IBM的汽车大数据丛林法则

各行各业都进入了一个以客户为中心、大数据为动力的新算法时代。“大数据”带来了社会媒体和移动设备的爆增，还有一个由数以万计的网络传感器所形成的物质世界。所有的这些因素导致了各行业的数据都在以一个前所未有的速度在飞速增长中。

汽车行业也不能例外，实际上，汽车行业预计在2015年会成为第二大数据产出业。想想一些充电式混合动力汽车一个小时就能产生25GB的数据，这样的估计也就见怪不怪了。

大数据涉及各行业，因此来自来各行业的市场驱动力也促进了汽车行业的改变（见图一）。例如，消费者中出现了新联盟群体、环境因素使形成一个生态系统成为必需、全球化的推进促使了汽车厂商和供应商之间的整合。

日趋成熟的消费者对环保和科技的需求不断增加，而这些惹人眼球的市场需求自然也需要新的策略来使利益和收入最大化。由此，汽车公司必须想出方法快速推行环保汽车，注重智能汽车的服务机会，优化全球价值链和改革零售环境。

图一

而通过大数据的应用和分析就可以帮助汽车公司实现这些商业需要。IBM建立了一些参考关键行业应用案例的解决办法，包括汽车通信、预测资产优化、消费者可行性洞见和数据仓库优化。本文就来看看IBM如何通过大数据和分析法来帮助汽车生产商、供应商和经销商借助大数据增强竞争力和提高生意成交率。

1. 加强汽车通信

汽车行业的数据增长主要还是来于汽车本身，确切的说是汽车内部的设备。汽车制造商正试图将汽车信息与汽车运行环境相关数据（如天气，交通数据）连通。而IBM大数据平台就是帮助汽车制造商探究汽车系统是如何在特定的驱动模式和环境状态下运行的。

车载信息系统可提供动态数据，如汽车速度、与传输控制系统、刹车、气囊、胎压和雨刮器、地理空间和当前环境的相关数据。而其他可以帮助了解汽车情况的数据就是消费者发在社交媒体的内容了。

不言而喻，对这些数据的分析可以帮助汽车公司加强“客户关系”、更好的预测消费者替换部件和服务的的需求、以及将车联网数据套现。这是具有商业价值的。例如，可以通过发现最优速度和档位变换计时来帮肋混合动力汽车主人使燃料经济最大化，这就提升了客户关系。而车载信息系统的数据可以提供给第三方驾驶辅助服务商、汽车租赁、保险公司来实现商业价值。

2. 平衡预测资产优化

制造业公司通常是运用预测分析方法来监测和维护工厂资产来实现更好的利用率和运行。对于现今的汽车行业，预测分析法运用的范围不应仅限于此，还应该包括汽车的售前和售后。

比如，从预测分析中获得的信息帮助汽车制造商和经销商优化质量和供应链系统，并同时降低保修成本。就目前而言，虽然都在奋力要抓住大数据的机会，但毕竟多数都缺乏从海量的资源中提取数据分析的能力。所以，IBM提出的预测资产优化（PAO）的解决办法之一就是整合IBM工业、服务、软件和研究技能来增强运用大数据能力的传统分析。

通过结合注重用户体验的仪表盘、加速器等，IBM PAO使得汽车行业可以从现有的资源中以低潜伏率来分析数据。通过平衡高级的分析能力，公司可以提高他们操作时的可见度和优化资产安全和产能。例如，原始设备设计商们可以通过分析设备运行数据和可用的公共数据来鉴定潜在的汽车损耗头号指标，然后再预测零件和服务需求。

预测资产优化（PAO）允许组织收集及整合结构的、非结构的和串流式的数据，包括：

• 来自于传感器和传动装置的有关工厂设备及汽车系统的数据

  
  

• 各种类型及格式的图像、视频和图表数据

  
  

• 保养及工程数据，例如公司资产管理数据

  
  

• 呼叫中心的信息记录、视听记录、电子邮件和文本

  
  

• 来自于服务提供者和第三方伙伴的服务使用系统

  
  

• 地理空间数据的及暂存的信息，包括全球定位系统、天气和环境数据

  
  
  

通过这些数据，某些汽车组织可以来分析失灵的根源，找出首要的运作有误的指示器、评估失灵、断电和预防性保养的风险，通过检测出设备和零件运行的反常，公司可以优化供应链，并确保零件供应商能够达到预期的需求，帮助提高客户的满意度。

3. 提取消费者可行性洞见

大数据的问世的另一个受益方就是市场营销，通过分析大量的数据，可以更深入和精确的理解客户，也就等于降低了市场营销的花费，并提高了市场营销的效果。

IBM提出的消费者可行性洞见的解决方案的优势在于“结合多样化的数据资源”（见图二）。有价值的见解可通过社会媒体的内容来获得，包括零件和产品信息、客户信息、电子邮件及呼叫中心协作之类的内部信息。对消费人口、业务数据和点击流的深入分析，使得公司能提供更加个性化的营销服务。把消费者的电子邮件、对社会热点事件的观点和对竞争产品的看法结合起来，自然就可以提供给消费者对产品更入时的见解，帮助预计潜在需求的增长。而且，在特定时间知道客户的位置，也使得汽车公司可以捕捉客户最愿意接受服务的时间点，借此在最需要的时刻送上服务。

图二

4. 优化数据库

越是在大数据时代，质疑数据库的能力越是比此前任何时候都强大。除了要利用多渠道的多样信息，还要做出深层分析，而且没有几周几个月的时间给你，你是要在几小时甚至是几分钟内即时反馈的。

另外的一个挑战是随着数据容量的增加，存储花费可能会提高。IBM的提供的优化方案包括：

• 一个信息筛选中心：帮助决定将什么样的数据移至数据库

  
  

• 一个质询系统：将不经常使用或过久没有使用的数据能从数据库中卸载

  
  

• 探索性分析方法：通过分析使用可能在数据库中已经被使用的分析方法，优化数据库，发现新型的分析方法

  
  

• 实时数据分析和串流数据的过滤

  
  
  

通过来决定数据是否应该被保留以便更深入的分析或应该被移至性价比更高的数据库，或者完全不保留它这些功能，汽车公司可以更快捷的获取信息，来调整经营成本，可以创建一个企业信息登陆区和一个企业信息分析区，并将企业数据和跨多种数据平台的外部数据相结合，从而大大降低IT成本。

汽车公司正进入一个新时代，在这个时代里，只要他们有所需的知识、经验和解决方法，他们可以利用数据新资源，以最低的低成本，迅速、高效地达到他们的商业目标。

 

 

 

大数据培训进修班第二期来临，更强的师资阵容，全新的课程安排，多面的大数据讲解与现场实训，还在等什么，马上报名吧。

参加相关培训并通过考试的学员，可以获得： 1．由人力资源和社会保障部中国高级公务员培训中心、全国信息化计算机应用技术水平教育培训管理中心颁发《大数据技术工程师技术水平教育培训》证书。该证书可在人社部中国国家人事人才培训网查询（http://www.chinanet.gov.cn），可作为能力评价、考核和任职的重要依据。 2.中国科学院计算技术研究所教育中心颁发的《大数据技术工程师》培训证书。

大数据技术已经成为互联网后的又一个里程碑意义的科技革命与生产力革命，也是产业结构战略调整的战略机遇。如何管理自身的业务大数据，从中获取智慧，对传统业务再造并实巨大价值的产品和服务？如何将大数据困境转换为大数据宝藏？如何从大数据概念炒作到实践落地？

由北京理工大学大数据搜索挖掘实验室、中国科学院计算技术研究所教育中心联合主办，大数据论坛联合承办，开设大数据技术进修班。聘请北京理工大学赵燕平教授、张华平博士、北京市外办信息中心姜伟主任、英特尔中国研究院首席工程师吴甘沙、清华大学马宝君博士等知名专家全面讲授大数据架构、大数据搜索、大数据挖掘以及大数据应用四大板块，分享亲身经历的大数据应用，并为学员提供大数据搜索挖掘工具的实训。

 

本次培训讲师：

 

张华平：北京理工大学大数据搜索挖掘实验室主任，博士，副教授

李德伟：国家工商总局行政学院副院长

赵燕平：北京理工大学教授，教育部电子商务专家

姜伟：北京市外事办信息中心主任

吴甘沙：英特尔中国研究院首席工程师

马宝君：清华大学搜索评价与推荐系统专家

杨泽明：中科院高能物理研究所副研究员

 

价格：4980元 （包含发票，讲义，教材，工作餐，与讲师互动自助晚餐会）； 老学员或同单位三人以上报名九折优惠；全日制学生凭学生证优惠价格2980元，不含发票。差旅及食宿费用自理。

 

地址：北京理工大学理工国际交流中心

课程介绍：

13日

张华平    《科学的大数据观》

李德伟    《大数据的哲学思考》

吴甘沙    《大数据架构、计算范式与应用实践》

杨泽明    《云计算关键技术与应用实训》

14日

张华平    《大数据精准搜索关键技术》

李望      《实训演练》（JZSearch大数据精准搜索引擎实训演练）

张华平    《大数据挖掘关键技术》

学员互动  《NLPIR大数据挖掘平台学员实训》

15日

姜伟      《大数据背景下的电子政务实践》

马宝君    《大数据背景下的电子商务实践》

张华平    《大数据答疑解惑》（针对每个学员事先准备的问题，每个人3分钟机会；然后根据投票结果选取3个经典问题进行综述。）

 

【报名通道】：  http://www.lingjoin.com/bigdatatrain/

 

报名电话：13681251543   010-62648067