汽车行业车联网大数据应用平台(CAMI)

发布日期: 2022-01-13 信息来源:中国大数据网 浏览次数:0
0
一、    案例名称与所属行业

案例名称:汽车行业车联网大数据应用平台项目(CAMI)
所属行业:汽车
二、    案例分析与综述
1.    项目背景
a)     汽车行业整体下滑,竞争加剧,倒逼企业创新。
汽车行业经过了爆发性的10年增长,2018年首次出现销量下滑,2019年下滑程度继续扩大至7%,而2020年依然不容乐观,加之受疫情影响,预计下滑幅度为8%。竞争的加剧逼着车企进行创新求生存,终端创新(如城市展厅)、售后创新(如终身免费保养)、模式创新(如电池租赁方案)等。
b)     车联网装载率逐年上升,逐渐成为新车标配。
作为汽车“四化”(电动化、智能化、网联化、共享化)的核心部分,车联网近年来增长迅速,且呈现爆发性增长,截止2019年车联网用户已达5000万,预计在2022年装载率将超过50%,2025年接近标配。这将意味着每年有数千万辆车实现网络互联,汽车将在电脑、电视、手机以后真正意义成为消费者的第四屏。
c)      车联网补全汽车消费者全生命周期。
我们将汽车消费者的整个消费周期分为四个阶段:潜在购买、主动寻购、到店购买、使用体验。整个汽车相关产业都必须通过研究消费来制定自身产品策略、市场策略、销售策略等,而传统车企最丰富的是第三个阶段“到店购买”的相关数据,而“潜在购买”和“主动寻购”则通过外部合作的方式引入少量的第三方数据。直到车联网数据的出现,补全了重要的“使用体验”数据,为整个汽车产业提供了重要的数据来源。

d)     车联网数据具有典型的大数据特征。
大数据有四个特征:Volume(大量)、Velocity(高速)、Varity(多样)、Value(低价值密度)。
车联网数据由汽车内的Tbox设备通过运营商的无线网络进行实时上传,其上传的频率通常为10-30秒/次,特殊场景可实现毫秒级上传。上传数据包括GPS位置、瞬时速度、行驶里程、起停信号、车辆状态、动力系统、故障告警等,一台车一年会产生数个G的数据。这些数据高频次、低延迟、维度多,数据处理、分析和应用都较为复杂且难度高,必须借助大数据的相关理念、技术及平台进行处理和使用。
e)     车企意识到车联网大数据的重要性但困难重重。
对于车企而言,车联网数据就像一座金山,纷纷意识到其价值和重要性。但要处理和使用这些数据面临众多挑战。
1)    技术储备。车企已有的IT架构以支持结构化数据为主,而车联网数据需要使用Hadoop等大数据架构进行处理,车企往往不具备这类技术储备和实操经验。
2)    人员储备。车联网数据的处理、分析、应用,跨部门协调、垮领域协调等工作,对于从业人员的要求非常高,既要懂业务,也需要有相当的IT和大数据技术能力。
3)    组织架构。车联网数据无法像小数据一样可以让业务部门直接使用,往往一个简单的数字都需要技术人员花费数天的时间与各方的业务数据相结合进行计算。需要业务部门和技术部门高度协同才能有效的利用车联网数据。
不同车企为了解决这一问题有不同的方法,较多的选择为新增一个新的部门,类似“智能网联部”。这个部门处于业务部门和技术部门中间,整合资源统筹车联网数据的管理和应用。但涉及到具体的平台规划、数据处理、模型搭建、应用规划等,还是需要引入第三方专业的服务公司。
2.    解决方案概述
高科数聚结合美国的经验及国内的行业现状提出了自己的解决方案《CAMI》:以业务为导向自上而下的搭建车联网大数据分析及应用平台,借助数据工程和算法模型实现场景化落地。

该解决方案有如下四大亮点:
a)     场景导向
整个平台设计以最终的应用场景为开始和目标,自上而下。传统的IT平台做法是有什么样的数据做怎样的分析和使用,而CAMI的做法是需要实现怎样的业务场景来反推需要采用哪些数据,做哪些加工来实现。这实现起来并非易事,需要执行团队既懂业务又懂技术。但对于车企来说,这样的解决方案解决了他们业务和技术之间的鸿沟,大幅提高了工作效率和最终平台的实用性。
b)     全案服务
基于传统的车企组织架构,第三方服务公司往往也偏重于某一方面,对接业务部门的咨询类公司和对接IT部门的IT类公司。这两类公司均无法满足“智能网联部”或类似组织的需求。而CAMI提供的则是从咨询、规划、IT搭建到数据建模的全案服务,大幅提升工作效率和交付质量。
c)      拓展性强
CAMI结合了美国经验和国内行业经验,在平台基础设计、模型算法库、应用场景模块化等方面均有了成熟的经验和储备。结合不同车企的现状和需求,逐步实现应用场景的落地和优化,可以支持横向(垮业务)和纵向(业务升级)拓展。
d)     数据变现
CAMI以数据的价值实现为核心目标,一方面以业务优化、效率提升为目标实现内部数据变现,另一方面将数据产品化、资产化,为车企搭建桥梁实现外部数据变现。
3.    应用场景描述
CAMI将车联网大数据应用分为两个大类:toB(内部)和toC(车主)。toB应用以优化现有业务、创新智能应用、数据变现为目标,涉及业务主要涵盖三个体系,分别是营销及售后体系、产品及质量体系、汽车生态。toC应用以提升车主体验、忠诚度、售后产值为目标,主要是体验、社交、价值三个方面的升级。CAMI已在2019年成功上线第一个版本,包含了6个应用场景。并将在2020年扩大到14个,2021年扩大到22个。

下面会对2019年已上线的应用场景进行简要描述:
a)     试驾管理
l  应用场景背景:试驾业务作为主机厂零售管理的重要环节,对于终端成交和客户体验有着至关重要的影响,主机厂为经销商配置试驾车辆提供了资金和政策补贴。但在试驾车辆管理和应用方面长期存在着信息不对称,经销商如何使用试驾车、每次试驾是否按标准进行、使用频次如何、试驾质量如何等信息主机厂难以知晓,试驾业务难以管控。
l  场景设计简介:将试驾车的车联网数据中的GPS数据、起停数据等经过解析、清洗、计算后转化为业务指标:里程、时长、路线等。结合主机厂的标准要求,判断车辆每一次的试驾行为是否合规,并形成可视化的界面,实现主机厂与经销商的协同使用及考核。
l  主要功能:试驾数据统计、试驾数据明细查询、标准路线管理、合规试驾规则管理、试驾车辆管理、试驾路线可视化、试驾人信息同步等。
l  升级方向:支持深度试驾模式、试驾对话语音识别。
l  场景价值:提升试驾业务数量及质量,提升用户体验。
l  案例示意:
 

 

b)     选址辅助

l  应用场景背景:主机厂有众多需要线下场地选择的业务,包括4S店选址、城市展厅选址、售后快保店选址、营销活动选址、车主活动选址、线下广告选址等,缺少精细化的数据作为选址的参考依据。

l  场景设计简介:将车主车联网数据中的GPS数据、起停数据等聚集起来,形成活跃地点清单,同时结合POI数据对活跃地点进行分类。结合不同的业务需求,提供三种不同的展现形式:活跃热力图、TCI(目标人群指数)计算、车主生活圈图示。

l  主要功能:车主活跃热力图、TCI计算及排行、车主生活圈分类聚类、地图化BI展示等。

l  升级方向:引入第三方人口数据。

l  场景价值:提升选址精准度,提升工作效率降低外部数据购买成本。

l  案例示意:

 

 

c)      车辆监控

l  应用场景背景:主机厂有一批特殊的业务车辆用以支持不同的业务,如产品测试车、媒体测试车、试乘试驾车、用户体验车等。这些车辆在执行任务时需要对其进行监管,确保其正确使用及规避风险。

l  场景设计简介:将这批车辆的车联网数据中的GPS数据、发动机数据、状态数据等进行实时解析、转化为可视化数据,实时展现车辆的当前位置和状态。

l  主要功能:车辆信息管理、车辆位置可视化、车辆状态实时更新、历史轨迹回放。

l  升级方向:车队管理、风险预警。

l  场景价值:减少差旅和管理成本,降低任务风险。

l  案例示意:

 

d)     车主运营

l  应用场景背景:车主在购买车辆后仍然对于主机厂有着重要的价值,包括回厂保养维修、售后精品、推荐客户、赠换购等。所以车企会持续对车主进行运营以实现价值最大化,但传统的运营方式缺乏精细化数据,运营方式粗旷,有巨大提升空间。

l  场景设计简介:整合车联网数据、CRM数据、维修维保数据、交互数据等,将数据清洗、匹配、转化后搭建一系列算法模型为每个车主贴上属性标签。同时结合业务的需求和变化,持续对标签的算法模型进行优化和迭代。

l  主要功能:提供根据标签查询车主的功能,支持各类针对车主的关怀、营销活动的开展;提供以车主ID查询标签的功能,支持各ToC端平台的触发式营销管理功能;提供客户标签可视化展示等。

l  升级方向:形成持续完善的跨部门标签体系/车主数据中台

l  场景价值:提升运营智能化、精细化、个性化程度,提升售后产值。

l  案例示意:

 

e)     用户画像

l  应用场景背景:汽车行业已经从卖方市场变为买方市场,消费者的喜好和需求直接决定了主机厂的产品策略、市场策略、销售策略,每年主机厂均会花费大量的资源去研究消费者,车联网数据作为重要的车主体验数据对于用户画像的作用至关重要。

l  场景设计简介:结合所有的一方车主数据,包括车联网、CRM、交易数据等,对数据进行匹配和处理后形成结构化的数据,并提供车型、地域、时间等各种维度的交叉分析和趋势分析。

l  主要功能:用户画像可视化、维度组合、交叉分析、趋势分析、报表下载等。

l  升级方向:引入第三方外部数据让画像维度更为丰富

l  场景价值:提升用户洞察精准度,提升决策效率降低外部数据购买。

l  案例示意:

 

f)      故障监控

 

l  应用场景背景:汽车的质量作为产品竞争力的核心因素之一深受主机厂和消费者的关注。传统主机厂对于车主在车辆使用期间出现的故障信息获取渠道非常单一和局限,主要通过半年一次的回店保养。缺乏可用的、优质的数据源。

l  场景设计简介:将车联网数据中的故障数据、GPS数据、状态数据等进行业务解析、处理后转化为结构化数据和实时数据两个类型。结构化数据用于统计分析、差异分析、归因分析;实时数据用于故障监控、告警监控等。

l  主要功能:在线车辆及故障实时统计、故障数据统计分析、故障数据可视化、故障归因分析、告警数据实时警示、事故车辆位置查询等。

l  升级方向:提供智能400服务、主动救援服务

l  场景价值:提升质量优化效率,降低产品召回风险。

 

4.    平台价值

CAMI不同于单一的业务系统,以支持某个业务为目标,CAMI更像是数据中台和业务系统的结合体。其目标和价值是充分挖掘数据价值,赋能车企多个业务部门,甚至是产生额外的创新商业模式和服务模式。总结起来有如下三点价值:

a)    现有业务优化。CAMI对于现有的业务,特别是涉及到车主的业务板块是大幅的优化。数据提供了全新的视角、精细化程度和可管控性。对于效果提升、KPI达成、质量提升、效率提升、成本降低有着巨大的推动。

b)    创新智能服务。车联网给主机厂提供了一个机会和平台,大幅增加了和车主的互动和粘性。通过CAMI,可以提供更为智能化、个性化的服务,去提升车主的体验和车主价值最大化。

c)     数据价值变现。CAMI让体积庞大的车联网数据不再是单纯的消耗存储成本和管理成本,而是通过数据的应用去赋能,去实现内部及外部的数据价值变现。未来这将是车企最重要的数据资产之一。

三、企业介绍
北京高科数聚技术有限公司(Gausscode)是一家为企业提供以消费者为中心的,大数据整合、分析、和决策应用产品方案的提供商。聚焦于消费者寻购、购买和体验的大数据收集、分析和应用;提供高清和闭环连续的市场智能;赋予公司基于全面市场洞察的学习和执行能力,为企业重大战略性决策提供精细化、精准化的智能解决方案。
由来自世界领先的人工智能大数据(Facebook,Acxiom,谷歌,苹果,华为等)公司的资深技术高管及经验丰富的连续创业者组成。核心竞争力在于擅长利用深层次的数据分析、多数据源优化、复杂决策模型的求解能力。基于对 AI 技术和成功服务了200多家世界500企业的实战经验,帮助企业发现和落地规模化的利润增长。
1、    企业所服务的行业与用户类型
 截止至 2019 年 12 月,高科数聚已服务二十余家中大型企业客户,包括一汽大众、一汽丰田、东风日产、上汽大众斯柯达、唯品会、南方航空、安利等知名企业,客单价几十万到几百万一年不等,基于强大的深度学习结构化和业务建模能力,高科团队在汽车、旅游、医美等服务行业和头部客户一起迭代出了跨14 个应用场景的三大平台产品。目前在行业实践中,得到了客户持续、积极的反馈。在刚结束的世界旅游联盟大会上, 高科数聚与谷歌、猫途鹰网、酷旅、智慧足迹、OAG一起携手发布了行业权威性的《2019 世界旅游联盟中国入境旅游数聚分析报告》。
2、    企业核心产品及所能提供的服务
(1)CADI-需求智能平台
基于目标产品的初步定位及对标车型,通过大数据手段对市场、用户及配置进行深入研究,为后续产品开发、上市营销提供决策支持;基于消费者线上寻购行为,线下车展行为,口碑舆情等一系列大数据分析,进行分阶段的目标用户洞察和验证,精准把握目标用户定位,进一步促进潜客向集客(预定客户)的转化;基于潜客的大数据分析,从人群行为属性、竞品分析、触媒偏好3个方面、多维度开展潜客的画像,为新车上市后续的营销策略提供数据洞察。
(2)CALO-线索智能平台
通过对潜在目标用户进行细分,剔除低价值目标客户,给出营销触达组合建议及平台服务,并进行客户数据回收分析,实现目标客户模型的持续有效,保障营销效果持续提升;基于消费者大数据,从人、车、店三个维度,结合多个人文属性、行为和地理位置等标签,进行线索增强,获得线索打分,潜在竞品分析和个性化话术等,帮助有效提升线上销售线索转化率;以再购需求为导向,构建业务场景,有效对潜在用户进行打分和排序,实现对保客线索的识别,通过数据反馈和分析,持续优化客户触达效果,最终达到增换购价值转化。
(3)CAMI-出行智能平台
通过实时采集和深度挖掘汽车动态数据、车主驾驶行为以及驾驶目的数据,整合全链路多维消费者数据,构成车主全景视图,预测车主出行需求,提供个性化智能服务和针对性推荐。