关于数据分析:汽车制造企业如何最大化数据资产价值

近几年，人工智能、大数据、云计算等新兴技术深刻影响着汽车和出行畛域。随着汽车行业的数字化转型正式进入快车道，车企收集的车辆数据也呈爆炸式的增长，如何利用数据获取洞察，一直晋升经营能力和服务水平，同时又能无效降低成本、提高质量和生产效率，未然成为各大车企数字化降级的方向。

目前国内不少汽车企业依靠于 Hadoop 生态，如 HDFS、MapReduce、Hive、Spark、HBase 等，搭建自有的 DMP 数据管理平台，实现数据源的收集与治理，通过数据加工与剖析，再对接 BI 利用实现自助式查问与剖析，进而撑持企业各类数字化场景利用，如渠道网络管理、售后等，最终助力企业在智能制作和车联网畛域整体策略的落地。随着汽车行业数字化转型的减速和数据规模的扩充，需剖析的数据量也成 TB 甚至 PB 级增长，随之而来的以下问题亟需解决：

• 数据资产的复用差：在进行数据模型资产开发时，大多数模型资产通过脚本或代码实现，难以积淀可视化、易复用的数据模型资产；
• 业务响应周期长：传统开发模式下，技术门槛要求较高，且以固定化需要开发为主，单个主题的开发周期根本须要一周甚至更久方可交付业务方应用，从理论角度讲，应答需要的敏捷性不高；
• 数据时效性较差：当即席剖析的细分主题宽表数据量较大（千万行级以上）时，个别做法是 DMP 平台不直连 BI 工具，采纳 BI 工具的数据提取形式对绝对固定组合进行预减速进而撑持剖析利用。但从中台提取数据（如 Tableau Hyper/TDE）再加载至 BI server，可能须要几十分钟甚至更久，非分布式架构的资源抢占状况也时有发生，无奈稳固保障出数效率；
• 数据查问响应慢：随着数据量减少，当要剖析的数据量达到千万级甚至更大时（如：车辆 VIN 码级别剖析），因底层数据根底平台架构大多采纳 MPP，前端 BI 难以应答业务用户高并发拜访模式下即席查问的响应需要；
• 数据安全性低：因为车联网应用服务的实现须要收集各类信息，包含可能的敏感信息（如门路布局、行驶轨迹等）。传统解决方案只反对到我的项目/表级别的权限管制，而对行/列级（单元格级）权限难以较好地布防管控力度。如何实现更准确的数据安全策略，也逐渐成为各大车企关注的重点之一。

因而，只管车企外部有丰盛的数据资源，但这些数据是否麻利积淀成数据资产，以及对车企上游业务利用及翻新赋能，成为了各汽车厂商寻求数字化降级或转型之路的重要组成部分。

目前，在泛滥车企的大数据利用体系中，Kyligence 已成为重要的数据分析引擎底座，正与各车企独特解决大数据在利用、治理和平安等难题。在提供海量数据分析的高性能、高并发要害能力的同时，Kyligence 还能满足对立数据服务、积淀多维模型资产、精密安全策略等平台级要求。另外，从应用层角度讲，Kyligence 与 Tableau 等支流 BI 平台无缝集成，可在 BI 工具轻松直连 Kyligence 进行灵便业务剖析及摸索（非数据提取形式），大大晋升了数据分析的敏捷性。

Kyligence 智能多维数据库赋能数字化利用（以 Tableau 为例）

Kyligence 智能多维数据库赋能各大车企进行数据资产价值开掘：

• 加强数据资产的可复用性：Kyligence 产品帮忙企业实现低门槛、可视化积淀数据模型资产，反对定义标准化的指标口径定义，可为业务提供对立受治理、可复用的数据利用集市；
• 缩短数据交付周期：Kyligence 可视化的模型开发方式，大大降低数据建模人员模型设计门槛，同时减速模型的开发速度，单主题开发交付周期将能从周缩短到天，较大水平晋升数据需要交付的敏捷性；
• 高性能灵便剖析能力：Kyligence 反对无缝集成 Tableau 等支流 BI 工具。在 Kyligence 积淀数据模型后，开发人员可通过 Tableau 等 BI 工具直连形式即席剖析海量数据，查问响应时效力从分钟级晋升至亚秒级，大大加强业务洞察对市场变动的敏锐度，对及时调整市场经营策略等有较大促成成果；
• 单元格级别权限管控：Kyligence 反对行/列级数据权限管制，能够极大限度地适配各企业不同粒度的数据安全管控要求。

Kyligence 致力于打造下一代企业级智能多维数据库，无效帮忙企业简化多维数据分析、缩短数据资产的开发流程，开释业务自助剖析后劲。目前 Kyligence 曾经和国内的多家车企建设了大数据平台的生态单干关系，为多家企业提供了老本最优的多维数据分析能力，帮忙车企更好地撑持 BI 剖析、灵便查问和车联网级数据服务等多类利用场景。

理解更多汽车制作行业的解决方案和实在案例，欢送大家点击「链接」报名8月30日线上研讨会！

对于 Kyligence

上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 开创团队于 2016 年开办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 加强的高性能剖析引擎、对立 SQL 服务接口、业务语义层等性能，Kyligence 提供老本最优的多维数据分析能力，撑持企业商务智能（BI）剖析、灵便查问和互联网级数据服务等多类利用场景，助力企业构建更牢靠的指标体系，开释业务自助剖析后劲。

Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制作、批发等行业客户，包含建设银行、浦发银行、招商银行、安全银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等寰球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成寰球合作伙伴关系。目前公司曾经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。