20160506-德勤-汽车行业的大数据与分析-zh-160428(20161022040100)

汽车行业的大数据与分析2016年4月2汽车行业如今面临与日俱增的挑战和压力：成本压力、行业竞争、全球化趋势，以及市场变化和波动。不过，最新的大数据与数据分析为汽车制造商们带来了前所未有的可能，供他们应对各种挑战和难题。随着数据分析能力的提高，预测分析正演化为一种有力的工具，可以大大提升预测效率以及运营和绩效。但挑战在于，汽车制造商是否能玩转这些海量的知识和经验数据。简单地说，巨大的数据量为评估带来难度，难以支撑战略决策的制定。数据分析可以把这些信息融合起来——不论是“机器可读的”数据集，还是非结构化数据如视频、录音或文本。只要处理得当，效果将令人称奇。例如在生产中，可以通过分析历史数据、参数和参数组合来确定某个事项是否正常。这些分析可用于汽车召回事件，汽车制造商能确定或预测什么时候可能会发生召回。起初不会发生，因为决定性参数及时地重新引入到目标走廊。这种方法和流程也能应用于客户、供应商，以及汽车生态系统中的其他利益相关方。德勤最近的一项研究也探讨了数据作为绩效分析的有效来源的重要性。汽车制造商可以从大量的客户数据中发现，特定客户群对哪些型号、配件或服务感兴趣。进而提供个性化和量身定制的产品与激励方案，提高销量。随着互联网和社交媒体的普及，以及各种交通工具关联性的不断提高，制造商们也能获得源源不断的客户数据，分析准确度也越来越高。有了数据分析，供应链数据也能透露出哪些环节比较薄弱，从而在出现严重问题之前及时采取积极的解决措施。在中国，交通拥堵及环境污染导致城市不得不采取车辆限行，摇号拍牌等措施，使得车辆使汽车行业的数据分析通过评估庞大而复杂的数据来改进预测能力、运营能力和提升绩效用成本高企不下。好消息是，运用大数据分析等技术可解决实时交通管理难题，辅助缓解交通拥堵，提高车辆使用效率的同时也对环境保护做出一定的贡献。同时，对于汽车驾驶员，亦可运用数据分析，将技术与用户需求有效融合，实时记录并处理车辆行驶路况，协助用户选择最佳行车路线，不仅提高车辆燃油效率，还能大大节省驾驶时间。数据分析是一个强有力的工具。但除了数据、运营或信息科技，有效运用数据分析还需要更多的知识