Начиная с прошлого года, вся российская промышленность подвергается значительным изменениям. Динамично меняются не только запросы клиента, но и сам рынок. В таких условиях компаниям приходится оперативно адаптироваться и внедрять новые, более современные решения в бизнес-процессы.
Использование цифровых сервисов становится трендом. Например, с помощью сервиса «GAZ Connect» владельцы и водители могут использовать самую различную информацию — от заправок, где есть кофе в подарок, до получения маршрутных листов и электронного документооборота, а Lada в сотрудничестве с ГЛОНАСС запускает сервис «Помощь на дороге». Таким образом, новые технологии все активнее внедряются в автомобильную отрасль.
Как собирать, анализировать и применять Big Data в автопроме
Цифровую трансформацию стоит начинать с маркетинга, ведь для любого бизнеса важно понимание поведения и привычек целевой аудитории. Благодаря этой информации можно предложить оптимальный продукт и построить долгосрочные отношения с клиентами.
Автомобили позволяют собрать массу информации — от геоданных до параметров мгновенной скорости. Кроме сбора, можно также анализировать данные, предоставленные системой диагностики, и на основе этих сведений делать выводы о стиле езды водителя и режиме его перемещения.
Еще интересней Big Data работает на объеме. Допустим, есть база на сто тысяч автомобилей. Построив и проанализировав карту перемещений автомобилей одной марки, можно определить примерные «типовые» привычки целевой аудитории. Более того, есть возможность вычислить, не перегружают ли водители автомобиль клиента, и в случае перегруза предложить ему машину с большей грузоподъемностью.
Важным моментом является тот факт, что с помощью Big Data даже получается спрогнозировать те или иные сбои в работе автомобиля, а затем запланировать их ремонт. Это очень удобно для компаний, которые занимаются коммерческими перевозками, ведь для них каждая поломка — это простой и снижение доходов бизнеса.
Переходя к практической части, скажу, что работу с Big Data лучше разделить на следующие этапы:
Сбор и обогащение данных. Сбор происходит через подключение автомобиля к платформе. Обогащение обычно делают из внутренних систем компании: бухгалтерских, производственных и других. Также возможно использование и внешних систем. Например, может понадобиться информация о штрафах для оценки качества эксплуатации автомобиля.
Анализ данных. На данном этапе проводят кластеризацию — отделяют определенные группы и смотрят, что в них происходит. Так, можно создать несколько подгрупп: автомобили с различной интенсивностью эксплуатации, автомобили, на которых постоянно превышают скорость и т. д.
После этого делают вывод о том, что общего между автомобилями, находящимися в одной группе, определяют, какие между ними могут возникать зависимости и проверяют, есть ли какие-то общие параметры. Находя их, необходимо повторить этот круг с анализом, но уже с собранными данными.
Следует отметить, что горизонт применения подобной информации достаточно широк, поскольку выводы на основе анализа структурированных данных и бизнес-модели по монетизации собранных неструктурированных данных могут быть абсолютно разными.
Например, если клиент приобретает машину в Trade-In и качество эксплуатации автомобиля высокое, то почему бы не дать ему какой-нибудь бонус? Или, допустим, он оформляет автокредит, и вы видите, что при эксплуатации прошлого автомобиля владелец не нарушал ПДД и продал/продает его в отличном состоянии. Почему бы в таком случае не предложить ему более выгодные условия кредитования? Все это возможно благодаря работе с Big Data.
Новый подход к безопасности клиентов через технологии Big Data
Как вы заметили, маркетинговые задачи — это далеко не все, что можно решить при помощи Big Data. Посмотрим на примере с тем же перегрузом.
На основе трех-четырех параметров можно отслеживать, насколько перегружен автомобиль, не имея встроенных датчиков. Для этого используется акселерометр, а также моментальный расход топлива и мощности. Эти показатели анализируются сначала при заезде на пустом автомобиле, потом — на загруженном, а после этого высчитывается разница между ними.
Впоследствии появляется возможность вовремя сообщить клиенту о перегрузе, который может негативно сказываться на безопасности поездок и качестве дорог, а также нести за собой штрафы и потребность в ремонте.
Оповестить клиента здесь и сейчас очень важно. Нередко бывает так, что водитель по своей инициативе перегружает автомобиль, а владелец об этом даже не подозревает. Также, если проанализировать стиль езды, возможно даже определить вероятность наступления ДТП.
Как дела с инфраструктурой и кадрами, необходимыми для работы с Big Data?
Для того, чтобы работать с Big Data, в первую очередь должна быть готова инфраструктура. Когда компании начали двигаться в этом направлении, то столкнулись с отсутствием необходимых условий. На это повлияли и санкции, и уход с рынка большинства европейских поставщиков.
Также для внедрения в работу технологии Big Data нужна готовность сотрудников к инновациям. Такие решения должны поддерживаться на всех уровнях в компании. Чтобы были люди-драйверы, которые «болели» бы за это день и ночь, а не просто доказывали эффективность этой технологии.
Сегодня автомобильная промышленность и бизнес в целом находятся в поисках стажеров, выпускников вузов по программам машинного обучения с применением современных технологий. И запрос на таких специалистов с каждым годом только увеличивается, потому что использование Big Data не просто экономит деньги, но и оптимизирует многие бизнес-процессы компании.
