知名汽车制造企业大数
据应用
TPMK standardization office【 TPMK5AB- TPMK08- TPMK2C- TPMK18】
某知名汽车制造企业大数据应用
背景
随着互联网和移动互联网的兴起，越来越多有购车需求的用户会到网上查询相关信息，进行车型、价格、性能等各方面的比较。同时，论坛、微博、贴吧等互联网社交平台也成为用户发表用车感受，讨论汽车品牌的主要阵地，互联网渠道正成为车企最主要的营销阵地，对互联网汽车用户数据的整合和利用，成为汽车企业洞察消费者和市场，明智决策的关键。
企业问题与需求
1、该汽车企业可获得用户数据越来越多，包括官网、minisite、CRM等各渠道来源数据，这些都是非常重要的一方数据，可以最直观的了解对该汽车品牌有需求的目标人群，但这些数据分散于各业务系统中，迫切需要进行整合和应用。
2、汽车行业竞争激烈，国产、合资、日系、德系等各系品牌众多，市场越来越细分，消费者选择的不确定性越来越高，车企需要全面了解用户相关信息，从而更有针对性的进行销售、营销等方面的工作，从而更好的消费者对本品牌的选择。
3、自媒体时代，人人都成为媒体，很多该购车用户会在垂直论坛、贴吧、微博上谈论品牌及竞品，该企业希望能汇总和分析这些舆论数据，及时发现和处理负面信息，同时助力销售线索的拓展。
941大数据服务联盟解决方案
大数据项目整体架构
1、建立大数据云平台，整合各渠道数据
941大数据服务联盟服务方负责基础设施的投入、建设及运维（包括硬件与软件），为该车企建立大数据云平台，通过部码的方式采集官网、Minisite等线上渠道的用户数据，
并与企业内部CRM等数据整合。同时，该企业还接入了用户数据库，基于5.5亿的用户画像数据，补充该企业一方数据无法支持的年龄、购买偏好、媒体偏好等维度的用户数据。
2、标签化用户，生成和管理用户画像
企业一方数据与941大数据服务联盟服务方三方数据融合后，基于标签系统，结合产品及业务需求，生成该车企的微观和宏观用户画像，其中微观画像为单个用户的画像，通过关键ID即可查询人口属性、汽车用户属性、内容偏好等信息。宏观画像为特定用户群画像，包括本品牌相关人群，竞品相关人群等，通过微观/宏观用户画像信息，该企业的市场及销售人员一方面可以准确定位每款车型的潜在用户，包括收入、偏好、学历等各方面特征，从而进行精准的用户细分和市场营销；一方面可以清楚的了解每款车型的用户对产品的关注点，如油耗，外观，空间等，从而在产品设计，营销等方面进行针对性的优化。
3、搭建大数据舆情分析系统，第一时间发现和处理负面信息
以往，该企业的品牌部门为了解用户舆情，都是以人工的方式去各类垂直网站收集用户舆情信息，这种方式繁琐、消耗很多的人力和时间，而且收集的信息也不够全面和实时，本期项目中，941大数据服务联盟服务方为该企业搭建了大数据舆情分析系统，基于大数据抓取工具，抓取互联网微博、论坛数据，贴吧、汽车垂直网站等用户舆情数据，实时、全面的获取该企业旗下各款车型的舆情数据。
同时为该企业建立了汽车行业专属的舆情模型，进行舆情分析、监控和预警，其中舆情分析模块可对正负面信息、汽车关注点等进行统计；舆情监控模块可实时监控负面帖子、有购买需求帖子等信息，帮助该企业处理负面、挖掘销售线索；舆情预警模块，可对负面信息的严重程度进行分级和预警，并及时通知给相关公关负责人。
项目成果
1、目前，该汽车企业的大数据云平台已搭建并投入使用，保证了该企业客户各渠道的一方数据得以整合和利用，同时，该平台还对接了941大数据服务联盟服务方数据库，全面补充用户信息。
2、用户画像系统，舆情系统已建立和并交付使用，业务人员可以快速、准确的了解目标用户的特征，以及用户的反馈，帮助企业快速的调整产品、营销、公关等各方面的策略，持续提升企业的市场竞争力。
用户画像系统展示（部分）
舆情系统展示（部份）
3、随着大数据平台及舆情和画像系统的投入使用，数据正越来越成为该汽车企业的核心资产和决策的主要依据，企业的组织架构和运营模式也逐步转向以数据中心的方向，企业DT化转型的大幕正在开启。
某知名汽车制造企业大数据应用背景 随着互联网和移动互联网的兴起，越来越多有购车需求的用户会到网上查询相关信息，进行车型、价格、性能等各方面的比较。同时，论坛、微博、贴吧等互联网社交平台也成为用户发表用车感受，讨论汽车品牌的主要阵地，互联网渠道正成为车企最主要的营销阵地，对互联网汽车用户数据的整合和利用，成为汽车企业洞察消费者和市场，明智决策的关键。 企业问题与需求 1、该汽车企业可获得用户数据越来越多，包括官网、minisite、CRM等各渠道来源数据，这些都是非常重要的一方数据，可以最直观的了解对该汽车品牌有需求的目标人群，但这些数据分散于各业务系统中，迫切需要进行整合和应用。 2、汽车行业竞争激烈，国产、合资、日系、德系等各系品牌众多，市场越来越细分，消费者选择的不确定性越来越高，车企需要全面了解用户相关信息，从而更有针对性的进行销售、营销等方面的工作，从而更好的消费者对本品牌的选择。 3、自媒体时代，人人都成为媒体，很多该购车用户会在垂直论坛、贴吧、微博上谈论品牌及竞品，该企业希望能汇总和分析这些舆论数据，及时发现和处理负面信息，同时助力销售线索的拓展。 941大数据服务联盟解决方案 大数据项目整体架构 1、建立大数据云平台，整合各渠道数据
941大数据服务联盟服务方负责基础设施的投入、建设及运维（包括硬件与软件），为该车企建立大数据云平台，通过部码的方式采集官网、Minisite 等线上渠道的用户数据，并与企业内部CRM等数据整合。同时，该企业还接入了用户数据库，基于5.5亿的用户画像数据，补充该企业一方数据无法支持的年龄、购买偏好、媒体偏好等维度的用户数据。 2、标签化用户，生成和管理用户画像 企业一方数据与941大数据服务联盟服务方三方数据融合后，基于标签系统，结合产品及业务需求，生成该车企的微观和宏观用户画像，其中微观画像为单个用户的画像，通过关键ID即可查询人口属性、汽车用户属性、内容偏好等信息。宏观画像为特定用户群画像，包括本品牌相关人群，竞品相关人群等，通过微观/宏观用户画像信息，该企业的市场及销售人员一方面可以准确定位每款车型的潜在用户，包括收入、偏好、学历等各方面特征，从而进行精准的用户细分和市场营销；一方面可以清楚的了解每款车型的用户对产品的关注点，如油耗，外观，空间等，从而在产品设计，营销等方面进行针对性的优化。 3、搭建大数据舆情分析系统，第一时间发现和处理负面信息 以往，该企业的品牌部门为了解用户舆情，都是以人工的方式去各类垂直网站收集用户舆情信息，这种方式繁琐、消耗很多的人力和时间，而且收集的信息也不够全面和实时，本期项目中，941大数据服务联盟服务方为该企业搭建了大数据舆情分析系统，基于大数据抓取工具，抓取互联网微博、论坛数据，贴吧、汽车垂直网站等用户舆情数据，实时、全面的获取该企业旗下各款车型的舆情数据。
汽车行业供应链管理研究 ——以丰田汽车个案观察分析 一、汽车行业的发展状况及供应链管理的特征特点 （一）汽车行业发展状况 1.汽车行业整体情况 1978年，我国汽车产辆不足15万辆；2009年，在国际金融危机冲击、全球汽车市场萧条的形势下，我国汽车产销突破千万辆大关， 跃居世界第一；2013年产销突破2000万辆，连续五年位居世界首位。改革开放初期，汽车工业增加值占全国GDP仅为0.59%左右。 从中国第一汽车制造厂奠基算起，我国汽车工业已经走过60年。从无到有；从小到大，我国汽车工业伴随着新中国一起成长。我国汽 车工业从步履蹒跚到大踏步迈进，成为世界第一汽车制造大国，走出了一条独特的发展道路。 （1）汽车产销量稳居世界第一，已成为国民经济重要的支柱产业 （2）研发投入逐年增长推动汽车工业技术水平稳步提高 （3）汽车产业大而不强，中国品牌汽车发展前景令人担忧
（4）全球汽车行业发展现状及前景 2009-2014年度全球汽车销量地域分布情况 年份亚洲、大洋洲、中东美洲欧洲非洲全球销量占比销量占比销量占比销量占比销量占比2009年2,827 43% 1,750 27% 1,865 28% 118 2% 6,560 100% 2010年3,525 47% 1,973 26% 1,881 25% 127 2% 7,506 100% 2011年3,541 45% 2,158 28% 1,974 25% 147 2% 7,820 100% 2012年3,826 47% 2,368 29% 1,866 25% 160 2% 8,220 100% 2013年4,059 47% 2,503 29% 1,834 21% 151 2% 8,547 100% 2014 年4,265 48% 2,548 29% 1,848 21% 156 2% 8,816 100%
大数据应用案例分析 1、中信银行信用卡营销 实施背景：中信银行信用卡中心是国内银行业为数不多的几家分行级信用卡专营机构之一，也是国内具有竞争力的股份制商业银行信用卡中心之一。近年来，中信银行信用卡中心的发卡量迅速增长，2008年银行向消费者发卡约500万张，而这个数字在2010年增加了一倍。随着业务的迅猛增长，业务数据规模也急剧膨胀。中信银行信用卡中心无论在数据存储、系统维护等方面，还是在有效地利用客户数据方面，都面临着越来越大的压力。 中信银行信用卡中心迫切需要一个可扩展、高性能的数据仓库解决方案，支持其数据分析战略，提升业务的敏捷性。通过建立以数据仓库为核心的分析平台，实现业务数据集中和整合，以支持多样化和复杂化的数据分析，比如卡、账户、客户、交易等主题的业务统计和OLAP（联机分析处理）多维分析等，提升卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。 技术方案：从2010年4月到2011年5月，中信银行信用卡中心实施了EMC Greenplum数据仓库解决方案。实施EMC Greenplum解决方案之后，中信银行信用卡中心实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升。 图表中信银行大数据应用技术架构图
Greenplum解决方案的一个核心的功能是，它采用了“无共享”的开放平台的MPP架构，此架构是为BI和海量数据分析处理而设计。目前，最普遍的关系数据库管理系统（如Oracle 或Microsoft SQL Server），都是利用“共享磁盘”架构来实现数据处理，会牺牲单个查询性能和并行性能。而使用Greenplum 数据库提供的MPP架构，数据在多个服务器区段间会自动分区，而各分区拥有并管理整体数据的不同部分；所有的通信是通过网络互连完成，没有磁盘级共享或连接，使其成为一个“无共享”架构。Greenplum数据库提供的MPP架构为磁盘的每一个环节提供了一个专门的、独立的高带宽通道，段上的服务器可以以一个完全并行的方式处理每个查询，并根据查询计划在段之间有效地移动数据，因此，相比普通的数据库系统，该系统提供了更高的可扩展性。 效益提升：2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活动，
大数据的应用及带给企业的挑战 随着信息技术特别是信息通讯技术的发展，互联网、社交网络、物联网、移动互联网、云计算等相继进入人们的日常工作和生活中，全球数据信息量呈指数式爆炸增长之势。根据国际数据公司IDC发布的研究报告，预计全球数据量大约每两年翻一番，到2020年全球将达到35ZB的数据信息量。随着前所未有巨量数据信息的聚集，“大数据”已得到广泛关注。本文将分企业数据、机器数据和社会化数据三类，针对企业数据处理面临的挑战、机器数据应用场景、社会化数据带来的变革展开讨论。 1、企业数据处理面临的挑战 中国的企业已经认识到大数据蕴含着巨大的商业价值，但国内互联网巨头作为率先使用大数据技术的用户，仅仅是基于开源软件自主开发大数据应用，未形成企业级的个性化应用。 (1)非结构化和结构化数据的统一及整合 随着互联网和通信技术的迅猛发展，企业中的数据类型早已不是单一的以文本为主的结构化数据，还充斥着广泛存在于社交网络、物联网、电子商务等之中的网络日志、音频、视频、图片、地理位置信息等多类型的数据。这些数据称为非结构化数据。据统计，企业中
85%的数据属于非结构化数据。但是企业现有的数据处理方法仅适用于结构化数据，无法将大量的非结构化数据与结构化数据进行统一、整合，就无法发掘数据中的价值。 (2)跨业务平台数据的关联 当今企业环境中存在着：不同业务模块的数据分布在不同的系统平台，这些被割裂的数据在单一业务平台无法得到有效利用；不同业务模块的数据无法实现共享、关联；仅对关键业务的数据进行收集、整合和利用，非关键业务的数据被忽视等现状。企业中的数据由于业务模块的划分而被割裂开来．单一业务模块的数据价值远远小于所有业务模块数据关联起来进行分析运用，企业将如何实现跨业务平台数据的关联与整合将面临巨大的挑战。 (3)面向数据的实时分析 随着经济的飞速发展，企业所面临的市场行情也在瞬息万变，企业曾经惯用的事后处理机制已经不能应对，企业需要实时洞察业务运营状态，以便迅速应对不断变化的市场形势。 企业业务的运营状态将体现在海量数据的快速处理和有效进行 实时分析的基础上。但随着大数据的爆炸式增长，与企业相关的数据可能在无限量的不断增长，这些不断变化的数据，需要企业进行全面、实时的分析。
汽车制造业发展历程及 趋势 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-
汽车制造业发展历程及趋势汽车是最重要的现代化交通工具。汽车也是数量最多、最普及、活动范围最广泛、运输量最大的交通工具。在现代社会中，没有哪种交通工具可与汽车的作用相媲美，因为汽车是在“面”上发挥作用，并且可以实现“门对门”的便利。正因为如此，汽车在过去数十年中已迅速发展成为最主要、最受青睐的交通工具。本文旨在通过汽车制造业的发展历程以及现状得出其发展趋势，不足之处还请见谅。 世界以及我国汽车制造业的发展历程 一、世界汽车制造业发展历程。 从19世纪末卡尔·奔驰发明汽车至今，汽车制造业发展历程按生产方式可分为三个大的发展阶段： 1、手工生产方式。19世纪末，法国巴黎P&L机床公司开始制造汽车，当时是实行手工单件生产。其生产效率极低，制作成本高，质量保证全凭技术工人高超的技艺和丰富的经验。 2、大批量生产方式。它是由美国企业，主要是福特汽车公司为代表的企业所创造的一种生产方式，它为世界汽车，不仅仅是汽车业，而且是为工业做出了巨大的贡献，影响十分深刻和深远。到20世纪后半期这一生产组织方式的缺点越来越突出。主要原因来自于市场的变化。20世纪后半期时不仅在美国，不只在整个汽车市场，顾客需求越来越多样化，而且对质量的要求也越来越高。这种状况给制造业提出的新课题是，一方面必须找出办法来使产品的开发设计周期和生产周期显着缩短，另一方面还必须使企业的生产经营方式能够快速响应市场的需求变化。这两方面的课题促使汽车制造企业改变原有的大规模的经营方式、管理方式和工作方式，探索新的模式。日本丰田汽车公司就比较早地进行了探索和转变。
张德政MBA
议程Agenda
生产管理模式的改变应对全球化的挑战 通过避免生产中的一切浪费来
信息驱动的供应链管理系统架构生产计划 财务系统 企业内部 管理监控 Internet VMI WEBEDI 基于WEB的集成 基于mail及Fax的集成 大型供应商/JIS 中小型供应商 小型供应商 第三方物流
信息驱动的供应链业务流程管理 汽车行业JIT 流程–基于AIAG EDI ANSI 标准 Customer Supplier PO Management Sales and Marketing Management ACH ACH Manufacturing Shipping Replenishment Order Management Planning Production Scheduling & Control Consumption Process and Loop Management Manufacturing Receiving Accounts Payable Accounts Receivable 840850/860 855/865 Planning Information -830 864 Requirements PO Acknowledgement Order Acknowledgement Pull Signal –862/866 864Ship Notice -856Application Advice -824 Receiving Advice -861214 858 Carrier Planning Req’s Consump Req’s Planning Sched’s Purchase Price & Terms Production Req’s & Shipping Terms Shipping Discrepancies Sale Price & Terms Valid Recpts Ship Info 810820 820 820 Cash Mgmt Cash Mgmt Authorized Payments Expected Receipts Customer / Supplier Banks MMOG/LE:?供应商“不经过任何人工干扰接收客户订单，直接导入自身系统”?“向外发货的同时将发货信息ASN 告知客户”Ford Q1认证：“您的供应商必须能通过您的平台获取您的计划信息”贯穿整个供应链的可视性成为企业的核心竞争力之一
在如今这个大数据得时代里,人人都希望能够借助大数据得力量:电商希望能够借助大数据进一步获悉用户得消费需求，实现更为精准得营销;网络安全从业者希望通过大数据更早洞悉恶意攻击者得意图，实现主动、超前得安全防护;而骇客们也在利用大数据,更加详尽得挖掘出被攻击目标信息，降低攻击发起得难度。 大数据应用最为典型得案例就是国外某著名零售商,通过对用户购买物品等数据得分析,向该用户——一位少女寄送了婴儿床与衣服得优惠券,而少女得家人在此前对少女怀孕得事情一无所知.大数据得威力正在逐步显现,银行、保险公司、医院、零售商等等诸多企业都愈发动力十足得开始搜集整理自己用户得各类数据资料.但与之相比极度落后得数据安全防护措施,却让骇客们乐了：如此重要得数据不仅可以轻松偷盗,而且还就是整理好得,凭借这些数据骇客能够发起更具“真实性”得欺诈攻击.好在安全防御者们也开始发现利用大数据抵抗各类恶意攻击得方法了。 扰动安全得大数据 2０14年IDＣ在“未来全球安全行业得展望报告”中指出,预计到202０年信息安全市场规模将达到500亿美元。与此同时，安全威胁得不断变化、ＩＴ交付模式得多样性、复杂性以及数据量得剧增,针对信息安全得传统以控制为中心得方法将站不住脚。预计到２0２0年,６０%得企业信息化安全预算将会分配到以大数据分析为基础得快速检测与响应得产品上。 瀚思(ＨａnSiｇht)联合创始人董昕认为,借助大数据技术网络安全即将开启“上帝之眼”模式。“您不能保护您所不知道得”已经成为安全圈得一句名言，即使部署再多得安全防御设备仍然会产生“不为人知”得信息,在各种不同设备产生得海量日志中发现安全事件得蛛丝马迹非常困难。而大数据技术能将不同设备产生得海量日志进行集中存储,通过数据格式得统一规整、自动归并、关联分析、机器学习等方法,自动发现威胁与异常行为,让安全分析更简单。同时通过丰富得可视化技术,将威胁及异常行为可视化呈现出来，让安全瞧得见. 爱加密CEＯ高磊提出，基于大数据技术能够从海量数据中分析已经发生得安全问题、病毒样本、攻击策略等,对于安全问题得分析能够以宏观角度与微观思路双管齐下找到问题根本得存在.所以,在安全领域使用大数据技术,可以使原
工业大数据如何成功推动智能制造发展 信息技术特别是互联网技术正在给传统工业发展方式带来颠覆性、革命性的影响。二维码、RFID、传感器、工控系统、物联网、ERP、CRM 等技术的广泛应用，推动工业企业实现生产流程各环节的互联互通，促进互联网与工业融合发展。但网络、通信、硬件设备等只是工业企业实现互联互通的基础，实时感知、采集、监控生产过程中产生的大量数据,运用大数据技术对企业产生、拥有的海量数据进行挖掘，得到有作用的分析结果，智能制造才能得以实现。 多源数据的融合是实现互联网与工业融合创新的必要条件，而要实现对多种来源、多种类型海量数据的分析处理，以及复杂的数据关联关系挖掘，都需要有大数据的支撑。在大数据的驱动下，互联网与工业进一步深度融合，新模式、新业态层出不穷，产业模式、制造模式、商业模式正在重塑，企业、市场与用户的互动程度和范围得到扩展，企业与用户关系加速重构，生产周期从产品的设计、研发、制造、销售、服务等逐渐构成闭环。 创新研发设计模式实现个性化定制 实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。例如，海尔集团沈阳冰箱工厂利用云将用户需求和生产过程无缝对接，用户个性化需求可直接发送到生产线上，实现定
制化生产。用户还可通过生产线上的上万个传感器随时查到自己冰箱的生产进程。目前，一条生产线可支持500多个型号的柔性化大规模定制，生产时间可以缩短到10秒一台。 利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。长安福特采用虚拟仿真技术改良汽车设计环节，设计师带着3D眼镜能够看见最新设计的福特轿车，甚至还能够模拟坐进车内，感受内装是否符合心意。如果有任何不好的地方，设计师能够马上通过软件修改，减少了开发产品的次数，能够在短时间内完成更多的设计工作，更快地反映市场的需求。 建立先进生产体系实现智能化生产 提升车间管理水平。现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声等，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析（包括违反生产规定、零部件故障）等。在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺，就会发出报警信号，快速地发现错误或者瓶颈所在。例如，美国GE集团在纽约州斯克内克塔迪市有一家氯化镍电池工厂，18万平方英尺的电池生产厂区内，安装了1万多个传感器，用来监测相关的温度、能耗和气压，并全部连接高速内部以太网络进行数据传输。在流
大数据在企业管理中的应用 课程背景： 大数据时代的到来，正在飞速地改变人们的工作方式、思维模式以及企业的业务形态。近几年里，大数据影响了社会的方方面面，从最先受益的互联网行业到传统的医疗、教育、交通等领域，整个社会都处于“大数据+”的风暴当中。 然而，大部分行业在大数据面前还显得比较迟缓，数据利用基本上处于应付监管的简单查询、报表、多维分析层面，主要是对现有数据的简单加工，很少涉及数据挖掘等深层应用。数据分析意识不强，理念较旧，转型较慢，缺乏高瞻远瞩的定位。在基础数据源管理、平台整合、外部数据拓展、数据分析人才储备与培养等各方面仍存在较大差距，基于大数据对精准营销的支撑和经营决策作用也亟待加强。 大数据是一座待挖掘的“金矿”，它的起源首先要归功于互联网，尤其随着云计算、物联网和人工智能的发展，所有的交易记录、行动轨迹、语音、影像、传感信息等几乎一切均可实现数据化。因此，如何借助大数据为运营管理和业务拓展提供有力支撑，如何有效利用自身已经沉淀的大数据资源，在深入分析挖掘现有客户数据的同时，实现跨行业、跨平台的外部数据资源整合，是当前所有企业管理者需要认真思考的。 课程收益： 1.了解大数据产生的时代背景，正确认知大数据的应用价值； 2.透视大数据的基本规律和特性，掌握大数据思维，提高工作效率； 3.结合自身行业特性，搭建数据管理平台，开展数据分析，发现数据背后的问题和机会； 4.基于大数据应用，优化业务流程，构建精细化、智能化管理体系，提升内部管理效能； 5.整合外部数据资源，进行点对点精准营销，为客户提供个性化服务，持续提升业绩水平。 课程模型：
课程时间：1-2天，6小时/天 课程对象：企业负责人，营销、运营、技术及客服等部门管理者课程方式：讲师讲授+案例剖析+互动交流+现场答疑 课程大纲 前言：拥抱变化——大数据时代的商业形态与管理思维 1.数据资产：传统行业的短板 2.互联网企业的大数据基因 1）什么是大数据基因：客户VS用户 2）跨界打劫——挟用户数据重构市场空间 3）降维打击——瓦解竞争对手的惯性生存条件 3.“跨界融合”的本质：场景转换与用户体验 第一讲：大数据的时代背景和正确认知 一、什么是大数据？ 1.上海外滩陈毅广场踩踏事件的反思和启示 2.大数据三要素 1）大——海量，平台级 2）数——信息结构化 3）据——精准、可依赖 3.大数据的六个特征 1）时间 2）空间 3）行为 4）偏好 5）规律 6）预测 案例分享：五常大米，下单即送 4.大数据的类型 1）消费数据——多维度记录 2）机器和传感数据——图文、语音、影像
智能制造与工业大数据研究团队 团队负责人孔宪光 团队成员 团队简介 该团队现有教师25人，顾问8人，博士研究生11人，硕士研究生70余人，形成了一支机械、数学、计算机、管理等学科交叉融合，数字化、可靠性、健康管理、仿真、统计分析、大数据、人工智能等技术交叉融合团队。承担了国家科技重大高端装备专项、国家发改委大数据专项、国家工业互联网平台专项、工信部智能制造项目、教育部、国防科工局、军委装备发展部、国家自然基金、省科技统筹创新及国际合作交流专项、省教改项目等，获得了省科技进步奖、省教学成果奖等，授权受理专利40多项，软件著作权近20项。 建立了陕西省电子装备虚拟仿真实验教学中心，陕西省研究生联合培养示范工作站（西电-上海航天精密机械研究所可靠性与虚拟仿真人才培养示范工作站），西电-800可靠性试验与仿真联合实验室，西电-美国堪萨斯州立大学质量大数据联合技术研究中心，西电-紫光
云引擎工业互联网与工业大数据联合研发中心，西电-顶逸轨道交通及工业大数据联合实验室，西电-中铁盾构工业大数据联合技研究中心，并与国际知名的工业大数据机构IMS紧密合作。中心积极开展产学研合作，与航天800所、空军装备研究院、中铁一局、西电集团、中兴通讯、航天15所、中电29所、中电27所、中电深科技、航空430厂、西门子、陕鼓、清华紫光、网易、新华三等公司在内的10余家单位建立了密切合作关系。参加中国信息通信研究院主办的首届工业大数据创新竞赛，阿里云-天池工业大数据竞赛，取得了不错的比赛成绩。 围绕国家智能制造与中国制造2025的军民重大需求，中心正逐步将智能制造成果拓展应用于航空航天、电子电器、高端装备智能制造、城市地下空间工程智慧建造等领域，推动中国工业转型升级，培养新工科跨学科人才，致力于产学研成果转化并成为国内有影响力的智能制造与工业大数据研究中心！ 人才、重要成果及奖项 1.国务院政府特殊津贴专家、陕西省有突出贡献专家：仇原鹰 2.华山学者讲座教授、美国辛辛那提大学杰出教授：李杰 3.兼职教授、上海航天800所副所长：李中权 4.兼职教授、西电研究院总经理：康鹏举 5.兼职教授、西安交通大学教授、博导：王军平 6.陕西省智能制造专家委员会委员，陕西省大数据与云计算创新联盟理事，陕西省信息技术标准化技术委员会委员，陕西省军民融合专家
工业大数据在工业企业中的典型应用介绍 工业大数据可广泛应用于企业整个生产过程。下面按照企业生产过程的研发设计、供应链、生产制造、营销与服务环节，对工业大数据的应用场景及其应用进行探讨。 4.1 研发设计环节工业大数据的应用场景 在研发设计环节，工业大数据应用主要有产品协同设计、设计仿真、工艺流程优化等。 产品协同设计，主要是利用大数据存储、分析、处理等技术处理产品数据，建立企业级产品数据库，以便不同地域可以访问相同的设计数据，从而实现多站点协同、满足工程组织的设计协同要求。 设计仿真，是指将大数据技术与产品仿真排程相结合，提供更好的设计工具，减少产品交付周期。如波音公司通过大数据技术优化设计模型，将机翼的风洞实验次数从2005年11次缩减至2014年的1次；玛莎拉蒂通过数字化工具加速产品设计，开发效率提高30%。 工艺流程优化，主要是应用大数据分析功能，深入了解历史工艺流程数据，找出工艺步骤和投入之间的模式和关系，对过去彼此孤立的各类数据进行汇总和分析，评估和改进当前操作工艺流程。例如一家排名前五强的生物药品制造商广泛收集与工艺步骤和使用材料相关的数据，应用大数据分析技术，来确定不同工艺参数之间的相关性，以及参数对产量的影响，最终确定影响最大的9种参数，针对与这9种参数相关的工艺流程做出调整，从而把疫苗产量增加了50%以上。 4.2 供应链环节工业大数据的应用场景
供应链环节工业大数据的应用主要体现在供应链优化，即通过全产业链的信息整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本。主要应用有供应链配送体系优化和用户需求快速响应。 供应链配送体系优化，主要是通过RFID等产品电子标识技术、物联网技术以及移动互联网技术获得供应商、库存、物流、生产、销售等完整产品供应链的大数据，利用这些数据进行分析，确定采购物料数量、运送时间等，实现供应链优化。如海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。 用户需求快速响应。即利用先进数据分析和预测工具，对实时需求预测与分析,增强商业运营及用户体验。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。 4.3 生产制造环节工业大数据的应用场景 在制造环节，工业大数据的应用主要有智能生产、生产流程优化、设备预测维护、生产计划与排程、能源消耗管控和个性化定制等应用。智能生产。就是生产线、生产设备都将配备传感器，抓取数据，然后经过无线通信连接互联网，传输数据，对生产本身进行实时监控。
长春汽车产业开发区 长春汽车产业开发区位于长春市区西南部，总体规划面积120平方公里，由24平方公里建成区和96平方公里发展区构成。建成区及周边地区具有雄厚的汽车产业基础：一汽大众、一汽解放、一汽轿车等多个主机厂，300多家汽车零部件企业及多家汽车改装企业构成了国内外知名的汽车制造企业集群；一汽技术中心、中国机械工业第九设计院、吉林大学汽车学院等构成了国内汽车研发教育机构最密集地区；全国最大的汽车零部件交易集散地、东北地区最大的汽车、二手车交易市场等构成了完善的汽车后市场服务区。 [发展目标] 具体经济发展目标是：2006－2007年，为起步发展阶段。GDP达到130亿元，年均增长速度在38％以上。完成起步区基础设施的主体框架，提高综合配套能力，进一步扩大汽车产业规模。 2008－2010年，为快速发展阶段。GDP达到300亿元，汽车工业产值达到1000亿元，年均增长速度在35%以上。完成起步区开发建设，形成集研发、制造、物流、贸易、服务于一体的强势产业集群。 2010年－2020年，为全面发展阶段。完成118平方公里的开发建设，形成汽车产业支撑体系，建成具有国际影响力的汽车产业基地。 经国务院批准，长春汽车产业开发区于2011年1月7日正式晋升为国家级开发区，同时更名为长春西新经济技术开发区。 吉林长春：长春绿源西新工业区31个汽车零部件企业 新华网长春９月３０日电（马扬、李双溪、卫丽媛）２９日，在吉林省长春市汽车产业开发区成立五年之际，记者从反映开发区成果的大型图片展上了解到，开发区成立五年以来，推动了长春市汽车产业的快速发展。 据介绍，建区五年内，长春汽车产业开发区ＧＤＰ累计实现８１５亿元，财政收入累计实现７８亿元，工业总产值累计实现２５１６亿元，每年增幅３８％。 五年来，汽车区通过招商引资，使加拿大麦格纳公司、日本丰田公司、纳铁福传动轴、德国伟巴斯特、日本东机工、日本光洋等世界５００强企业和国内外知名品牌企业纷纷到汽车区投资兴业。 目前，汽车区内拥有一汽大众、一汽解放、一汽丰越等多个主机厂，以及包括“亚洲最大的锻造航母”一汽巴勒特铸造有限公司、一汽四环股份、杰克赛尔空调、一汽铸造、一汽模具中心等３００多家汽车零部件企业及多家汽车改装企业，可生产变速器、减震器、底盘、内饰件等５０００多个品种。此外，区内还形成了日系汽车零部件工业园、欧美工业园、新能源及汽车电子工业园等多个特色园区，这些特色园区给欧美日的车企带来了更加宽松的发展空间。
基于工业大数据的智能制造企业形态探索 高海燕 （重庆海王仪器仪表有限公司，重庆401121） 摘要：随着物联网、大数据、人工智能等前沿技术的发展及快速迭代，企业在一波又一波技术浪潮下也在不断转型升级以求更快更好地适应大的环境。本文深入浅出地分析了制造企业尤其是中小型制造企业在制造过程中如何基于工业数据驱动产品结构、制造模式、人才结构、市场模式及组织结构等方面的转型以及最终形成的以云端智能交互为中心的企业形态。 关键词：物联网工业大数据智能制造转型升级云端智能交互 Seaching on the Formal of Intelligent Manufacturing Enterprises Based on Industry B ig Data Abstract: As the rapid development of technology of IoT, Bigdata and AI, all the enterprises are transforming and upgrading their own companies to applied to the new environment. This article analyses the transformation of manufacturing enterprises and especially the small and medium sized manufacturing enterprises which involved in product structure, manufacture mode, human resources structure, marketing mode and company structure. And airEC will be the ultimate formal of business organization. Key words: IoT Bigdata Intelligent Manufacturing Transformation airEC 中图分类号：文献标识码：文章编号： 0 引言 2015年5月8日国务院印发了《中国制造2025》，同时把《中国制造2025》列为我国实施制造强国战略第一个十年的行动纲要。新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点。基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革；网络众包、协同设计、大规模个性化定制、精准供应链管理、全生命周期管理、电子商务等正在重塑产业价值链体系；可穿戴智能产品、智能家电、智能汽车等智能终端产品不断拓展制造业新领域。我国制造业转型升级、创新发展迎来重大机遇，未来企业的存在形态将是何种方式，本文提供了一种创新的思路。1．制造企业现状 劳动力短缺、成本增加、产能过剩及全球经济的疲软制约了企业的发展，来自全球的竞争在逐渐蚕食着中国“世界工厂”的地位。低端制造正快速从中国向其他低成本国家转移，而高端制造向发达国家回流对中国制造企业来说无疑更是雪上加霜。面对种种压力，转型升级已经成为企业的当务之急。基于互联网技术的产品创新、精益制造、柔性生产以及供应链集成，成为中国制造业发展的主基调。在中国制造业下行压力及结构调整阵痛下，企业生产经营困难增多，转型升级需求将更为迫切。第三平台技术的加速落地及物联网、机器人、3D打印等创新加速器的潜力释放将成为制造业两化融合和转型升级的关键，同时也促进企业在组织结构、产品结构、制造模式、人才结构、市场模式等方面的转变以及最终形成的以云端智能交互为中心的企业形态。
中国汽车制造业国际竞争力分析 【摘要】汽车产业已经越来越成为现阶段中国经济的支柱产业和主要经济增长点，类似于房地产业有着牵一发动全身的拉动作用。一方面具有较高的科技含量和制造工艺水平，但入世以来随着外资和先进技术的引进，中国汽车产业及国际贸易也面临着巨大的市场竞争压力。本论文在前人的探索研究基础上，主要对中国汽车产业竞争力建立论述分析框架，并对现状进行针对性的分析以及与国外先进国家进行比较总结。文章目的在于阐述我国目前该产业现状，参考国际上对汽车产业的评价体系研究，对提高中国汽车产业国际竞争力提出自己的分析举措与建议。文章主要是从国际竞争力的三个方面产品、企业以及行业三个角度进行实际的分析，进而对中国汽车产业国际竞争力现状水平做出判断，并就提高中国汽车业国际竞争力及贸易水平提出自己的建议。 【关键词】汽车产业比较优势国际竞争力国际贸易
Analysis on the International Competitiveness of Chinese Automobile Manufacturing Industry Abstract：Automobile industry has increasingly become a pillar industry of China at this stage the economy and major economic growth point, similar to the real estate industry has led to launch a systemic stimulus. On the one hand we have a high technology content and level of manufacturing process, but since the WTO With the introduction of foreign capital and advanced technology, Chinese auto industry and international trade also faces enormous pressure of market competition. In this paper, based on previous exploration and research, the main Chinese automobile industry to build competitiveness analysis framework and targeted analysis of the current situation and compared with the advanced countries. This paper aims to set forth the current status of the industry in China, the reference to international studies on the automotive industry evaluation system, improving the international competitiveness of Chinese automobile industry make their own analysis of initiatives and proposals. Mainly carried out from three aspects of international competitiveness, products, companies and industries such as the angle of the actual analysis, and thus the level of Chinese auto industry internationally competitive status quo to make judgments, and to improve the international competitiveness of Chinaese auto industry and raised the level of trade own suggestions. Key words：Automobile industry comparative advantageinternational competitiveness international trade
提升汽车制造业供应链的核心竞争力 【摘要】在时代潮流的背景下，分析并提出汽车制造业供应链核心竞争力不强的原因，由此引出对企业供应链核心竞争力的相关思考．并简单的指出提升供应链核心竞争力的相关有效途径。 【关键字】汽车制造业；供应链管理；核心竞争力 1引言 随着经济全球化进程的加快,企业面临的压力也越来越大。为了适应市场竞争，现代企业更注重培养核心技术以及与其它企业建立合作关系，共同为在最短的时间内满足客户的需求而相互协作。在此背景下，供应链管理应运而生。供应链管理作为一种新的管理理念与模式，正日益受到企业管理理论界和企业运作实践层面的普遍关注。尤其是企业ERP管理日渐成风、现代信息技术发展越来越成熟后，供应链管理的诸多优势逐步显现出来。如大家所熟知的，供应链管理可以降低企业成本，节约交易费用、增值产品价值等。由此，供应链管理被认为是企业管理创新、增强企业核心竞争力的关键举措。从一定意义上来讲，管理就是有效配置资源、对目标实施考核与激励。供应链管理的核心也就在于有效配置供应链上各企业及企业内部的资源，对供应链实施有效的考核与激励，这也就是供应链协调机制研究的核心或者说是企业供应链协调的核心内容。 汽车制造业是国民经济的支柱产业，随着全球经济一体化的发展，全球性加工业、制造业正在向中国和东南亚转移，以中国和印度为代表的亚洲汽车产业的崛起改变了汽车生产格局，提升了新型汽车产业国家在世界汽车制造业中的地位。世界上三大传统汽车市场北美、西欧和日本市场的汽车需求已趋于饱和，中国已成为仅次于美国的全球第二大汽车市场。中国汽车消费潜力巨大，世界汽车市场发展的潜力在中国。这就为中国汽车行业的发展提供了良好的发展机遇。同时，中国汽车制造业也面临严峻的挑战，国际汽车巨头纷纷进入国内市场，加剧了汽车业的竞争，使得汽车企业面临着空前的压力，如降低成本、缩短交货期、提高产品质量、提升创新能力、改善服务水平等。基于这样的机遇与挑战，本论文从整个供应链合作关系的全局考虑，试图增强整条供应链的核心竞争力。 2供应链核心竞争力的内涵 2.1供应链管理 20世纪80年代以来，生产技术、信息技术的发展，制造生产率已经提高到相当高的程度，制造加工过程本身的技术手段对提高整个产品竞争力的潜力开始变得很小，人们在生产制造环节降低生产成本的空间也越来越小，于是人们开始
工业大数据驱动智能制造 随着产业互联网和智能制造时代的到来，工业大数据技术将成为制造业转型升级的重要引擎，是驱动研发设计、生产过程、管理经营、服务运维智能化的关键要素 5月5日15时19分，一架在后机身涂有象征天空蓝色和大地绿色的大型客机，潇洒稳健地降落在第四跑道上。这是一个历史性的时刻――它标志着中华民族百年的“大飞机梦”终于取得了历史性突破。而C919的下线以及首飞，不仅仅是一个产品的成功研制，更是一种新模式新体系――智能制造的实践检验。 2015年5月，国务院印发《中国制造2025》规划，部署全面推进实施制造强国战略。规划提出，以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向。 智能制造是一系列热点技术的总称，它是基于物联网、大数据、云计算等新一代信息技术，贯穿于研发、设计、生产、管理、服务等制造活动的各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。 智能制造具有以智能工?S为载体、以关键制造环节智
能化为核心、以端到端数据流为基础、以全面深度互联为支撑四大特征，其目标是缩短研发周期、降低运营成本、提高生产效率、提升产品质量、降低资源能耗。 C919大型客机成功首飞意味着中国实现了民机技术集群式突破，形成了我国大型客机发展的核心能力，其中就包括工业大数据技术。 中国商用飞机有限责任公司信息化中心主任王文捷介绍，大飞机一次飞行产生的数据量达到10个TB的量级，也就是说至少20台500G大硬盘的电脑才能装得下。而中国商飞公司，不仅要成功研制自主知识产权大飞机，还要成功运营大飞机制造商，从适航试飞到供应链管理，分分秒秒、日新月异的大数据堪称天量。 专家表示，设计图纸将成为过去，飞机完全是在数字世界里设计的，3D几何数据模型以数字模型的形式呈现飞机。数字化样机将含有制造所需的全部信息，不仅含有产品几何体，而且还含有制造产品所需的信息，比如材料、技术要求、包含的标准件、授权发布的文件等。在装配阶段，数字化装配技术将实现飞机装配建模、装配序列建模、装配路径规划和装配过程分析。 为此，中国商飞已经新合并成立信息化与管理创新部，并专门下设数据处，用数据驱动创新。如今，中国商飞建立起以零件号、版次、物料组等为基础的编码标准，给大大小
关于大数据分析在企业管理中的应用探讨 【摘要】随着国家经济的迅猛发展，大数据互联网技术也伴随经济改革的大潮，得到了快速发展，人们的日常生活充斥着无数的信息数据，因此大数据分析技术也应运而生。在云计算技术强大运算能力的支持下，迅速扩大了大数据的使用范围。本文通过分析传统企业管理存在的问题，引出大数据在企业管理中的应用策略，并阐述了其产生的积极效果。 【关键词】大数据分析；企业管理；应用策略 在企业管理过程中，如何选定合理有效的战略方案，需要通过大数据技术进行系统的分析。比如分析企业周围的环境，协助企业做出正确的战略判断，对企业的信息有一个准确系统全面的把控，合理的规范指导企业行为，并最终最大限度的实现企业利益。大数据能够准确分析市场需求以及管理环节出现的问题，并构建相应的模型，为企业做出正确决策提供科学的依据。 一、运用传统办法管理企业存在的问题 1.容易产生错误的企业决策 管理者一般对传统的企业决策有着非常大的影响，对企业的决策往往是依靠自身敏锐的直觉、丰富的管理经验以及精准的判断力。以往，决策者往往能依靠自身的经验做出争
取的决策，促进企业的发展。但是现如今随着现代化进程的深入发展，产生了大量的没有规律且非常复杂的数据，人力难以进行准确全面的分析，此时如果依旧沿用传统的决策方式，势必会产生决策上的失误。 2.缺乏对市场需求变化的把控，导致其产品缺乏竞争力 企业在产品生产过程中制定的战略决策，主要是依据市场的发展形势以及客户的需求变化。传统企业主要是依靠诸如问卷分析、市场调查资料以及用户的体验来分析供求关系。但随着经济的快速发展，人们的需求时刻再发生着不同变化，这些传统搜集情报的方式已经无法适应当代企业发展的需要，而且搜集的内容难免会显得片面。并且伴随全球化进程加快的影响，外国企业生产的产品大量充斥到国内市场上，加剧了市场竞争。鉴于此，企业传统的分析方法已经无法跟上时代发展的步伐了。 二、如何在企业管理中发挥大数据的有效作用 1.战略决策管理与数据挖掘 知识的发展过程主要依循数据的选择清理，数据仓库的预先处理以及对模型的选择，而大数据在管理决策上的应用，就是将获取的信息通过假设检验的方法转化为知识方案的 过程。在数据挖掘技术领域，能够发现很多对企业决策有帮助的数学模型，可以将这些数学模型存储到信息库当中，在进行问题讨论以及做出企业计划或决策的时候，可以非常方