大数据建设框架成为企业实现精细化经营的重要途径
随着汽车市场逐步饱和,竞争加剧,车企希望通过拥抱大数据实现精细化经营,领先一步。但是大数据化的过程并非一蹴而就,也不是简单的大数据技术选择,更应该看成一个企业级系统工程。本文结合大数据项目实践和行业理解,着重阐述了如何系统看待大数据建设和关键问题解决思路。
背景
随着汽车普及的不断深入,中国汽车市场逐渐饱和增速放缓,我国车企已迈入了竞争运营的阶段。随着近年大数据的兴起,越来越多的车企也选择投身大数据潮流,希望通过拥抱大数据,实现更加精细化的业务运营,营销模式变化,乃至企业转型,提高自身运营竞争力。如国际顶级车企大众、宝马、奔驰,还有国内车企长城、吉利等都纷纷开启了自己的大数据之路(图1)。
图1 车企大数据典型案例
然而,在大数据化进程中,车企却发现演变过程并不是那么一帆风顺,在和车企交流中,往往能听到业务部门的抱怨:
1.数据质量怎么这么差,用户姓名一看就是随便输入的,手机号码居然只有9位;
2.销量统计错了,把提车数统计到实销数里了;
3.你做的分析功能我们不需要,对了,我们库存预测到底能不能做。
信息化部门却会感觉到困惑:
1. 我们已经采用先进的大数据技术平台了,但是该做些什么业务;
2. 我们哪里知道业务部门对应计算口径是什么,业务需求不清楚;
3. 你这个业务需求,我们心里没数。
由此可见,如何构建一个高效大数据平台,不仅仅是简单的IT系统建设,更不是简单购买了大数据平台就能实现大数据分析。企业大数据化更应该是一个系统,要贯穿管理-业务-系统-数据,逐步规划,逐步建设,而不是一蹴而就。因此,基于大数据思考、实践模式,联想总结出企业大数据建设框架(图2),针对其中关键问题提出思考和分析。
图2.企业大数据建设框架
大数据之“本”:多源之水,夯实数据仓库
对于成熟的车企而言,要利用大数据产生价值,必然要构建丰富的数据体系才能发挥出大数据平台的价值,否则将成为无源之水,无本之木。一般情况下,车企需要围绕四个主要因素构建数据源才能满足整体业务需求:主机厂、渠道、客户、车。
那么车企有哪些数据呢?通常大部分车企的传统数据来源已经有了相对成熟的生产体系,包括销售领域的分销商管理系统(DMS),以及经销商使用的CRM、客服中心(Callcenter)、生产管理系统,质量管理系统(QIS)等等,这几类数据可以满足日常主机厂对于自身的运营分析、产品分析以及对渠道运营分析,但是,仍然存在如下问题:
1.客户数据匮乏,相比电信、金融行业,车企行业客户触点过少,而周期又过长,这导致其无法构建出多维的客户数据。
2.产品质量数据往往通过售后服务来反馈,因此进行被动故障排查的难度较高,如此一来,车企无法做到预测性故障的分析。
因此,为了发挥大数据的价值,车企就需要增加新的数据源,用来满足业务分析对数据多样化的需求
一、车联网系统:
目前,越来越多的主机厂考虑部署或者已经部署车联网系统,从大数据角度来说,车企通过车联网系统可以有效补充用户日常数据缺失,以ADAS系统为例,可以捕获如下数据:
1.用户驾驶行为数据:用户每次驾驶里程、转向习惯、行驶速度、是否有疲劳驾驶等,均可以有效帮助客户来搭建画像建模。
2.产品参数实时获取:不同零部件的关键运营指标,如转速、温度、电子指标等,从而为精细化产品质量预测和分析提供了基础。
二、网络舆情信息:
网络已经是用户信息传播的主要渠道,相比主机厂传统的传播方式,网络渠道可以更早、更全面的反映用户对主机厂的相关信息,通过部署自有网络爬虫系统或者购买第三方的SAAS服务,可以针对重点门户、知名行业网站、论坛、电商平台等。
1.通过爬虫系统可以有效捕获网络新闻、论坛帖子、用户评论等网络信息
2.基于大数据技术处理,车企可以通过网络信息进行市场营销、品牌影响力推广以及对用户习惯、产品质量等内容的分析。以品牌为例,车企可以完成对品牌日常热度、口碑倾向等内容的分析。
三、第三方外部数据:
1.行业性数据:通过乘联会等行业组织的数据引入,可以有效解决市场趋势分析的数据引入。
2.第三方用户标签数据:在和第三方的数据合作之中,车企往往希望能得到用户级的数据交换,但考虑到第三方数据匹配成功率不足的问题,就需要车企构建统一的用户标签体系和用户多ID体系。此外,更为可行的做法是充分利用第三方的做好用户画像分析数据,优先完善用户群统计数据。
添加该三项数据源的归类,车企才能真正实现现阶段对精细化经营的补充,让整个车企的数据源架构升维到更加实用、高效的层面,这也是未来车企发展的重要途径。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14