造商与消费者之间的互动客户行为分析——改变汽车行业客户保留策略的游戏规则汽车主机厂的全新客户策略利用高级分析管理营销支出对营销组合的连续分析可以洞见因果关系破解全球供应链管理难题用数据分析管理风险并推动增长运用质量预测分析防患于未然质量领先对制造商的成本控制和品牌形象越来越重要有备无患汽车制造商如何加强召回的准备与管理25710141618201汽车行业的大数据与分析2大数据的价值在于对数据的运用大数据分析体系及德勤在中国的实践随着网络应用越来越普遍，社会信息化的程度越来越高，互联网的普及和发展正改变着传统行业的运营模式。传统行业正在经历着在线化和数字化的变革。在这种变革过程中，企业积累了大量的数据，据有关统计，全球的数据量正在以每18个月翻一倍的惊人速度增长，特别是对于经济快速发展的中国市场，如何充分利用数据资源，挖掘数据价值，是每个企业都面临的迫切需求。而大数据技术的快速发展给企业提供了一种处理数据、挖掘数据价值的有效方法。对于数据的爆炸式增长，德勤认为企业大数据应用的重点不是在于如何获取更多的数据，而是围绕业务目标，具体业务问题，通过大数据分析的手段进行深入分析并解决问题。大数据应用框架设计企业在构建大数据应用时，应从企业的业务战略和IT战略出发，构建大数据应用的顶层框架设计。主要包括以下几个领域：大数据战略：明确大数据应用的目标与策略；制定大数据应用/平台建设路线图。大数据应用场景：结合市场和公司的发展，从企业价值链和客户生命周期入手，梳理大数据应用的业务场景。大数据分析建模：分析业务挑战，构建分析模型，通过多种算法的运用，找到解决问题的方向。大数据技术平台：追踪技术发展趋势并结合企业内部各种应用系统，构建大数据技术平台，满足企业发展需要。大数据应用的顶层框架设计对于企业而言，可以把IT系统建设直接与公司战略，业务发展相挂钩，此外还可以减少对数据资产的过度投资或者投资浪费。大数据战略大数据本身涉及的业务领域和技术领域都很广，企业在应用大数据时需要从业务目标和IT规划入手，明确大数据应用的方向。大数据战略的制定需要回答以下3个问题：作者：华思远，德勤合伙人及中国区汽车行业信息管理负责人。做什么何时做典型应用如何做业务支持持续改进业务优化IT驱动业务创新IT驱动通过大数据处理技术，增大数据处理带宽，增强实时数据分析能力，促进提升业务水平企业管理实时驾驶舱企业运营风险监控平台基于业务领域场景，整合数据，构建业务模型，通过大数据分析技术，挖掘潜在业务模式客户画像客户流失预警拓展数据范围，借鉴并融合异业领先实践，促进业务变革与创新基于车联网的动态保单基于服务能力的动态工时费用3汽车行业的大数据与分析未来的IT项目将会更加需要技术与业务的融合，IT部门将不仅仅是企业的成本中心，通过对数据资产的深入利用，还将会促进业务变革与创新，甚至创造出新的业务模式，成为企业发展的新引擎。大数据应用场景大数据应用场景，可以从企业价值链和客户生命周期入手，找寻业务需求（痛点），以从客户生命周期角度分析为例，在客户生命周期的3大阶段中，包含了18个业务场景，从这些业务场景出发，可以挖掘出众多数据分析应用场景：德勤在中国市场经过多年的实践，累积了大量宝贵的行业经验，形成了多套行业方案，包括但不限于：舆情分析，客户保养行为预测，客户价值分析，客户流失预警等，这些行业方案可以帮助企业客户，充分利用企业内外部的数据资源取得速赢。大数据分析建模大数据应用的重点是对数据和分析算法的运用，需要IT专家，业务专家以及算法专家密切配合。主要的工作重点包括：业务理解与建模：基于大数据应用场景，识别关键业务挑战，构建数据模型。数据获取与清洗：识别模型所需的数据，以及相关的数据质量问题，对数据进行必要的清洗使其满足模型需要。数据存储与整合：从业务与IT两个角度构建数据存储模型，并对不同来源，不同结构，不同类型的数据进行必要的整合。数据挖掘算法运用：通过多种数据挖掘算法的运用，找寻大数据背后的业务答案。大数据分析建模不是简单的数据统计和汇总，所回答的问题也不仅是明确的因果性问题，更多的则是带有不确定性的相关性问题。通过对多种来源的海量数据分析，发掘潜在的业务动因和模式，辅助业务决策，甚至驱动业务变革与创新。大数据分析场景售后服务客户满意度销售线索需求分析汽车展示试乘试驾价格谈判客户投诉车辆召回维修交叉销售合同终结二次购买促销金融服务考虑再次购买合同签订订单与交付管理质保维修定期维保检修售前&销售客户分类分析销售线索管理线索跟进与再激活广告设计与投放市场营销活动设计与投放客户行为分析后勤管理订单管理等等使用客户信息持续更新会员管理交叉销售客户忠诚度计划客户满意度管理汽车保险质量保证服务升级与促销客户投诉管理等等再购买产品广告与促销金融服务产品调查问卷客户信息更新口碑管理等等4大数据分析平台大数据分析的技术落地，涉及多种IT技术的整合与运用，市场上相关的产品层出不穷，企业面临难以选择产品的问题。为此，德勤提出分层的大数据技术平台架构，促进大数据应用落地。大数据应用在中国的机遇与挑战不管我们愿不愿意承认，我们确实已经处在一个信息和数据无处不在的大数据环境中了。企业的业务更加电子化，企业与客户之间的沟通，企业与供应商之间的沟通，以及客户与客户之间的沟通，都日趋多元化，敏捷化。这些都为大数据分析提供了广阔的空间。目前，很多企业客户已经应用了很多大数据技术来解决业务问题，但同时，我们也要清楚的看到，企业在进行大数据应用方面还有很多待解决的问题。例如，数据质量不高，给数据分析工作带来了很大的难度，再有，数据预测精度也有待于提高。虽然大数据预测能力在智能化的今天得到了长足进展，但预测的精准度相对来说还不够，这就为大数据技术的应用提出了更高的要求，需要从业务理解，场景规划、算法更新等多个方面入手，进行努力和尝试。尽管大数据应用目前还有一些难点和不足，但在大数据领域的研究和探索正在快速的发展和完善，我们有理由相信，在不久的将来，大数据必定能成为助力汽车行业发展的新引擎，推动汽车行业快速健康的发展。界面交互DigitalMedia(Video,Audio)OwnerPortal,OfficialWebsite数据建模Formindicatoranalysisframeworkbasedoncorecontrolindicatorsidentifiedbymanagement,idealsBusinessdrivenmodeling传统数据源ERPSystemSCMSystemRDBMSCRMSystemMDMSystemFlatfilesDMSSystemWarrantyXMLfiles非结构化数据源VerycomplexstructureLargedatabagsBlogsUnstructuredtextBehavioraldataWeChatImagesandvideoWeibo半结构化数据源ComplexstructureUnstructuredtextDataBag数据存储Optimizedplatformfora)massiveparallelprocessing,b)Sophisticatedquerying,c)Highperformanceadvancedanalytics,d)In-memorycomputing数据清洗Dataqualityissueidentificationandautomateddatacleansing传统数据获取ETLlogicanddataextraction数据整合Highvolumeandcomplexdatamanagement流数据获取Largesizedatawithfastdatageneration移动与互联Pad/MobileApplicationsBehaviorDataTracking数据推送与主动服务DefinethelogicofdataexceptionidentificationActivelypushdatatotargetpersons数据分析Advanceddataanalysisalgorithmswithmathematicalstatisticanalysis,Clusteranalysis,Forecastingmodel…Real-timebusinessdecisionsupport数据源基础平台建模与分析用户交互5汽车行业的大数据与分析决策流程发展需要新型态的管理方式数据分析：从大量数据中筛选出相关知识大数据是新的动力，是创新和生产力发展进化的下一步，是管理革命。诸如此类的说法铺天盖地而来，几乎没有一个机构不知道数据分析所带来的机遇。这不难