從歷史發展的角度來看，國際一流汽車企業的發展歷程都經受了數次的環境變化、市場波動、質量危機、創新需求的考驗，也都通過多次的質量改進、升級，不斷提升質量管理水平，進而持續提升產品競爭力。從最初的福特大批量生產，發展到豐田的精益生產模式，全球汽車產業市場競爭中，因時制宜，找準符合時代需求的方向，才能完成產業的轉型與升級。
以智能制造為背景的今天，汽車企業面臨著更多的挑戰——更短交期、更高質量、更個性化的定制方案。全球汽車產業已發展超過百年，成為高度復雜的成熟產業，在自動化、信息化方面都處于較高水平，企業間在硬件設施方面的差距逐步縮小，競爭的側重點向運營管理轉移，以獲取持續優勢。相較于過去的“粗放型”管理，企業需要向“精細化”的管理過渡。
其中重要的一點，就是充分利用企業在物聯網時代獲取的大量數據，包括企業內部與市場、技術、質量等相關的數據，也包括來自企業外部的社交媒體、行業動態等數據。數據挖掘已經成為企業為自身把脈，及時調整優化業務流程及運營模式的重要決策依據，也是企業應對輿情及掌握市場動態不可缺少的得力工具。而面對浩瀚的數據海洋，如何對數據進行融合清洗，保證數據的正確性，繼而利用合適的查詢和分析工具快速、準確地為企業提供報表展現與分析，成為企業落實數據價值的重要一環。
問題一：BI在汽車行業的應用場景有哪些？
BI可以應用于制造工程，通過大數據與物聯網應用，提前對發現的潛在問題進行解決。比如對設備進行管理，包括設備使用情況及費用分析，設備的維修保養分析及預測；也可以對能源——如水電煤等的消耗進行管理，包括能源利用率，節能減排及潛力分析；還可以跟蹤工程更改訂單的執行情況及其過程中的費用使用情況。 
能源消耗趨勢
在質量管理過程中，BI可以提供一目了然的質量運行狀況，并基于趨勢分析提供標準報告模板；對產品的缺陷率進行跟蹤，如缺陷數目，并利用帕累托分析等來支撐質量部門解決特定的不良問題。每個缺陷都需要對應到相關的責任部門進行改善，并追蹤改善結果，切實可行的改善方案將存入知識庫中，便于知識共享及相關人員培訓學習，真正將企業的工程經驗沉淀下來，成為企業的技術財富。如果發現類似的問題，可以在知識庫中去查找，通過算法推薦解決方案。
缺陷率查詢
在生產采購方面，利用BI可以對供應商績效進行考核，依據各個供應商的響應速度、技術實力、成本、交付時效、質量水平等對供應商進行全面考核，遴選優質供應商。對生產采購流程進行監控，查看物流計劃與采購計劃是否匹配。
BI在生產采購方面的應用
問題二：觀數臺在汽車行業有哪些實際的應用案例？
移動互聯、云計算、物聯網等技術快速發展，數據總量呈現出指數型的增長態勢，數據來源也越來越多樣化。隨著數據的增多、需求的提高，如果采集到的數據缺乏合理的分析、梳理、追蹤，很難真正成為用于指導企業決策的活數據。正是基于此，新一代智能協同BI平臺——觀數臺可以成功串聯起企業各個部門數據，找出影響業務部門的瓶頸，還能通過深入挖掘，將企業多年的生產經驗沉淀為有用的工業知識，改善產品質量及生產效率。
從應用的業務部門來說，市場、計劃、研發、采購、物流、生產、財務、質量、銷售、售后等各個部門產生的數據都可以作為分析要素。
在生產環節，全面質量管理理論中的五個影響產品質量的主要因素“人機料法環”都可以作為切入點，實現質量水平的提升。以某汽車企業的實際應用為例，通過對比早班、晚班或者A班組、B班組的生產數據，以“人”作為研究對象，借助觀數臺強大的關鍵字過濾器及關聯搜索，查找與“人”相關的數據，包括工人年齡、工作年限、工位等數據，并基于關聯強度由強到弱排序。用戶可靈活拖拽相關因子，實時獲取相關數據的可視化結果。觀數臺提供豐富的顏色展現數據間的結構、因果、相關性等，企業可快速獲取數據間潛藏的邏輯聯系。通過觀數臺自助式分析，企業挖掘出生產效率與檢測質量有待改善的班組及人員，并針對性地加強教育培訓，從而最大限度發揮人員的潛在價值。
在質量環節，汽車發動機冷測試過程會產生很多參數，包括機油壓力，轉速、轉矩等，基于過去數百萬的發動機冷測歷史數據，通過觀數臺動態的數據關聯及全方向的數據查詢路徑，并結合機器學習來預測當前發動機冷測通過的概率，企業可以對數據關系理解更透徹，擺脫傳統慣性思維限制。對未通過發動機冷測試的失敗類型進行分類，采用大規模數據的算法優勢對異常值進行預覽和顯示，讓企業更好地洞察大規模數據集，揭示關鍵要素間的潛在聯系，指引企業通過跟蹤一些參數的早期變化來預測發動機測試的結果，從而在產品進入下一工序之前即對異常進行攔截與改善，持續提升產品質量可靠性。
汽車發動機冷測試
在售后環節，觀數臺可以幫助企業更好地完成售后質量追溯。通過對來自多個不同來源的數據集進行清洗、轉換，企業可以快速找出缺陷產品的影響范圍，如涉及哪一批零部件，涉及多少在制品、經銷商或者客戶，并且快速得到一個完整的信息視圖，幫助企業實現從零部件到汽車成品的整個生命周期的追溯。除了單個業務部門的應用，觀數臺也可以將各個業務部門的數據打通，實現部門之間的橫向聯動，協作共享。以工程變更過程為例，這一業務過程涉及到研發、質量、采購、制造、售后等跨業務部門協同，觀數臺可以跟蹤變更過程中的實時動態，讓項目責任人員及時了解業務狀態及瓶頸。通過與微信、釘釘、OA集成，項目參與者可以隨時隨地在任何設備上處理相關業務，實現協同。
問題三：汽車行業應用BI，應該從哪個環節入手？
汽車企業內部有大量的機會可以通過數據驅動業務流程優化和決策來創造經濟價值。在企業的任何階段都有大量數據價值有待挖掘，BI可以應用于企業的各個階段，對數據進行分析處理。由于每家主機廠的市場地位、發展階段不一樣，企業的業務重心也不一樣，需要針對各企業的實際狀況合理選擇切入點。
觀數臺在汽車行業具有十分豐富的經驗，擁有沃爾沃、大眾等在內的知名客戶，并且與客戶長期合作，見證了企業的成長壯大過程。結合這些企業的應用經驗，可以概括一些規律，供業內參考。
成長期的企業處于系統建設階段，各環節業務流程有待梳理，BI項目的重點在于梳理、規劃企業業務流程。
當企業發展壯大之后，系統建設、業務流程基本已完善，此時關注的重點在于把握市場機會，提升企業的市場地位。在這一時期，BI可以收集處理來自企業內部及外部競爭對手等的市場信息，為企業找準市場機會提供數據依據。
當企業市場保有量擴大之后，需要關注質量投訴問題。當今，消費者對汽車質量問題較過去更為敏感，借助社交媒體，負面消息能夠快速引發網絡輿論，給企業帶來不可估量的名譽損失。企業需要迅速應對，對相關問題產品進行質量追溯，找出受影響產品范圍，及時安撫客戶，防止事件不良影響擴大。
目前的觀數臺的客戶都非常重視質量問題，質量問題關乎著企業聲譽及可持續發展。BI既能夠幫助快速應對售后質量問題，又能應用于企業內部，對業務流程中的數據進行分析，迅速敏捷地發現各種業務場景中的質量異常，通過模型對質量進行預測，及時調整相應策略，防患于未然，減少不良品投入市場的可能性。
未來BI的應用趨勢是對需求的預測方面。隨著車聯網應用逐漸升溫，汽車行業的數據覆蓋范圍越來越廣，從車聯網平臺獲取的用戶行為及設備日志數據蘊藏的價值尚待發掘。如通過用戶行為來預測未來的用戶需求，提前做好市場布局，或者通過設備日志開展預測性維修，減少汽車路上意外拋錨，提升用戶滿意度。
總結
越來越多的企業開始意識到數據資產管理已然成為大數據時代中企業競爭力的重要來源。挖掘數據價值始終貫穿數據資產管理之中，這些是推動并最終改變企業行動的動力。觀數臺將為汽車企業挖掘數據價值、提升精細化管理水平提供極大助力。
