<del id="aymay"></del> 各行各業都進入了一個以客戶為中心、大數據為動力的新算法時代。“大數據”帶來了社會媒體和移動設備的爆增，還有一個由數以萬計的網絡傳感器所形成的物質世界。所有的這些因素導致了各行業的數據都在以一個前所未有的速度在飛速增長中。
汽車行業也不能例外，實際上，汽車行業預計在2015年會成為第二大數據產出業。想想一些充電式混合動力汽車一個小時就能產生25GB的數據，這樣的估計也就見怪不怪了。
大數據涉及各行業，因此來自來各行業的市場驅動力也促進了汽車行業的改變(見圖一)。例如，消費者中出現了新聯盟群體、環境因素使形成一個生態系統成為必需、全球化的推進促使了汽車廠商和供應商之間的整合。
日趨成熟的消費者對環保和科技的需求不斷增加，而這些惹人眼球的市場需求自然也需要新的策略來使利益和收入最大化。由此，汽車公司必須想出方法快速推行環保汽車，注重智能汽車的服務機會，優化全球價值鏈和改革零售環境。
圖一
而通過大數據的應用和分析就可以幫助汽車公司實現這些商業需要。IBM建立了一些參考關鍵行業應用案例的解決辦法，包括汽車通信、預測資產優化、消費者可行性洞見和數據倉庫優化。本文就來看看IBM如何通過大數據和分析法來幫助汽車生產商、供應商和經銷商借助大數據增強競爭力和提高生意成交率。
1. 加強汽車通信
汽車行業的數據增長主要還是來于汽車本身，確切的說是汽車內部的設備。汽車制造商正試圖將汽車信息與汽車運行環境相關數據(如天氣，交通數據)連通。而IBM大數據平臺就是幫助汽車制造商探究汽車系統是如何在特定的驅動模式和環境狀態下運行的。
車載信息系統可提供動態數據，如汽車速度、與傳輸控制系統、剎車、氣囊、胎壓和雨刮器、地理空間和當前環境的相關數據。而其他可以幫助了解汽車情況的數據就是消費者發在社交媒體的內容了。
不言而喻，對這些數據的分析可以幫助汽車公司加強“客戶關系”、更好的預測消費者替換部件和服務的的需求、以及將車聯網數據套現。這是具有商業價值的。例如，可以通過發現最優速度和檔位變換計時來幫肋混合動力汽車主人使燃料經濟最大化，這就提升了客戶關系。而車載信息系統的數據可以提供給第三方駕駛輔助服務商、汽車租賃、保險公司來實現商業價值。
2. 平衡預測資產優化
制造業公司通常是運用預測分析方法來監測和維護工廠資產來實現更好的利用率和運行。對于現今的汽車行業，預測分析法運用的范圍不應僅限于此，還應該包括汽車的售前和售后。
比如，從預測分析中獲得的信息幫助汽車制造商和經銷商優化質量和供應鏈系統，并同時降低保修成本。就目前而言，雖然都在奮力要抓住大數據的機會，但畢竟多數都缺乏從海量的資源中提取數據分析的能力。所以，IBM提出的預測資產優化(PAO)的解決辦法之一就是整合IBM工業、服務、軟件和研究技能來增強運用大數據能力的傳統分析。
通過結合注重用戶體驗的儀表盤、加速器等，IBM PAO使得汽車行業可以從現有的資源中以低潛伏率來分析數據。通過平衡高級的分析能力，公司可以提高他們操作時的可見度和優化資產安全和產能。例如，原始設備設計商們可以通過分析設備運行數據和可用的公共數據來鑒定潛在的汽車損耗頭號指標，然后再預測零件和服務需求。
預測資產優化(PAO)允許組織收集及整合結構的、非結構的和串流式的數據，包括：
來自于傳感器和傳動裝置的有關工廠設備及汽車系統的數據
各種類型及格式的圖像、視頻和圖表數據
保養及工程數據，例如公司資產管理數據
呼叫中心的信息記錄、視聽記錄、電子郵件和文本
來自于服務提供者和第三方伙伴的服務使用系統
地理空間數據的及暫存的信息，包括全球定位系統、天氣和環境數據
通過這些數據，某些汽車組織可以來分析失靈的根源，找出首要的運作有誤的指示器、評估失靈、斷電和預防性保養的風險，通過檢測出設備和零件運行的反常，公司可以優化供應鏈，并確保零件供應商能夠達到預期的需求，幫助提高客戶的滿意度。
