汽车行业大数据应用案例解读

2020-03-02 04:51:49 来源：范文大全收藏下载本文

汽车行业大数据应用案例

在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。

凯文凯利认为：“在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。”

在贵阳大数据论坛上，马凯副总理提出：大数据是国家战略资源，部分公共数据资源也将逐步开放，让企业用互联网+更好的服务社会。

基于汽车行业超长的产业链，从不同的层面看，汽车大数据必然是多维度的，有不同的理解和看法，我们试从各行业角度试加分析：

先看一组数据：

中国有3亿驾驶员，1.5亿车主，100多个品牌6000多款车，24000多家4S店，44万家维修厂，600万家洗车行......

主机厂：汽车大数据的顶层和基础

主机厂是汽车的制造者，他们领先的设计、技术及制造能力和知识产权，使其在整个汽车生态链中起绝对主导作用——所有的零部件设计及软件系统，都由主机厂主导，所有衍伸产品都以主机厂的产品设计规格为标准（适配软件、模具、型号、规格尺寸乃至汽车改装和汽车电子产品以及汽车用品等等）。

同时，主机厂有完善的零部件配套、物流配送、销售体系，所有该体系内的企业都要按照其标准化模式运行；原始汽车维修技术资料以及CRM和ERP系统：4S店的后台管理系统由主机厂提供，能够调取车主的姓名、住址、行驶证数据及通联、保险、维修保养记录（车主脱离4S店体系之前）。

主机厂零部件数据包括包括字段：配件名称、配件代码、品牌、型号、年代、替代配件、替代关系、图示、价格等等。

机动车整车信息及价格数据：车型代码、车型名称、车型分类、排量、核定载客、核定载质量、整备质量、厂商名称、品牌名称、车系名称、价格、上市年份、备注等全面的车辆信息。

大数据在主机厂的角色定位是在生产制造领域提升生产效率，降低成本。在客户需求层面，打造未来C2B模式的电商平台，4S店需要做针对性更强的精准营销：即利用现代计算机技术搜集、处理、分析企业的客户资料，包括现有客户情况、产品购买和使用情况分布(客户购买时间、方式、金额，以及维修保养频率和花费等)，还通过对数据库信息的分类、筛选、匹配和运算等技术手段，实现销售线索挖掘、客户价值细分和客户管理等功能，寻找销售线索、找到最有价值的客户群体，通过个性化营销策略，配合直复营销的手段，在降低大众传播营销成本的同时，与客户建立稳定、长期的关系，从而达到企业商业目标的实现以及企业利润的增长。

零部件厂

作为技术和资本密集型的生产性企业，传统的零部件企业成功的模式，是产品质量达到主机厂要求，成功进入主机厂的配套体系。

例如对车载电子企业来说，就是车机或云后视镜进入前装系统。零部件配套企业在生产的同时也得到了主机厂的数据支持。由于历史原因和主机厂的垄断，相当多的配件厂只为主机厂配套，甚至没有销售部门。

《关于征求促进汽车维修业转型升级提升服务质量的指导意见》明确规定，鼓励原厂配件生产企业向汽车售后市场提供原厂配件和具有自主商标的独立售后配件，允许4S店向非授权维修企业或终端用户转售原厂配件。

对零部件厂的而言，借助关键数据的取得，建立独立的售后体系以及完善的销售网络，自建或与第三方电商平台合作打通汽车零部件的O2O销售环节正当其时。

配件商：链接配件的生产者和使用者

作为最终与维修厂直接打交道的配件商来说，其数据包括两个范畴，私有云—电脑中的的进销存和销售渠道或平台。

对于动辄数万种库存的配件商来讲，汽配城开店+在线QQ模式的传统营销模式必然被取代，移动互联网时代，需要结盟或连锁，依靠第三方电商平台或建立完善的数据检索平台，将私有云转化为能被维修厂快速检索的公有云平台是必须经历的过程和唯一途径。

配件电商：零部件和价格数据库（非常有前景的大数据）

需要能提供包含6000余款车型、千万条配件和价格数据，特别是常用车型易损件，需要全面覆盖。配件价格数据库需要要具备以下特点：

（一）配件数据量大

将庞杂的汽车配件数据进行标准化管理，将配件名称、编号、图片进行对照，涵盖进口、合资、国产全部品牌能够满足维修厂日常查询需求。

（二）专业性强

1、配件信息：配件分类、配件属性、配件图，与原厂匹配和同步。

2、配件价格体系：正厂参考价、4S店参考价、同质配件价。

3、配件价格时效强：配件价格实时维护，与市场同步，能够做到有价有货。

4、覆盖面广：系统使用者包括配件商、修理厂，需要在双方建立简单易查询和交易的逻辑关系平台。

5、易用性强：提供了定型查询、简易查询、易损件查询、模糊查询等多种查询方式。

智能引擎：智能标准化引擎需要有智能化自动名称匹配。可将零配件的各种名称进行识别及标准化处理：通过多维度智能化处理手段，解决配件查询的复杂性和瓶颈。提高数据管理效率和准确性。

商业价值的实现：建立完善的数据库，仅仅是服务汽车后市场O2O的基础，而最终用配件编码直接关联到当地的配件商且能实现在线下单、支付乃至配送并且有质量保证和追溯体系才是汽配大数据商业价值转化的终极核心。

维修厂

作为直接与车以及车主打交道的维修厂包括4S店，能够记录车辆的维修、保养情况，行驶里程，其数据对未来进入二手车交易时，起精准评估的作用。

除配件查询，维修厂还需要使用汽车维修技术数据以及工时数据库。数据库包含大部分常见车型的标准工时、工时单价、拆装逻辑及总成包含关系。支持实际使用过程中，各类影响因素的动态参数较正。能够准确计算事故维修中的拆装、钣金、喷漆等主要工时项目金额。

除了使用第三方数据，维修厂在汽车维修中，也记录了大量数据：以高端豪华车维修的华胜和中鑫之宝为例，通过大量维修数据，可以精准的做出某款车型的养护成本及使用可靠性的数据分析报告。

保险公司

希望通过大数据分析了解车主的车价、年龄、性别、车型、住址、驾龄、历史赔付记录、历史违章记录、个人消费信用、安全气囊等保护装置和防盗装置等多个维度，他们甚至愿意免费送OBD给车主，目的是读取车辆行驶轨迹、行驶里程、驾驶习惯、油耗、速度，，以便对车险进行评估。

车险经营将从保额定价过渡到车型定价，对保险业而言，是一个很大的挑战。甚至驾驶员的驾驶习惯和性格，都对保险定价有很大的影响，“零整比”的研究报告，告诉汽车消费者，不同品牌车辆的零整比最高达到了12.7倍，不同车型，不同的年代同样都数据支持对车险进行精算，再比如事故查勘时，也需要有原厂配件的数据做一个价格比对进行理赔估算，保险的行业内部数据都相对有限，所以，需要更多利用外部数据。

车联网

车与车、车与路、车与人、车与传感设备等交互，实现车辆与公众网络通信的动态移动通信系统。它可以通过车与车、车与人、车与路互联互通实现信息共享，收集车辆、道路和环境的信息，并在信息网络平台上对多源采集的信息进行加工、计算、共享和安全发布，根据不同的功能需求对车辆进行有效的引导与监管，以及提供专业的多媒体与移动互联网应用服务。

第一层（端系统）：端系统是汽车的智能传感器，负责采集与获取车辆的智能信息，感知行车状态与环境；是具有车内通信、车间通信、车网通信的泛在通信终端；同时还是让汽车具备IOV寻址和网络可信标识等能力的设备。

第二层（管系统）：解决车与车（V2V）、车与路（V2R）、车与网（V2I）、车与人（V2H）等的互联互通，实现车辆自组网及多种异构网络之间的通信与漫游，在功能和性能上保障实时性、可服务性与网络泛在性，同时它是公网与专网的统一体。

第三层（云系统）：车联网是一个云架构的车辆运行信息平台，它的生态链包含了ITS、物流、客货运、危特车辆、汽修汽配、汽车租赁、企事业车辆管理、汽车制造商、4S店、车管、保险、紧急救援、移动互联网等，是多源海量信息的汇聚，因此需要虚拟化、安全认证、实时交互、海量存储等云计算功能，其应用系统也是围绕车辆的数据汇聚、计算、调度、监控、管理与应用的复合体系。

汽车联网后产生的大量数据，最终数据的使用和分析者：

保险公司（用于风险和价格评估）

主机厂（用于智能驾驶）

政府（用于智慧交通乃至智慧城市的管理）

附上中汽协信息委员会的一份文件，目前商用车已经有了车联网的强制要求，乘用车方面，中汽协信息委目前在联合电信运营商、保险公司、主机厂和车联网企业制定行业标准，将北斗应用推广到汽车前装市场。重点开发高清视频。电子后视，卫星导航，卫星通讯广播，安全引导，无线宽带，多屏互联，智能语音和集成ETC等功能。

咨询公司（舆情分析）

对某一时段互联网搜索量进行分析，确定市场人气、关注车型、地域关注度等信息，同时，通过对论坛、微博、微信等社交媒体的分析，判断出这款汽车在市场上的受欢迎程度。运用工具建模，做舆情分析和用户画像，提供给4S店导流以及主机厂做评估参考，同时兼具营销的功能，例如销售线索挖掘，帮助企业获得新客户：通过客户数据分析，找出客户的共同的特征，再利用这些特征到潜在客户数据库里去筛选出可能成为目标客户的名单，作为营销人员推销的对象。营销人员就可以针对这些名单发送定向窄众广告资料或进行营销活动，既可以降低成本，又提高了营销的成功率。

最后提到后市场的O2O及洗车和上门养护企业等等。

汽车后市场的O2O互联网公司，经过积累，有了相当的底层数据，但不是数据公司，其商业模式仍是通过各种方式集客和导流及线下服务，从增加车主黏性出发增加服务性收入。

政府是所有的大数据最顶层的记录者和管理者：

1）公安部交管局

交管局有3亿驾驶员，1.5亿车主数据，出行轨迹，违章记录，每月车辆上牌数据等等，例如做数据分析，可以分析出每月的200多万台新上牌车的概况：国产车、进口车乃至二手车，车辆品牌、型号、颜色、车主年龄、性别、地域分布，由此可以对车主与车型的关联情况进行精准画像：

各品牌车主的地域分布和年龄、空间地理位置、消费习惯，二手车或进口车的交易量和品牌型号分布等等多个维度。

2）海关

海关的进出口数据包括了汽车及零部件的进出口国别、数量、型号、价格。

3）税务总局

汽车全产业链价格信息和成交记录

4）高速公路管理局

车辆的出行记录