汽車全生命周期大數(shù)據(jù)決策支持平臺建設方案

毛何靈 龐進喜 高雪

（中汽信息科技（天津）有限公司，天津 300300）

縮略語

SCM Supply Chain Management

DMS Delaer Management System

BOM Bill of Material

ETL Extract Transform Load

MQ Message Queue

TSP Telematics Service Provider

POI Point of Interest

Redis REmote DIctionary Server

HDFS Hadoop Distributed File System

DW Data Warehouse

SQL Structured Query Language

ODS Operational Data Store

DWD Data Warehouse Detail

DWS Data WareHouse Servce

API Application Programming Interface

IDFA Identifier For Advertising

IMEI International Mobile Equipment Identity

SPSS Statistical Product and Service Solutions

0 引言

隨著國家對建設“數(shù)字中國”的高度重視以及數(shù)字化技術在全國各個行業(yè)的應用，以數(shù)字化工具展示行業(yè)的發(fā)展動向、使企業(yè)決策更有依據(jù)，是當下經(jīng)濟與技術環(huán)境下各個產(chǎn)業(yè)的必經(jīng)之路。汽車行業(yè)的每個過程都會產(chǎn)生數(shù)據(jù)，包括選車、購車、用車、管車、修車、換車6 個環(huán)節(jié)，每個環(huán)節(jié)的數(shù)據(jù)都由門戶網(wǎng)站、APP 等渠道收集，并最終形成數(shù)據(jù)資源，分散于汽車企業(yè)、經(jīng)銷商、維修廠等不同的數(shù)據(jù)持有者。所以用數(shù)據(jù)降維、數(shù)據(jù)批處理等數(shù)據(jù)治理工具，建設起覆蓋汽車全生命周期的數(shù)據(jù)湖，并經(jīng)過數(shù)據(jù)分析，為企業(yè)提供決策支撐，是當下數(shù)據(jù)處理實踐的熱點。

目前國內(nèi)外對于汽車行業(yè)的數(shù)據(jù)采集和分析研究也較為豐富，Iaksch[1]對汽車產(chǎn)品的開發(fā)和生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)進行收集并用數(shù)學模型加以分析，最后實現(xiàn)產(chǎn)品生產(chǎn)過程的管理。崔鑫[2]的研究是基于消費者使用過程中產(chǎn)生的數(shù)據(jù)，并創(chuàng)造性地結(jié)合車輛的靜態(tài)屬性與動態(tài)駕駛行為特征建立數(shù)學模型，最終得到車輛畫像，從而幫助生產(chǎn)企業(yè)了解該車輛的使用場景。Malikov[3]和Miguel[4]充分利用客戶反饋的信息，提出了更快、更有效地響應客戶對車輛要求的措施。以上學者的研究集中于汽車行業(yè)的部分數(shù)據(jù)種類，但是汽車行業(yè)的數(shù)據(jù)類型較多，需要將不同種類的數(shù)據(jù)利用耦合關系打通后再分析。

實現(xiàn)數(shù)據(jù)收集后，需要以適當?shù)姆椒閿?shù)據(jù)的需求方提供數(shù)據(jù)服務。佘承其[5]將收集上來的數(shù)據(jù)用數(shù)學模型的分析完畢后，將分析結(jié)果再以數(shù)據(jù)形式提供給車輛管理單位和企業(yè)。黃亞娟[6]和白學森[7]分別采用可視化大屏和遠程監(jiān)控云平臺，實現(xiàn)了基于可視化界面的數(shù)據(jù)服務。Elisa[8]的研究揭示了IT系統(tǒng)如何使公司通過實時數(shù)據(jù)流快速與行業(yè)信息進行交互，管理實時數(shù)據(jù)流并相應地進行調(diào)整。汽車企業(yè)對數(shù)據(jù)的可視化分析需要突出數(shù)據(jù)的具體分析維度，現(xiàn)有研究在結(jié)合企業(yè)需求進行可視化頁面的設計方面還不足。

現(xiàn)有的研究集中于從建模分析、可視化平臺等角度分析汽車行業(yè)的數(shù)據(jù)使用。但還未能將數(shù)據(jù)打通，尤其是現(xiàn)在的汽車行業(yè)數(shù)據(jù)來源貫穿“選、購、用、管、修、換”全生命周期，不同的環(huán)節(jié)產(chǎn)生的數(shù)據(jù)難以互相調(diào)取。本研究基于數(shù)據(jù)耦合關系將全生命周期的數(shù)據(jù)打通、然后搭建起大數(shù)據(jù)決策支撐平臺。對于數(shù)據(jù)處理過程涉及的數(shù)據(jù)降維、數(shù)據(jù)融合和數(shù)據(jù)治理等關鍵技術采用深入調(diào)研，利用數(shù)據(jù)處理領域主流的方法與工具實現(xiàn)汽車行業(yè)的數(shù)字化決策支持。創(chuàng)新點主要有：一是打通了“選、購、用、管、修、換”全生命周期的汽車行業(yè)數(shù)據(jù)；二是結(jié)合汽車以及零部件企業(yè)的產(chǎn)品規(guī)劃、市場戰(zhàn)略等方面的決策支持需要，設計可視化分析的維度。

1 決策支持平臺數(shù)據(jù)內(nèi)容

1.1 汽車全生命周期數(shù)據(jù)來源

1.1.1 選車線索數(shù)據(jù)

選車線索數(shù)據(jù)主要指購買者在瀏覽購車網(wǎng)頁或者APP、以及與經(jīng)銷商交流中所留下的數(shù)據(jù)。購買者在比較車型和配置過程中，對于貼近自身偏好和需求的產(chǎn)品進行收藏和比較，購買者關注的數(shù)據(jù)經(jīng)過數(shù)字化營銷系統(tǒng)以及客戶關系管理系統(tǒng)的收集、整合、清洗，在挖掘用戶特征、描繪用戶畫像后，可以幫助汽車企業(yè)和經(jīng)銷商實現(xiàn)廣告精準投放和線索密切跟蹤[9]。

選車線索數(shù)據(jù)的存儲取決于廣告渠道和銷售渠道，所以一部分在汽車企業(yè)內(nèi)的官方網(wǎng)站數(shù)據(jù)池或者企業(yè)數(shù)據(jù)庫中，一部分存儲于汽車企業(yè)之外，例如經(jīng)銷商追蹤的客戶線索、成交意愿、關注車型等信息存儲在第三方網(wǎng)頁和程序中。在圖1中對不同來源的數(shù)據(jù)（汽車企業(yè)內(nèi)和企業(yè)外）如何打通進行了詮釋，雖然用戶選車的行為數(shù)據(jù)來源較為復雜，但經(jīng)過數(shù)據(jù)集成后都統(tǒng)一在汽車全生命周期數(shù)據(jù)平臺進行處理，能夠?qū)ζ嚻髽I(yè)的決策起到支撐作用。

圖1 選車線索數(shù)據(jù)的來源與整合

1.1.2 汽車購買數(shù)據(jù)

隨著疫情的影響逐漸減弱，客運和物流的需要都在逐漸增加，無論是個人購買家庭用車，還是物流和建設工地等單位換購、增購商用車的數(shù)量都在逐漸擴大，且年輕人購車的比例不斷提高，這些購車者往往有較為個性化的需求，所以基于用戶選車偏好數(shù)據(jù)分析的“保客營銷”策略尤為重要。

在購車者購買汽車的同時，其對車輛配置的個性化需求也將通過經(jīng)銷商的銷售系統(tǒng)進入數(shù)據(jù)庫。對單個購車者而言，經(jīng)銷商可依據(jù)購車數(shù)據(jù)做好追蹤服務，為購車者提供更有價值的附加產(chǎn)品與服務，在后市場服務中占據(jù)更多的市場份額。海量的用戶數(shù)據(jù)匯集后，可用于汽車企業(yè)分析市場趨勢和預測行業(yè)發(fā)展狀況，為企業(yè)的市場進入和退出戰(zhàn)略的制定起到了關鍵的參考作用。

所以打通線上、線下全渠道數(shù)字化全域用戶觸點，對汽車購買數(shù)據(jù)開展數(shù)據(jù)分析，能夠使汽車行業(yè)得到更好地發(fā)展，滿足消費者的消費需求。

1.1.3 汽車使用數(shù)據(jù)

汽車使用數(shù)據(jù)主要指的是汽車在行駛時產(chǎn)生的數(shù)據(jù)。每一輛汽車的行駛證、運營證是相關監(jiān)管部門對車輛能否運營的檢測與登記結(jié)果。在部分情況下，汽車使用數(shù)據(jù)比汽車購買數(shù)據(jù)更能反應市場波動。以商用車為例，2021 年上半年保險數(shù)激增，為國五車輛提前上牌，但未開始營運。2022 年下半年，保險數(shù)降低，但營運證提升，可知國五庫存車輛慢慢流通至市場，追蹤其中數(shù)據(jù)差異能夠準確預判國五庫存清零時間。

汽車在獲得上路許可后，在行駛過程中將經(jīng)緯度、速度、燃油消耗情況、電池安全數(shù)據(jù)等實時信息上傳到車聯(lián)網(wǎng)信息服務系統(tǒng)（Telematics Service Provider，TSP），如果是商用貨車，還會產(chǎn)生載重數(shù)據(jù)。

這些數(shù)據(jù)經(jīng)過清洗和降維分析后，對客戶用車的具體使用場景、使用頻率以及行駛路線都形成數(shù)據(jù)記錄。數(shù)據(jù)分析既能幫助汽車企業(yè)優(yōu)化產(chǎn)品，也能助力車輛管理部門利用車輛運營數(shù)據(jù)做好對違規(guī)車輛的監(jiān)管。

汽車全生命周期的數(shù)據(jù)管理和使用并不是相互隔絕的，有換購、增購需求的購車者汽車使用數(shù)據(jù)能夠幫助經(jīng)銷商精準分析客戶的使用場景與習慣，從而精準營銷助力購車者選購車輛。

1.1.4 車輛管理數(shù)據(jù)

通過車輛的運營數(shù)據(jù)，可以檢測車輛的交通運行狀態(tài)，實時收集交通流量、擁堵狀況、平均車速數(shù)據(jù)，從而幫助政府了解城市交通運行的實際情況，通過車輛實時調(diào)度，及時發(fā)現(xiàn)和解決交通問題。

除此之外，政府可以通過政策手段實現(xiàn)對車輛的管理，通常包括監(jiān)管部門對汽車行業(yè)的政策補貼、行業(yè)稅收、碳排放監(jiān)管、政策法規(guī)等方面。對于每條政府政策，需要判定其利好車型、利好企業(yè)，并分別整理歸納，結(jié)合市場數(shù)據(jù)、以呈現(xiàn)政策對于市場的影響力。

通過政策數(shù)據(jù)的全方面分析與挖掘，都可以依托政府的管理趨勢，汽車全價值鏈的參與企業(yè)可以有針對性地調(diào)整自身戰(zhàn)略。例如：將重點領域的相關政策統(tǒng)計，可得到監(jiān)管部門對該領域引導力度的變動情況。

同時，在汽車全生命周期大數(shù)據(jù)決策支持平臺的建立過程中，必須要根據(jù)相應政策法規(guī)的要求來進行平臺建設，確保其符合網(wǎng)絡安全和數(shù)據(jù)安全等規(guī)章要求，適應國家發(fā)展需求。

1.1.5 汽車維修數(shù)據(jù)

車輛在維修過程中，可能會在4S 店保修，也可能在其他維修廠進行維修。將汽車的年檢數(shù)據(jù)與各渠道的維修數(shù)據(jù)打通，可用于分析用戶車輛重點零部件老化時間，結(jié)合汽車使用過程大數(shù)據(jù)，計算預測部件老化和損壞概率。從而幫助服務商提高售后服務質(zhì)量以及縮短響應時間，及時觸達潛在用戶。

1.1.6 汽車換購數(shù)據(jù)

汽車作為重要的代步工具甚至生產(chǎn)工具，其零部件以及車身的老化勢必會導致車輛淘汰與換購，通過車輛換購概率推算公式，可以根據(jù)汽車的每月運行時長、運送貨物軌跡、細分市場種類計算得到汽車在未來半年內(nèi)換購概率。

汽車車齡、行駛里程、維修頻次、殘值、停放二手車市場以及換購概率字段，由經(jīng)銷商集成后進行產(chǎn)品定點推送。經(jīng)銷商在后續(xù)推廣過程中，將用戶換購過程產(chǎn)生的比對選車數(shù)據(jù)、新車配置數(shù)據(jù)重新入庫，以豐富換購數(shù)據(jù)庫。

1.2 大數(shù)據(jù)決策支持平臺的數(shù)據(jù)集成

部分平臺已經(jīng)實現(xiàn)了數(shù)據(jù)集成，例如專注于汽車行業(yè)數(shù)據(jù)和汽車市場數(shù)據(jù)的中國汽車工業(yè)協(xié)會統(tǒng)計信息網(wǎng)、專注于政府在汽車行業(yè)政策信息的中國汽車工業(yè)信息網(wǎng)，這些數(shù)據(jù)平臺在自身領域內(nèi)都具有代表性，但對于數(shù)據(jù)的管理主要立足于數(shù)據(jù)的全面性、正確性，在深度價值挖掘、數(shù)據(jù)模型算法方面研究不足、貢獻有限。本文的平臺建設方法中，將用數(shù)據(jù)技術強化汽車全生命周期數(shù)據(jù)之間的聯(lián)系、挖掘其中的價值。

在大數(shù)據(jù)充分發(fā)揮價值的時代，應用“數(shù)據(jù)提取-轉(zhuǎn)換-加載”（Extract Transform Load，ETL）、用戶身份標識匹配（ID-Mapping）、消息隊列（Message Queue，MQ）數(shù)據(jù)技術，將數(shù)據(jù)整合為若干寬表。通過案頭研究和專家咨詢的方式研究數(shù)據(jù)源的數(shù)據(jù)特征，使用動態(tài)成分分析算法對上述“選、購、用、管、修、換”全周期數(shù)據(jù)進行降維和清洗，利用AutoEncoder 深度學習算法對狀態(tài)數(shù)據(jù)進行分析，提取主要目標特征。實現(xiàn)數(shù)據(jù)應用[10]。

1.2.1 靜態(tài)數(shù)據(jù)與動態(tài)數(shù)據(jù)集成

汽車行業(yè)數(shù)據(jù)中，按照采集、入庫和清洗的頻次不同，將數(shù)據(jù)劃分為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。例如購車者在選車環(huán)節(jié)中登記的個人信息，由于其更新頻次不高，通常被劃分為靜態(tài)數(shù)據(jù)；用戶在用車時每秒甚至每毫秒上傳的定位數(shù)據(jù)，通常被劃分為動態(tài)數(shù)據(jù)。表1將汽車全生命周期靜態(tài)和動態(tài)數(shù)據(jù)進行劃分。

表1 汽車全生命周期靜態(tài)和動態(tài)數(shù)據(jù)劃分

靜態(tài)數(shù)據(jù)的更新可通過數(shù)據(jù)庫之間的轉(zhuǎn)發(fā)、并進行數(shù)據(jù)清洗，即可實現(xiàn)數(shù)據(jù)的調(diào)用和流轉(zhuǎn)[11]。

動態(tài)數(shù)據(jù)是指以“s”甚至“ms”為單位進行更新的數(shù)據(jù)[12]。如圖2 所示，是同時實現(xiàn)離線數(shù)倉存儲和實時數(shù)據(jù)計算的數(shù)據(jù)架構(gòu)，數(shù)據(jù)生成的6大環(huán)節(jié)“選、購、用、管、修、換”中，每個環(huán)節(jié)都擁有靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。需要基于數(shù)據(jù)更新的頻次分別采集、融合數(shù)據(jù)，利用該數(shù)據(jù)處理架構(gòu)使數(shù)據(jù)入湖，經(jīng)過數(shù)據(jù)源、網(wǎng)關、數(shù)據(jù)湖、數(shù)據(jù)倉庫的關鍵節(jié)點，形成能夠被汽車行業(yè)的制造企業(yè)以及經(jīng)銷商直接使用的數(shù)字資源。

圖2 數(shù)據(jù)集成架構(gòu)

靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)集成過程應當遵循3步走的方式。

第1 步，建立汽車靜態(tài)數(shù)據(jù)的數(shù)據(jù)庫模型和清洗數(shù)據(jù)內(nèi)容。將汽車車身參數(shù)、底盤參數(shù)、動力系統(tǒng)參數(shù)按照一定的數(shù)據(jù)規(guī)則進行整理和規(guī)范，從而建立汽車靜態(tài)數(shù)據(jù)庫。

第2 步，將汽車靜態(tài)數(shù)據(jù)與動態(tài)數(shù)據(jù)打通。汽車的行駛狀態(tài)數(shù)據(jù)、實時排放數(shù)據(jù)、興趣點（Point of Interest，POI）數(shù)據(jù)等均能實現(xiàn)實時更新，將其與汽車靜態(tài)數(shù)據(jù)打通，以更完善的數(shù)據(jù)資源為企業(yè)提供專項化信息服務。

第3 步，打通汽車全域全生命周期的數(shù)據(jù)。打造覆蓋“選、購、用、管、修、換”的汽車全域數(shù)據(jù)庫，進一步賦能汽車企業(yè)的趨勢洞察、產(chǎn)品規(guī)劃、市場營銷業(yè)務場景。

如圖2所示，該架構(gòu)的數(shù)據(jù)傳輸基于：分布式消息系統(tǒng)（Kafka）、阿里消息中間件（MetaQ）、推模式消息中間件（Notify）三類實時傳輸工具。該架構(gòu)的數(shù)據(jù)湖和數(shù)據(jù)倉庫基于：離線數(shù)據(jù)庫管理系統(tǒng)（MySQL）、非關系型數(shù)據(jù)庫（REmote DIctionary Server，Redis）、分布式文件系統(tǒng)（Hadoop Distributed File System，HDFS）三類數(shù)據(jù)儲存介質(zhì)。最終實現(xiàn)數(shù)據(jù)輸入、數(shù)據(jù)治理和數(shù)據(jù)共享重要功能。

1.2.2 身份標識匹配（ID-Mapping）打通信息壁壘

在全生命周期的各個環(huán)節(jié)的數(shù)據(jù)之間，由于各環(huán)節(jié)之間存在較強的耦合關系，需要基于車輛和用戶的信息數(shù)據(jù)，將各個重要環(huán)節(jié)的數(shù)據(jù)打通。用戶在選車、購車和換購環(huán)節(jié)，通過直接登記方式，會留下姓名、身份證號、手機號基礎信息，需要基于用戶的登記信息將選車、購車和換購環(huán)節(jié)的用戶行為數(shù)據(jù)痕跡打通。

ID-Mapping技術能跨越用戶數(shù)據(jù)的存儲介質(zhì)和信息維度，對用戶實現(xiàn)精準定位，即將以上的各類ID經(jīng)過對比、清洗和關聯(lián)，構(gòu)建“唯一ID”（One-ID），如圖3所示。

圖3 One-ID標識用戶

不僅僅用戶登記信息可在提取后通過ID-Mapping 進行定位，用戶在使用和維修、以及配合監(jiān)管部門管理時候，也可將個人ID作為運行狀態(tài)更新的附加字段進行上傳，以便于將用戶數(shù)據(jù)貫穿全生命周期進行拼接，用于分析用戶的駕駛習慣，提供更好的維修等后續(xù)服務，也便于監(jiān)管單位鎖定違規(guī)人員。企業(yè)用戶和經(jīng)銷商數(shù)據(jù)主體都可以構(gòu)建One-ID 來區(qū)分，最終實現(xiàn)數(shù)據(jù)高效利用。

建立One-ID 后，將汽車貫穿全生命周期的識別ID與用戶（個人、企業(yè)）關聯(lián)（圖4），對車輛的全生命周期進行數(shù)據(jù)管理、構(gòu)建完整的用戶畫像[13]，從而提高汽車全價值鏈的服務水平、優(yōu)化產(chǎn)品設計和競爭能力。

圖4 基于用戶One-ID的用戶大數(shù)據(jù)

1.2.3 大數(shù)據(jù)存儲與計算模型分離體系

在硬件方面，汽車全生命周期的大數(shù)據(jù)決策平臺擁有數(shù)據(jù)種類多、數(shù)據(jù)量較大的特點，需要建立分布式大數(shù)據(jù)儲存。在計算方面，為了實現(xiàn)計算的效率提升，最大程度降低計算過程對存儲空間的占用，要建立獨立于大數(shù)據(jù)存儲的快速、高效的數(shù)據(jù)計算層。除此以外，要設立防護措施減少數(shù)據(jù)外泄造成的數(shù)據(jù)安全問題[14]。

數(shù)據(jù)加工層將數(shù)據(jù)采集后存儲在數(shù)據(jù)倉庫層（Data Warehouse，DW）的數(shù)據(jù)，結(jié)合業(yè)務中使用、分發(fā)的需要，進行數(shù)據(jù)加工。這個過程中可使用的工具有自定義腳本語言包（Shell）、JAVA 程序包、分布式存儲平臺（Spark）、結(jié)構(gòu)化查詢語言（Structured Query Language，SQL）等。

參考圖5，借鑒汽車企業(yè)的共同標準，設計車型級別清洗規(guī)則（例如緊湊型轎車?Car Compact?Car_A的數(shù)據(jù)映射），以SQL流程為工具進行清洗。

圖5 SQL作業(yè)——數(shù)據(jù)清洗

數(shù)據(jù)實現(xiàn)存儲后，要將其定期從數(shù)據(jù)中間層推送至計算模型層[15]。

為支撐決策，對數(shù)據(jù)的挖掘與計算得到的深層信息是必不可少的，例如實時車況評估模型、電池安全預警模型、細分市場模型、駕駛行為分析模型[16]。

從大數(shù)據(jù)存儲將數(shù)據(jù)傳遞至模型計算層，可以通過在模型計算層編輯“拉取”數(shù)據(jù)的作業(yè)，利用jdbc 連接Oracle 的url 配置，并在Shell 語言包里規(guī)定拉取數(shù)據(jù)的字段、存儲位置，并進入大數(shù)據(jù)計算模型層進行后續(xù)計算，如圖6。

另一種從數(shù)據(jù)存儲往模型存儲轉(zhuǎn)移的方式是“數(shù)據(jù)推送”，其功能是從現(xiàn)有數(shù)據(jù)存儲工具連接目標存儲層，并將所需要的字段推送入目標存儲層。圖7 利用基于大數(shù)據(jù)存儲的結(jié)構(gòu)查詢語言（Hive SQL）實現(xiàn)了同一個表格從分布式文件系統(tǒng)（Hadoop Distributed File System，HDFS）轉(zhuǎn)移的功能。

圖7 數(shù)據(jù)推送SQL作業(yè)

汽車全生命周期大數(shù)據(jù)決策支持平臺建設的基石是數(shù)據(jù)能支撐決策，不能僅落實在汽車營銷、市場范圍之內(nèi)，還要與車路協(xié)同、智能駕駛應用場景交叉[17]，確保能夠最大程度地利用汽車全生命周期大數(shù)據(jù)來引導企業(yè)走在技術的前沿，更好地優(yōu)化產(chǎn)品[18]。

2 大數(shù)據(jù)平臺建設方案

2.1 可視化汽車運營監(jiān)控平臺

汽車實時駕駛狀態(tài)、經(jīng)緯度和駕駛員的監(jiān)控數(shù)據(jù)，以“s”為單位，由T-BOX 上傳至行車大數(shù)據(jù)監(jiān)控中心，供相關單位進行車輛調(diào)度以及交通事故預案的輔助決策支撐[19]。除此之外，還可以在碳排放與經(jīng)濟性、停車點和路徑偏好、車輛運行和健康狀況方面形成實時監(jiān)控圖表，分別為汽車生產(chǎn)企業(yè)用于節(jié)能低碳、用戶畫像制作方面提供分析素材。并且將車身狀態(tài)診斷、檢測成果轉(zhuǎn)發(fā)給用戶的手機和車載計算機上，提高居民出行安全。可視化汽車運營監(jiān)控平臺實現(xiàn)了數(shù)據(jù)支撐決策作用，具體數(shù)據(jù)流如圖8 所示。

圖8 可視化汽車運營監(jiān)控平臺

2.2 大數(shù)據(jù)可視化分析支撐決策

汽車全生命周期大數(shù)據(jù)的可視化路徑需要分析對“選、購、用、管、修、換”過程中的數(shù)據(jù)進行清洗和分析，并用分析結(jié)果支撐生產(chǎn)企業(yè)決策[20]。

對汽車市場占有率、市場表現(xiàn)進行分析，汽車生命周期大數(shù)據(jù)比單一的市場數(shù)據(jù)或者運營數(shù)據(jù)更加準確，能夠幫助企業(yè)看清市場、看清競爭對手。能夠指導汽車企業(yè)進入市場和退出市場戰(zhàn)略，尋找競爭藍海，找到適合自身條件的細分汽車使用領域[21]，如新能源冷藏車、碼頭運貨車。同時，通過統(tǒng)計分析軟件（Statistical Product and Service Solutions，SPSS）數(shù)據(jù)分析工具能夠?qū)κ占娜芷诖髷?shù)據(jù)進行數(shù)據(jù)降維、數(shù)據(jù)拆解，通過Tableau 可視化工具可以分析不同數(shù)據(jù)間的關系，促使可視化報表和后端實時推送的數(shù)據(jù)表之間通過即時聯(lián)動，方便數(shù)據(jù)用戶快速獲取分析結(jié)果，在可視化的用戶端實時掌握數(shù)據(jù)重點。信息處理結(jié)合專家智慧、案頭調(diào)研，形成聚焦行業(yè)數(shù)據(jù)波動的專業(yè)分析結(jié)果，預測未來行業(yè)走向。結(jié)合專家智慧和調(diào)研成果的數(shù)據(jù)報告，還應當通過可視化云端文件庫實現(xiàn)下載和導出，為汽車企業(yè)決策者提供全面數(shù)據(jù)支撐。汽車全生命周期大數(shù)據(jù)可視化平臺與大數(shù)據(jù)底座相互耦合、秒級自動查詢，使得數(shù)據(jù)分析結(jié)果實時有效。汽車行業(yè)企業(yè)的決策者通過可視化分析報告洞悉行業(yè)未來動向，從而規(guī)避投資風險[22]。

同時，對車輛售后環(huán)節(jié)進行數(shù)據(jù)分析，可能會得出與原有售后業(yè)務不同的認知，精準定位客戶售后和維修需求，掌握后市場競爭先機。

科技賦能汽車產(chǎn)業(yè)加速轉(zhuǎn)型，推動汽車產(chǎn)業(yè)“電動化、網(wǎng)聯(lián)化、智能化和共享化”發(fā)展。汽車全生命周期大數(shù)據(jù)能夠洞察市場供需變化，賦能行業(yè)數(shù)字管理，帶來數(shù)字化可視化決策支撐。當前，汽車市場已經(jīng)進入到“存量競爭”新階段，汽車電動化整體水平進一步提升。企業(yè)面臨著用戶特征、購車行為、用車特征、產(chǎn)品需求等多方面變化，汽車全生命周期大數(shù)據(jù)決策支持平臺高效掌握不同細分市場的運營動態(tài)，賦能汽車行業(yè)數(shù)字管理。對于實現(xiàn)客觀信息實時監(jiān)控和前瞻決策賦能，進一步賦能趨勢洞察、產(chǎn)品規(guī)劃和市場營銷業(yè)務場景具有重要意義。

3 結(jié)束語

本文結(jié)合汽車產(chǎn)業(yè)數(shù)據(jù)特點，對汽車全生命周期數(shù)據(jù)種類、數(shù)據(jù)清洗和數(shù)據(jù)集成技術、大數(shù)據(jù)平臺建設方案進行闡述。得出了全生命周期大數(shù)據(jù)決策支持平臺建設要點：

（1）針對動靜態(tài)數(shù)據(jù)區(qū)別與關聯(lián)性，建立數(shù)據(jù)清洗規(guī)則，清洗靜態(tài)數(shù)據(jù)，制定處理動態(tài)數(shù)據(jù)的自動化任務。將數(shù)據(jù)降維并關聯(lián)分析。

（2）基于ID-Mapping打通了統(tǒng)一用戶和車輛的不同注冊信息，極大提高汽車全生命周期數(shù)據(jù)共享程度。

（3）將專家智慧、案頭調(diào)研工作與大數(shù)據(jù)分析結(jié)合，使得分析能解決行業(yè)痛點、難點，更好支撐決策。

未來的研究將在數(shù)據(jù)處理的基礎上，加大對數(shù)據(jù)趨勢的預測性研究。人工智能結(jié)合專家觀點，將未來汽車需求的預測值、市場競爭的機會點、以及客戶個性化需求的發(fā)展方向，形成可視化決策參考，更加直接地支撐造車企業(yè)的決策。