跟三大案例学用汽车数据要素x驱动价值最大化

汽车数据包含车辆的设计、制造、流通、使用、销售直至报废拆解的全过程,通过汽车使用全生命周期数据的融合和应用,让数据不断释放价值,以数据驱动产业效率提升。

跟三大案例学用汽车数据要素x驱动价值最大化
出处:数治网摘编

近年来,汽车行业数字化程度不断提升,正在由传统硬件制造向“电动化、智能化、网联化”方向转变。“十四五”时期,随着人工智能、大数据等基础技术的渗透应用,汽车产业数据治理、应用及服务能力将加速成熟,并孕育产生庞大市场需求。

传统数仓体系下基于数据模型的数据管理手段,存在多系统管理情况,数据链条割裂,对于数据安全、数据管理难度大,数据价值难以有效发挥和体现。传统数据标准模型,无法适应快速变化的业务需求,数据标准难以实施,数据研发效率低,数据时效性差,数据质量难以保障,服务业务能力明显不足,不具备进一步的开放性。

对大模型技术进行企业级规划、建设、应用及管控是一个长期且复杂的工作,涉及组织、流程、机制和前沿技术研究等多个领域。必须站在企业级视角,构筑一套科学完整的大模型技术应用体系,才能有效地摸索出大模型赋能企业效能跃迁式增长的正确模式,促进汽车制造业的颠覆式创新。

在此前发布的《数治x交通运输:全面建设汽车数据能力的五大体系》一篇中,为指导车企建设体系化的数据能力,形成清晰的建设路径,中国信通院云大所联合多家车企及相关企业,经过长期调研和总结,深入分析汽车数据的范围、分布情况及涉及的相关参与方,率先提出了汽车数据能力体系。

一、三大汽车数据典型实践案例

1. 车企数据开发管理平台

车企通过构建大数据基础设施,构建全链路、全可视化的数据开发管理平台和数据资产目录、数据同步系统,打通各大系统数据,实现对数据的综合管理管控,构建满足领导层决策的管理大屏,支持各大系统及车联网平台、自动驾驶平台的离线实时数据的交换共享,构建基于舆情的路线规划、位置标注等智能应用,构建指导车辆生产和销售的车辆画像。

平台对于关系型数据的集成、分发主要使用 sqoop 组件,支持多种 数据库类型,可以通过调整任务数来控制任务的并发度,配置数据库的 访问时间,确保高效可控地利用资源,支持数据类型的自动映射与转换; IoT 设备数据采集主要对接 MQTT 协议,具有自带服务等级机制,数据 包开销较小更容易进行网络传输,消息的缓存和消息的智能路由带来良 好的可扩展性,可以通过集群代理来实现数百万的连接,使用负载均衡器将负载分配到更多的单个服务器上,将采集数据存储到 HDFS、 HBase 进行数据统一存储。

图 1 车企数据开发管理平台

通过车企数据管理平台开发,实现了一站式全链路全可视化平台能力构建,完成数据资产建设和资产管理,降低技术成本,提高数据研发效率;融合数据资产建设理念和数据资产运营服务理念,可以更好地面向不同体系、不同角色在综合安全管理管控机制下进行开放赋能,提升数据使用效率;快速具备一线互联网大数据技术工程能力,构建新一代数据能力基础设施,实现大数据应用创新,可以持续的数据资产构建和大规模团队开展的数据项目,快速高效支撑前台业务的精细化运营和数据智能创新。

2. 车企数据资产管理体系建设

某合资车企三年前就开始数据治理的建设,包括数据标准、数据质量、元数据、主数据、数据安全等专项工作都进行了尝试和运行,但去年开始,发现这些工作面临无法形成闭环,难以跨域合作等困境,亟需从点状的数据治理模式,走向体系化的数据资产管理运营模式,以让数据成为资产。

一是深化各项专题工作,化繁为简。数据治理工作有一定的专业要求,比如标准建设,如果所有数据都要标准化,那么标准的定义、范围、认责、发布工作会消耗很大的精力,且由于专业人员不足,大概率半途 而废。因此企业基于外部国标、行标进行专项梳理,结合内部主数据、 经营分析、财报管理要求,建立数据标准。

二是让合作伙伴动起来,精诚合作。汽车企业通常规模较大,跨团 队合作难度较高,无论是业务部门还是应用系统应该是数据治理的重要参与者,但由于本职工作繁忙、动力不足以及专业性不足等原因,总是让流程断点,因此围绕如下几个方面实现改进:

  • 树典型:选择数据意识足,合作意愿高的团队造典型,树榜样,然后再推广;
  • 给激励:量化资产信息采集、标准制定、质量等工作,并在应用项目中给予相应工作量;
  • 定考核:有了费用的支持,就可以有结果的考核,在项目验收的要求上新增治理效果和交付物的要求。

车企通过建立数据资产管理平台,以 KPI 考核、数据治理运营团队、流程机制等多管齐下的保障措施为辅助,建立数据治理运营体系,实现了数据资产管理的持续运营及价值释放。建立持续运营体系,以用带治,通过人、机制、技术的结合,保障数据资产治理的持续进行,实现了数据到资产的持续变现,并同步建立了数据资产治理运营团队、数据资产治理考核体系和数据资产管理平台。

3. 汽车大模型赋能业务效能提升

中国一汽利用自有的汽车行业数据及专业知识,基于开源的基础大模型“底模”,依次开展“预训练-微调-场景强化”的三步建设工作,结合真实业务场景,反复磨炼大模型能力,打造汽车行业大模型分层能力的标杆体系。

图 2 中国一汽大模型整体建设方法

1)预训练:建设基础大模型,中国一汽将联合阿里、华为等基础大模型头部厂商,持续收集积累的开源无监督数据,预训练自己的基础大模型。
2)微调:强化行业大模型,通过研发、制造等整车诞生业务场景的数据,对一阶段基础大模型就行有监督微调,优化大模型的垂直任务的效果,每次微调需要数万条的汽车行业数据,基于几十到上百张算力, 3-7 天的微调训练。
3)场景强化:通过业务端试用后 badcase 数据回流,进一步对大模型进行 badcase 复盘及强化学习,走出具体场景下大模型能力升级的 “最后一公里”。

基于建设完成的大模型技术底座,中国一汽在企业管理工作中突破性地完成了大模型与集团核心经营指标的融合,打造了“GPT-BI”应用。 GPT-BI 通过大模型和数据中台的打通,帮助企业用户随时随地、对话式获取想查找的数据。

平台用户群体有两部分,一是公司的管理者,二是业务侧的数据分析人员。一汽的 GPT-BI 创新性地实现了“数据问答即洞察”。同时,通过 NL2SQL 大模型生成准确的 SQL 语句,也优化了业务人员数据获取模式,让他们集中精力到基于数据的业务分析优化。

二、构建统一的汽车数据档案

汽车数据涉及众多环节,包含车辆的设计、制造、流通、使用、销售直至报废拆解的全过程,通过汽车使用全生命周期数据的融合和应用,将推动汽车产业数字化转型,让数据不断释放价值,以数据驱动产业效率提升。

以汽车数字档案为核心,建立车辆从购置到报废全过程的使用记录,形成以车辆识别码作为唯一身份标识的“一车一档”,覆盖生产、销售、登记、检验、保养、维修、保险、报废等汽车全生命周期,对于非保密、非隐私性信息可向社会开放,提供查询和开发服务,并推动信息服务的市场化运作。

图 3 汽车数据档案关键组成

三、建立汽车数据流通服务平台

现阶段汽车行业缺少专业的数据服务能力,数据供、需方间缺乏有效的桥梁,无法将数据转化为资产化数据产品,实现流通交易和数据价值变现。因此,汽车行业数据亟需建设数据供需双方的桥梁,实现数据要素流通和增值。

图 4 汽车数据流通服务平台

汽车数据流通服务平台通过融合区块链、大数据、AI、云计算、物联网及隐私计算等技术,构建一体服务化平台,聚焦汽车数据接入、治理、挖掘、计算、流通等环节,提供数据资产管理、元数据管理、数据开发、数据质量管理、数据安全共享等能力,构建汽车产业供需双方的桥梁,促进数据价值流通。

四、数据全方位赋能汽车行业数字化转型

数字化转型为汽车行业带来了全新的机遇和挑战,是汽车行业高质量发展的关键支撑。数据在汽车研发数字化、供应链数字化和管控数字化等场景中,可以帮助企业加速创新、提高效率、降低成本,并提供更好的产品和服务,助力汽车行业迈向更加可持续和智慧化的未来,从而推动整个汽车行业实现数字化转型。

(1)研发数字化

通过收集和分析车辆和零部件的性能数据,车企可以更好地了解消费者需求和市场趋势,基于数字孪生等技术实现虚拟设计和数字化模拟。数字化设计平台可以为汽车制造商提供更优秀的设计工具和平台,有助 于实现更强的创新能力和设计灵活性。

(2)制造-供应链数字化

生产制造方面,车企基于大数据分析平台,能够进行大规模定制化生产和精益制造,并推动制造工艺自动化与信息化,降低生产成本、提高生产效率和品质稳定性。通过智能化和数字化监控数据,可以减小生产误差率、提高产品质量和安全管理水平。供应链管理方面,通过实时监测和分析供应链数据,可以优化物料采购、库存管理和运输计划,提高供应链整体效率,并减少因为供应链中断或延迟而造成的生产停滞风险,及时应对潜在的供应链中断问题。

(3)营销数字化

数据分析可以帮助企业了解用户需求和行为,从而提供个性化的产品和服务,增强客户满意度和忠诚度。一方面,基于数据可以实现销售渠道与用户售前、售后服务的全链路打通,实现营销媒介和消费者之间的全方位、多元化互动。另一方面,车企可以更多利用数据对客户定位和购买偏好进行精准化分析,并深入了解用户售后服务需求,实现汽车由产品化驱动转向服务化延伸。

(4)管控数字化

数据可以帮助汽车企业更好地管理内部运营。总部通过经营数据整合,可以快速了解下属及分支企业的经营状况,包括各汽车品牌销售情况、经销商渠道情况、质量趋势、车型成本收益、人员效率、投资项目进展等重要信息。合规审计部门通过数据整合,可以对各投资企业及投资项目中的特定风险行为进行鉴别,从而降低审计成本及遗漏风险。


来源:本文摘编自发布CCSA TC601 大数据技术标准推进委员会的《汽车数据发展研究报告(2023)》,全文下载访问:《数治x交通运输:全面建设汽车数据能力的五大体系》


在此声明以上观点和内容,仅代表原作者和出处,与数治网DTZed 无关,如有出错或侵害到相关合法权益,请通过电邮与我们联系:cs@dtzed.com。

在文末扫码关注官方微信公众号“idtzed”,发送“入”直通相关数治x行业共建群、AIGC+X 成长营,@老邪 每周免费领取法规、标准、图谱等工具包。

欢迎先注册登录后即可下载检索公共数据等相关标准、白皮书及报告。更多高质量纯净资料下载,在文末扫码关注官方微信公众号“idtzed”,进入公众号菜单“治库”。

发条评论

你的电邮不会被公开。有*标记为必填。