汽车行业数字结构的三个基本要素

过去几年，汽车行业的转型是非同寻常的。以电气化为例——电动汽车从利基市场迅速转向主流，并很快成为核心产品——突出了领先企业迅速调整其整个组织的能力。COVID疫情进一步说明了一些既定流程的脆弱性，以及该行业灵活灵活和克服挑战的能力。但还有更多！技术的永无止境的发展及其对汽车产品的本质的影响，以及它们在使用寿命内如何使用、开发、制造和运营将继续扰乱该行业。与商业模式密切相关的变化也将如此。收入赚取方式、产品设计、生产、营销、销售和支持方式继续快速发展。当今的汽车业务正在迅速从结构化的企业到企业的层次结构转变为不断与客户互动的流动合作伙伴网络。

编织多条数字线

正如我们之前所概述的那样，数据是所有这些转变的核心。汽车业务，就像其他行业的组织一样，必须迅速发展，才能真正以数据为中心。建立、培育和拉动连接客户数据的数字线程，以及连接车辆生命周期各个方面的产品创新，将至关重要。挑战的复杂性，加上对前所未有的速度和规模的数据需求，意味着未来的汽车公司将需要将多个数字线程编织成一个一致且连贯的数字结构，以连接整个生态系统。

许多汽车原始设备制造商和一级供应商已经创建了“卓越岛”，其中数字线程连接关键流程并确保数据来回流动以增加价值。例如，一些Teradata客户正在使用数据和机器学习来快速识别工厂和车队中的质量问题。 根本原因分析的自动化进一步改善了质量流程。其他公司正在使用联网汽车数据和情境分析来向驾驶员发送量身定制的消息，还有一些公司正在使用营销分析来识别高价值客户并减少客户流失。下一步是将这些岛屿连接到连续的数据大陆中。到达这片土地是一个漫长的旅程，但创建数字结构的每一步都将立即增加价值。

回答尚未提出的问题

开始编织这种数字结构的一个关键好处已经从过去几年的中断中得到了清晰的证明。孤立的概念验证分析方法可以提供一些价值，但企业一次又一次地发现他们需要新问题的答案。为回答前一组问题而指定的模型和方法总是会随着新的意外问题的出现而落后。数字结构采用不同的方法，寻求连接所有数据，并准备将其组合在一起，以解决尚未预见的问题并提供之前无法想象的见解。大众汽车作为创建数字生产平台的领导者，已经迈出了大胆的步伐。它与AWS合作实施了数字生产平台，以组合来自其所有设施的所有机器、工厂和系统的数据，以创建和支持内部和外部创新的工业生态系统，从而改进制造流程。Teradata是创建此数字结构计划的一部分，并提供首批基于云的实时分析之一，提供100%过程监控以实现持续改进。

三个先决条件

为了创建这种数字结构，我们已经确定了汽车业务的三个基本先决条件。首先是粒度数据。在营销方面，我们谈论的是一个细分市场——根据每个客户的确切需求量身定制优惠。在汽车术语中，它意味着跟踪、追溯、预测和减轻到入站物流的每个单独零件编号。这意味着在单个VIN编号级别管理制造和出站物流。在产品的整个生命周期中，不仅需要从单个车辆、车主和驾驶员那里收集数据，还需要以可用的格式收集数据，可以对其进行分析，以在每一点创造价值。

第二个先决条件是从将数据视为输出，甚至是过程的副产品（对报告有用的）的思维方式转变为将数据理解为驱动预测模型的输入和输出。部署数据以自动化、降低风险和预防问题，并提供对新机会的洞察，降低成本并增加价值。使用数据来理解问题出现的原因是强有力的——使用它来预测和避免问题发生是变革性的。

最后，汽车公司必须为未来蓬勃发展所需的大规模和数据速度奠定基础。原因如下。一辆普通的车辆可能有2万个零件，每个零件都可能受到许多事件的影响（即使用的原材料、制造时间和地点、装运细节等），所有这些都会创建数据——假设在主装配之前有100个数据点，这就已经是每辆车200万个事件。乘以每个工厂每年制造的车辆数量，突然之间就有数亿个事件需要捕捉！随着商业模式的变化，原始设备制造商继续从车辆的整个生命周期内从正在使用的车队中捕获和使用数据，并且数量至少增加了一个数量级。

现在就开始吧！

构建数字结构不是一个简单或快速的过程，但以这种方式开始概念化当前和未来的数据项目非常重要。准备可以扩展到上述需求的企业数据分析基础至关重要。因此，建立治理和方法以确保分析项目开始形成可重用的模型组合，并利用经过验证的功能以及来自整个企业的连接数据。我们与整个行业的领导者合作，创建解决方案，以快速实现价值，并作为数字结构的重要组成部分。在接下来的几周内，我们将在一系列博客中探讨这些问题。同时，如果您想进一步了解数字结构以及我们如何帮助您构建它，请发送电子邮件给我们的行业团队。