← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2274.g.2.a.1.b.1.a.3

车联网的平台数据应用

理解等级:中级

W 集团拥有超过 250 万辆联网车辆,其中三分之一在中国,持续产生传感器、驾驶、服务日志、售后等数据,但缺乏处理和应用能力。痛点包括:数据分散、缺乏统一标准;数仓不完善,异构数据整合与应用能力不足;缺乏可视化分析工具,无法快速响应业务;缺少算法模型,无法实现个性化服务。

建设思路“平台 + 数据 + 应用”:

  • 1 个可视化大数据平台:基于 AWS(EC2、EMR、S3、RDS、Redshift)搭建汇聚、离线/实时/算法开发、资产管理、应用平台;按国际化要求做中英文切换、国际化界面、对接 S3 主存储、插件化适配异构数据源。先用最小数据范围做演示环境(资产监控大屏、服务分析大屏),客户满意后才批准正式开发。
  • 1 套数据资产:汇聚后台日志、车辆状态日志、传感器、售后、舆情、销售 6 类数据;去重、去异常、规范格式、补缺失,将非结构化和半结构化数据转为结构化,再用 ID-Mapping 关联车辆、车主、服务;按数仓理论做指标化(为服务、品牌、车系等维度赋予使用量、激活率等指标),按标签理论做标签化(为车辆、车主、服务及其关系打标签)。
  • N 个应用场景:分阶段落地,按“场景分析 → 选数据资产 → 选可视化组件 → 开发看板”的步骤构建 14 块分析大屏,覆盖服务使用分析、影响分析(服务中断原因、新功能、舆情、品牌活动)和趋势分析。

两个 AI 场景:

  • 里程预测:用驾驶行为(加减速、制动、载重等)、驾驶环境(路面、坡度、风阻、气温)、车辆状况(胎压、电池衰减、电机效率)数据,以深度学习和随机森林拟合每个车架号的日均里程,在 5000 万级数据上训练,用于剩余里程和保养里程预测。
  • 驾驶行为分析:按开车灯、转向、车速控制、急加减速、车距、疲劳驾驶、能耗等 10 个维度 20 个指标打分并给出说明,用于安全提醒和优惠、目的地推荐。

项目采用 DevOps 的“开发 + 运营”模式持续完善功能与场景。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据中台:让数据用起来(第2版)》第14章《第14章 汽车行业案例:W集团车联网大数据分析平台项目》14.2 项目需求;14.3 建设实施(源文件:extracted/数据中台:让数据用起来(第2版)/_epub-src/OEBPS/Text/0077.xhtml,来源项目 book-sources) - 结论依据:14.2节说明W集团的车联网数据规模与平台目标;14.3节列出四类痛点,介绍平台+数据+应用的建设思路、AWS上的工具平台与国际化适配、先做演示环境获批、6类数据汇聚治理与ID-Mapping、指标化与标签化、14块大屏的构建步骤,以及里程预测和驾驶行为分析两个AI场景。 - 原始内容:在完成这些准备工作后,我们用最小数据范围制作了一个演示环境,包括资产监控大屏和数据服务分析大屏等,展示了平台的应用能力。客户对我们的演示非常满意,并给出了正式开发项目的批准。