汽车行业大数据解决方案_第1页
汽车行业大数据解决方案_第2页
汽车行业大数据解决方案_第3页
汽车行业大数据解决方案_第4页
汽车行业大数据解决方案_第5页
已阅读5页,还剩14页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、汽车行业大数据解决方案技术创新,变革未来目 录123大数据生态与技术:行业视角汽车业+大数据 案例简介数据化一切业务数据化互联网智能制造业务流程传感器信号智能设备发现洞见从分散到立体,从数据到洞见标签画像文本分析深度学习商业智能可视化建模分析DATAFYDISCOVERDESIGN设计重构彻底重构设计,创新商业模式创造新需求产品和服务销售方式组织和管理运营与决策用户体验凯文凯利未来商业预言:所有生意都是数据生意大数据安 全提供商360瀚思 蓝盾 亚信启明星辰大数据整 体解决方 案提供商 东方国信 华为亚信 浪潮 软通 用友开源平台Cloudera/Hadoo p/GreenPlum/ Spar

2、k.数据源个人用户企业用户政府用户用户(个人/企业组织)大数据平台提供商基础平台类/东方国信/华为/浪潮/亚信/星环.操作系统类营销BAT/TAPAD/金融/软通/荣之联 星环大数据技术和应用提供商大数据应用类零售教育医疗/锐码/Clever/浪潮/浪潮/用友 施易德极客永洪政府百度/PREDPOL泛工业/华为/ 数据挖掘可视化商业智能机器学习统计分析/明略/美林/永洪华院数据/永洪/ 数字冰雹IBM/ORACLE/SAP/永洪BAT/科 大讯飞SAS/SPASS数据处理/华院数据/国云数据/ 明略数据整合 /华院 数据/永洪标签画像 BAT/ 华为/亚信ID归一大数据处理与分析类咨询和数据服

3、务类埃森哲/安永/GFK/百分 点/易观国际/麦肯锡/数据资产管理类BAT/京东/ 华为/亚信基础设施提供商网络/设备商CISCO/华为/IBM/ 浪潮/联想/Sugon存储EMC/TD/云 创 存 储 / 闪迪数据库Cloudera/EMC/G base/mongoDB/ IBM云平台AWS/BAT/OpenStack/ Vmware/Azure/UCloud数据中心浪潮/荣之联/ 万国数据数据市场Bluekai/数据堂/GBDE/贵阳大数 据交易所/数海大数 据交易平台互联网BAT/脸 书/新浪微博/推 特物联网倍泰/咕咚/华 米科技/Linktop大数据生态分布大数据核心技术谱系数 据

4、分 析分 布 式 系 统云数据可视化和应用人工智能BIETL数据治理元数据数据仓库自然语言处理分词、语法、命名 实体、情感知识表示本体、语义网、知 识图谱自动求解和推理搜索、规划、推理、决 策机器学习统计学习、深度学 习存储计算数据模型关系、KV、图、对象 序列化数据存储FS、MQ、DB列式、行式计算模型SQL、MPP、MR、RDD、Streaming、DAG计算框架&产品MR、Sprak、Storm、Tez、 oozie、Hive、Impala目 录123大数据生态与技术:行业视角汽车业+大数据案例简介汽车行业的数据现状数据存储分散 自成体系汽车行业产业链条长,参 与者众多,整车厂、零部 件

5、企业、行业协会、车联 网公司等,各机构数据存 储分散,自成体系。数据异构性严重各参与者采用的数据库系 统不同,信息编码,技术 规范不统一,数据格式不 一致,数据资源难于共享 和转换。缺乏统一 标准体系汽车属性不统一,导致汽 车属性同一类事物的名称 和分类不标准,系统之间 集成度低、互联性差,业 务不能协同开展。数据资源利用程度低汽车行业积累了大量的基 础数据, 但从中挖掘出 的决策型数据不多,数据 资源的增值作用还没有在管理决策过程中充分发挥。数据整合深挖共享价值整合产业链数据匹配各主体价值共创利益相容价值共享突破企业与消费者 之间的双边关系, 从供应链角度收集 数据,凸显数据价 值及关联性,

6、并筛 除垃圾数据。引发整个产业链间 主体的互动,各个主体基于数据流构建强大的关系网络,通过大数据整合实现共创价值。在大数据整合框架 中,价值遍布于各 个节点,不受企业 边界限制,实现利 益相容、价值共享 是大数据整合的重 要保障。用户行为采集 分析及监控用户/汽车 画像汽车健康度 评估汽车大数据建 模分析大数据洞察用户洞察舆情监控精准营销邮件营销广告营销个性化推荐网站推荐移动端推荐实时数据处理清洗标准化归一化汽车状态报告及故障预警离线数据处理清洗标准化归一化购车消费者画像高速查询主键查询多级索引多表关联SqoopFlumeNginxPythonICEAPIRedisMongoDBMySQLES

7、/Solr大数据平台车辆生产数据数据接入数据桥接文件接入 数据探头 抓取系统接口数据采集自动安装/部署集群管理数据管理FTPKafka数据分发配置中心Storm实时 计算MRHDFSHive离线计算安全认证权限数据分析实时数据分析增量数据挖掘增量业务建模离线数据分析客群统计分析车辆健康数据挖掘全量车辆相关建模自定义报表分析Spark HBase数据存储用户管理平台审计零部件数据车辆销售数据车辆健康数据车辆维修数据保险数据信贷数据个性化需求数据车辆养护数据第三方线上、线下汽 车大数据车厂系统DMS系统CRM系统 呼叫中心 网站(Web)移动应用(APP)汽车舆情数据库(外围接入)互联网 汽车大数

8、据汽车企业&大数据平台整体架构汽车消费者精准画像用户的本质性别、年龄等人口统计学信息、 地区地域及用户资产,直接影响用户 消费决策用户与企业的交互关系对企业产品、业务、渠道的偏好 程度及行为习惯特征,一方业务数据 分析而来,强相关企业的消费场景及 产品设计用户生活行为特征互联网渠道行为特征、消费偏好 特征、兴趣偏好、近期及潜在的需求 特征、社交关系等通过三方数据企业可以了解用户 在生活场景中的偏好、习惯、性格, 在营销、产品、服务等决策中起到支 持作用汽车故障预警与PHM汽车的电子控制单元(ECU, Electronic Control Unit),能被车载诊断系 统 (OBD, On-Boa

9、rd Diagnostic System)联 接以来,OBD就能及时的 反映出汽车ECU检测分析出 来的故障,运用移动互联技 术方式传输汽车故障码。通过汽车生产、设计、保养 及维修历史记录数据,分析 与挖掘对驾驶员可用的故障 预警。基于发动机转速、机油液位、 变速箱等状况,动态提示维 修保养。数 据 预 处 理数 据 传 输特 征 提 取状 态 监 测故 障 诊 断故 障 预 测维 修 保 养传感器 1传感器 2历史监测数据产品参数/模型历史统计数据传感器 N大数据融合汽车舆情与口碑分析 文本分析系统支持热点分析:热点话题透视,把握话题聚焦 点;自动关键词:提取文章关键特征,提高数据分析销量;

10、规则引擎:紧贴业务需求,个性化设置数 据挖掘规则,准确筛选;口碑分析:发现用户对产品的不同方面发 表了怎样的评价。 服务价值发现:通过对客服记录的语义分析,从中发 现用户反馈比较集中的问题,改善用户体验改进:产品(服务)的哪方面有怎样的问题竞品:消费者对竞品的口碑是怎样?跟自身相比差异在哪里营销:从客服数据中发现新的销售机会外观操控空间动力配置安全油耗保养汽车后市场推荐服务基于汽车用户对于车联网的操作习惯,结合互联网消费及偏好数据, 优先推荐用户感兴趣的汽车后市场服务,如:汽车保养、UBI车险及 专属APP等,通过个性化类别排序为用户推荐其需求的分类,提升用 户体验。目 录123大数据生态与技

11、术:行业视角汽车业+大数据 案例分析大数据产品全景图大数据应用大数据采集用户行为数据采集系统大数据抓取系统大数据清洗用户行为数据清洗系统互联网公开数据清洗系统大数据标准化用户标识管理系统商品归一化系统大数据结构化用户标签管理系统商品标签管理系统大数据管理大数据技术数据全生命周期管理大数据操作系统(BD-OS)可视化数据操作平台业务流程全生命周期管理业务价值挖掘建模数据访问资源管控分布式存储(磁盘及内存) 数据获取(安 全认 证权 限ACL )监 控配 置 及 报 警安 装 及 云 服 务电子商城媒体网站 个性化个性化系统系统营销管家系统(BMM)舆情洞察系统 (Mediaforce)数据洞察系统(BDI)个性化推荐引擎(BRE)大数据分析引擎(BAE)个性化 系统自动化营销引擎(BME)模型应用系统(BMW)文本分析系统(BTA)商品数据洞察系统(BPI)数据优势5.5亿+用户 全网画像日活跃5,000万UV1亿+商品全网画像2亿+资讯画像200万+App画像21大类4,000+子类400+商品标签维度

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论