车企大数据如何应用
大数据在汽车制造行业的应用1
大数据在汽车制造行业的应用在当今快速发展的汽车制造行业中，大数据技术已经被广泛应用来协助优化汽车制造过程、提高生产效率和降低成本以及改善用户体验等问题，这些问题对于汽车制造商非常关键。
下面将介绍大数据在汽车制造行业的应用。
1.质量控制方面的应用大数据可以帮助汽车制造商识别和减少质量问题，并提高产品的质量。
利用大数据技术分析生产过程中生成的大量的车辆和零部件数据，制造商可以以独特的方式进行分析处理，快速定位和发现产品制造中的潜在问题，并确保及时进行调整和解决。
2.生产效率和优化方面的应用大数据可以协调生产系统，以帮助汽车生产商巨大的提高生产效率。
汽车生产过程中，每个阶段都会产生大量的数据，比如车辆质量、生产线运作数据、物料采购、员工信息等等。
利用大数据技术，能够通过实时监测生产过程，追踪数据，识别问题，避免延误或停滞并进行快速反应。
3.预测性维护方面的应用大数据技术还可以帮助优化维护过程，提高汽车制造的效率和可靠性。
通过收集和分析汽车运行数据和传感器采集的数据，并基于算法生成模型，在车辆保养方面实现更加敏捷和高效的模式。
在新车销售前，车辆制造商就可以将维护计划整合到车辆制造中，以保证正常服务。
4.大数据在营销方面的应用大数据技术在汽车制造行业中的应用也包括了以获得更好的让潜在客户，谁可能会购买汽车的目标市场，以提供更准确的广告。
从信息的角度，制造商可以在社交媒体上收集人们的打卡，进而分析客户的偏好、需求等信息，配合现代化的数字营销策略，有效地提高营销效果和客户满意度。
总之，大数据技术在汽车制造领域的应用不仅可提高生产效率和产品质量，以及降低成本，更重要的是，它可以为汽车制造商提供预测性的维护和优化服务，提升客户体验。
汽车制造商将继续利用大数据来优化运营，在未来创造更高质量、更高效能和更加具有吸引力的汽车。
大数据在汽车制造行业的应用
大数据在汽车制造行业的应用随着大数据技术的不断发展，它在汽车制造行业中的应用也越来越广泛。
大数据技术为汽车制造商提供了一种新的方式，使他们能够更加精确地预测市场需求、优化汽车设计、改善生产效率和提高客户满意度等方面。
以下是大数据在汽车制造行业中的一些典型应用：一、市场需求预测利用大数据技术，汽车制造商可以利用市场调查、网络搜索和社交媒体等数据源来更好地了解市场需求，并更准确地预测未来市场趋势。
通过这样的分析，制造商可以更好地制定产品开发策略，推出符合市场需求的新车型，并进一步提高销售额和市场占有率。
二、汽车设计优化利用大数据技术，汽车制造商可以对汽车零部件和系统进行更加准确和全面的测试，以研究其性能和效率。
此外，利用大数据技术，汽车制造商还可以从海量数据中学习并理解有关汽车设计和工程的最佳实践，从而更好地管理整个汽车生产过程，并通过优化设计来提高汽车的性能和质量。
三、生产效率优化汽车制造商通常在生产过程中需要准确监测汽车部件的制造和装配信息，以便调整生产流程和确保高品质汽车的生产。
利用大数据技术，汽车制造商可以更准确地监测生产流程中的每一个细节，并从生产数据中提取有价值的信息，以帮助自动化生产流程、优化生产过程，从而缩短生产周期，降低成本并提高生产效率。
四、客户满意度提升对于汽车制造商来说，客户满意度是成功的关键因素之一。
利用大数据技术，汽车制造商可以收集来自车主的反馈，例如电话、邮件、社交媒体和在线反馈等，分析这些反馈信息，并及时采取行动以解决问题和提高客户满意度。
利用大数据技术，制造商还可以通过深入了解客户需求并制定相应的产品和服务策略来增强客户愿意购买其产品的兴趣。
五、主动安全性能优化采用大数据技术，汽车制造商可以利用各种传感器和系统（如车身控制单元、制动系统、制动盘、轮胎传感器等）收集大量行车数据，包括车辆速度、方向和驾驶员行为等。
这些数据可以用于分析和预测车辆的状态，并改善汽车设计和安全功能，从而实现更高的主动安全性能。
大数据分析在汽车行业的应用
大数据分析在汽车行业的应用随着科技的不断进步，大数据分析逐渐成为各个行业的热门话题。
在汽车行业，大数据分析已经发挥了重要的作用，帮助企业做出更准确的决策，提高产品质量和用户体验。
本文将探讨大数据分析在汽车行业的应用。
一、市场调研与预测大数据分析使得市场调研和预测变得更加准确和看得见。
通过收集并分析海量的数据，企业可以追踪消费者的购车偏好、对不同品牌的满意度以及市场的需求趋势。
这些数据可以帮助汽车企业了解市场竞争状况，优化产品定位和研发策略，从而提高市场占有率。
二、产品设计和改进大数据分析在汽车产品设计和改进中起着关键的作用。
通过分析用户的购车和使用数据，企业可以了解用户的需求和偏好，并根据这些数据来优化产品设计。
例如，通过分析用户的驾驶习惯和行车数据，汽车企业可以改进车辆的燃油效率和安全性能，提高用户的体验。
三、供应链管理供应链管理是汽车行业中的一项重要挑战。
大数据分析可以提供全面的供应链数据，帮助企业更好地掌握供应链的运作情况。
企业可以通过分析供应商的数据，了解供应链的瓶颈和风险，从而制定合理的采购和配送策略，提高供应链的效率和可靠性。
四、营销和售后服务大数据分析在汽车行业的营销和售后服务中有着广泛的应用。
通过分析用户的消费行为和偏好，企业可以精准地进行个性化推荐和广告定位，提高市场营销的效果。
同时，通过分析车辆的故障数据和用户的反馈，企业可以及时发现和解决问题，提供更好的售后服务。
五、智能驾驶和车联网智能驾驶和车联网是汽车行业的未来趋势，而大数据分析是实现这些目标的重要手段。
通过分析海量的驾驶数据和路况数据，企业可以提供更智能的驾驶辅助系统和交通指引，提升车辆的安全性和驾驶体验。
同时，大数据分析还可以为车联网提供更精准的数据支持，实现车辆之间的互联互通。
六、车辆维修和预防性维护大数据分析在车辆维修和预防性维护领域也发挥着重要的作用。
通过分析车辆的传感器数据和维修记录，企业可以提前发现和预测可能发生的故障，并进行相应的维修和保养，减少车辆故障率和维修成本。
大数据在汽车行业中的应用与创新
大数据在汽车行业中的应用与创新近年来，大数据技术的发展和普及在各个行业都产生了巨大的影响。
在汽车行业中，大数据不仅提供了更准确的预测和决策支持，还为创新带来了更多机会。
本文将探讨大数据在汽车行业中的应用与创新。
一、大数据在汽车行业中的应用1. 数据驱动的行车体验升级在车载设备中搜集和分析的大数据可以为车主提供更加安全、便捷、智能的行车体验。
例如，通过分析交通拥堵数据，导航系统可以为驾车提供最佳路线选择，减少行车时间和燃料消耗。
此外，车辆诊断系统也可以通过实时监测数据来预测潜在故障，并提醒车主进行维修保养，提高车辆的可靠性和耐用性。
2. 智能化的制造与供应链管理大数据的应用使汽车制造商能够实现智能化的生产和供应链管理。
通过对生产线上的数据进行监控和分析，汽车制造商可以及时发现生产中的问题，并进行调整，提高产品质量和生产效率。
同时，供应链中的各个环节也可以通过大数据的分析来实现精细化管理，减少成本和库存。
3. 营销与售后服务的个性化大数据技术为汽车企业提供了更准确的市场洞察和个性化服务。
通过分析用户的购买偏好和行为数据，汽车企业能够向潜在用户提供更精准的营销推送，提高销售转化率。
同时，通过对车辆使用数据的分析，汽车企业可以为车主提供个性化的售后服务，提高用户满意度和忠诚度。
二、大数据在汽车行业中的创新1. 数据共享与合作大数据的应用促使汽车制造商和智能交通系统供应商之间的合作趋势增加。
通过共享车辆使用数据、交通情报数据等信息，各个参与方可以进行更加准确和高效的决策。
例如，汽车制造商可以借助智能交通系统的数据来优化车辆设计和驾驶体验，智能交通系统供应商也可以借助汽车制造商的数据来提升交通管理效率。
2. 智能驾驶技术的推动大数据的应用为智能驾驶技术的发展提供了持续的动力。
通过搜集和分析大量的车辆行驶数据，智能驾驶系统可以不断学习和优化，提高行车安全性和舒适性。
此外，大数据的应用也为智能驾驶技术的验证和规范提供了依据，促进了智能驾驶技术的商业化推广。
大数据在汽车行业的应用案例
大数据在汽车行业的应用案例大数据在汽车行业的应用案例：1. 驾驶行为分析：通过对车辆的大数据进行收集和分析，可以了解驾驶员的行为习惯，如加速、刹车、转向等。
这些数据可以用于评估驾驶员的安全性能，并为驾驶员提供个性化的驾驶建议。
2. 故障预测和维修优化：通过对车辆传感器和故障诊断系统产生的大数据进行分析，可以预测车辆的故障和维修需求。
这可以帮助汽车制造商和维修服务提供商优化维修计划，减少车辆故障对用户的影响。
3. 车辆安全监控：利用车辆传感器和摄像头等设备产生的数据，可以实时监控车辆的行驶状态，如车速、转向角度、车道偏离等。
这可以帮助驾驶员和车辆管理者及时发现潜在的安全问题，并采取相应的措施。
4. 交通拥堵预测和优化：通过分析车辆的实时位置数据和交通流量数据，可以预测道路的交通拥堵情况，并提供优化的交通导航方案。
这可以减少驾驶员的通勤时间和燃料消耗，提高交通效率。
5. 车辆定位和防盗：利用车辆的定位系统和数据分析技术，可以实时追踪车辆的位置，并在车辆被盗时提供警报和追踪功能。
这可以提高车辆的安全性，减少车辆的损失。
6. 车辆健康监测：通过对车辆传感器和车辆状态数据进行分析，可以监测车辆的健康状况，如发动机的工作状态、车身结构的损伤等。
这可以提前发现潜在的故障和问题，并采取相应的维修措施，减少车辆故障的发生。
7. 驾驶员行为评估：通过对驾驶员的驾驶行为数据进行分析，可以评估驾驶员的驾驶能力和安全性。
这可以用于驾驶员的培训和评估，提高驾驶员的安全意识和驾驶技能。
8. 智能驾驶：大数据在智能驾驶领域的应用非常广泛，包括自动驾驶、自适应巡航控制、车道保持辅助等。
通过对车辆传感器和其他车辆数据的实时分析，可以实现车辆的自主驾驶和智能交通系统的建设。
9. 电动车充电优化：通过分析电动车的充电需求和充电设备的使用情况，可以优化电动车充电站点的布局和充电策略，提高充电效率和用户满意度。
10. 车辆保险定价：通过对车辆的行驶数据和驾驶员的驾驶行为进行分析，可以为车辆保险公司提供更准确的定价策略。
大数据在汽车行业的应用案例
大数据在汽车行业的应用案例随着科技的不断进步和大数据技术的广泛应用，汽车行业也开始充分利用大数据分析来提升效率、改善用户体验，并推动行业的创新发展。
以下是几个大数据在汽车行业应用的案例。
一、智能驾驶和无人驾驶技术大数据在智能驾驶和无人驾驶技术方面发挥着关键作用。
通过收集车辆传感器和外部环境数据，车辆可以实时分析路况、交通状况和行车习惯等信息，从而做出相应的决策。
例如，谷歌通过收集全球范围内的汽车数据，帮助自动驾驶汽车学习和适应各种驾驶场景，提高安全性和驾驶效率。
二、预测性维护和故障预警大数据分析技术可以帮助汽车制造商和维修商进行预测性维护和故障预警。
通过监测和分析车辆传感器数据、车载系统数据和实时路况等信息，可以预测车辆部件的寿命和故障风险，并提前采取相应的维护措施。
例如，特斯拉使用大数据分析来监控电池寿命和车辆性能，提供更准确的维护建议和优化方案。
三、智能导航和交通优化利用大数据分析技术，汽车导航系统可以实时获取交通流量、道路条件和车辆位置等信息，为驾驶者提供最佳的路线规划和交通优化建议。
例如，百度地图通过分析海量用户数据，可以实时预测交通拥堵情况，并向驾驶者提供更快捷的路线选择，减少交通拥堵时间和燃料消耗。
四、车辆保险和风险评估大数据分析对车辆保险和风险评估也起到了重要作用。
通过分析车辆的驾驶行为、路况、车辆状况和历史事故数据等信息，保险公司可以更准确地评估每个驾驶者的风险水平，定制个性化的保险方案，并提供更合理的保费计算。
相比传统的统计分析方法，大数据分析可以提供更全面、精确的风险评估和保险定价。
五、个性化用户体验和智能服务大数据分析技术可以帮助汽车制造商和销售商了解用户习惯、兴趣和需求，从而提供更个性化的产品和服务。
通过分析用户的行为数据、社交媒体数据和购买记录等信息，汽车公司可以推荐最适合用户的汽车配置和功能，提供智能化的驾驶辅助和娱乐系统，并实现与其他智能设备的连接和互操作。
综上所述，大数据在汽车行业的应用案例丰富多样，从智能驾驶到用户体验，从维护保养到保险评估，大数据分析技术为汽车行业带来了巨大的变革和创新。
大数据分析在汽车行业中的应用
大数据分析在汽车行业中的应用近年来，随着大数据技术的迅速发展和普及，大数据分析逐渐成为汽车行业的重要一环，许多汽车厂商和相关企业开始将大数据技术应用于汽车的生产、销售和服务等领域。
本文将从几个方面介绍大数据分析在汽车行业中的应用。
一、生产制造在汽车制造过程中，生产线上产生的大量数据包括装配过程中的数据、生产设备的数据、机器人的控制数据等，这些数据可以帮助汽车厂商优化生产过程、提高生产效率和质量。
比如通过对生产线上数据的分析，可以发现生产问题并及时改进，优化生产过程，从而提高汽车制造的效率和质量。
另外，大数据还可以帮助汽车生产企业预测订单量和市场需求，进而安排生产计划，减少库存和减少生产成本。
二、销售市场在汽车销售市场中，消费者购买汽车的决策也离不开大数据的支持。
汽车厂商和销售商可以通过分析汽车购买者的行为数据，以确定不同地域和不同人群的消费者习惯和需求，为其提供更好的服务和产品。
同时，大数据还可以通过互联网渠道收集消费者反馈和意见，帮助汽车企业更好地了解消费者的需求和行为，及时调整产品和服务，提高客户满意度。
三、售后服务汽车行业的售后服务中也离不开大数据分析的应用。
汽车厂商和维修厂可以通过大数据技术及时收集和分析汽车故障信息和维修数据，通过数据模型优化售后服务和配件供应，提高售后服务效率和质量。
同时，大数据还可以将汽车的使用情况和维修情况进行记录和跟踪，帮助汽车厂商根据车辆使用情况和维修情况及时推出更好的保养和维修服务，为用户提供更好的服务体验，并加强用户忠诚度。
四、自动驾驶在自动驾驶领域，大数据分析的应用也非常广泛。
通过多个传感器收集的大量数据，包括车辆传感器和地图数据等，可以利用大数据技术对车辆的行驶轨迹、避障路径等进行分析和预测，从而使自动驾驶系统得到优化并提高安全性和稳定性。
此外，大数据还可以通过收集和分析驾驶员的行为数据，帮助驾驶员提高驾驶技能，降低驾驶风险。
总结起来，大数据分析在汽车行业中的应用影响巨大，影响着汽车产品的制造、销售、服务及未来的发展方向。
大数据应用在汽车行业的案例分析
大数据应用在汽车行业的案例分析随着科技的发展和数据的积累，大数据在各行各业的应用越来越广泛，汽车行业也不例外。
大数据的应用为汽车行业带来了许多创新和改变。
本文将从以下几个方面对大数据应用在汽车行业的案例进行分析。
一、大数据在汽车生产中的应用案例1. 数据驱动的智能制造通过大数据的收集和分析，汽车制造商能够实现全面数据驱动的智能制造。
例如，通过对生产线上的传感器数据、物流数据和员工数据进行分析，生产商能够实时监控生产过程中的各个环节，实现生产调度的优化，提高生产效率和质量。
2. 智能质量控制利用大数据技术，汽车制造商可以对产品质量进行实时监控和预测。
通过对传感器数据、车辆性能数据和用户反馈数据的分析，制造商能够快速发现产品质量问题，并进行迅速的修正。
同时，大数据还可以帮助制造商分析产品质量的影响因素，优化产品设计和生产过程，提高产品质量。
二、大数据在汽车销售和营销中的应用案例1. 智能化的市场调研传统的市场调研往往需要耗费大量的时间和人力，而且结果不一定能够准确反映市场需求。
借助大数据技术，汽车销售商可以通过对社交媒体数据、在线购车平台数据和用户行为数据的分析，了解消费者的需求和偏好，为产品定位和市场推广提供科学依据。
2. 智能化的客户管理通过大数据的应用，汽车销售商能够实现对客户信息的集中管理和全面分析。
销售商可以根据客户的购车意向、购车行为和购车偏好，进行精细化的客户分类和定制化的营销策略，提高销售效果和客户满意度。
三、大数据在汽车维修与售后服务中的应用案例1. 故障预测与维修优化大数据的应用使得汽车制造商和售后服务提供商能够对故障进行实时监测和预测。
通过对车辆传感器数据、维修记录和用户反馈数据的分析，可以提前发现潜在的故障问题，并进行相应的维修和优化。
2. 智能化的售后服务大数据还使得汽车售后服务更加智能化和个性化。
通过对车辆维修记录、用户反馈数据和地理位置数据的分析，售后服务提供商可以根据车辆的具体情况和用户的需求，制定个性化的维修方案和服务计划，提高用户的满意度和忠诚度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
车企大数据如何应用  汽车商业评论
理想中的大数据，让它成为诗成为远方好了，我们还是着手眼下或者未来三五年的事
华思远邓明辉
从玄学到厌恶，再到中性，人们对大数据的认识经历了三个阶段。
第一阶段，认为大数据是玄学。
它很牛、很神，它什么都能做，没有它不行，未来全都是它的，你不懂它就会被社会无情抛弃，所有人都宣传他们准备或正在搞大数据。
第二阶段，发现大数据是在吹牛扯淡。
它其实就是服务器公司、数据库公司、硬盘公司、报表软件公司、科技公司炒作的噱头罢了。
它来得很慢，它成本很高，它并不能迅速带来直接的好处。
想要数据又大又快，那么数据很难做的很深，无法基于这些肤浅的数据深入洞察；想要数据又大又准，这得花时间，想想我们企业最小的生理需求——期末编制财报要几天？想
要数据又快又准，那么覆盖的广度又有问题；想要数据又大、又准、又快，则需要花很多很多钱。
第三阶段，大数据成了一个中性词。
理想中的大数据，让它成为诗成为远方好了，我们还是着手眼下或者未来三五年的事：把基础数据梳理好、把标准搞好；把核心系统的数据及
时性和准确性提高；把报表系统进行更新，使出报表的速度从一周提升到一天以内。
造成这段曲折的，其实是源于大数据前面的“大”字。
但无论怎样，“大”还是会被继续沿用。
对车企而言，何谓我们的大数据？销量不过100万辆的企业有没有“大”数据？我们的供应链、生产、财务数据算不算大数据？车主的购物记录、社交媒体上的印记属不属于我们的“大”数据？交通、天气是不是我们的“大”数据？
我们认为，车企大数据应用的重点，不是在于如何获取更多的数据，而是围绕业务目标和具体的业务问题，基于一定的数据分析，来解决问题、达成目标，体现数据的价值——这和“大”没有直接关系，甚至有点远离“大”，而强调小、深、精。
1大数据可以解决哪些问题
排在首位的，当属营销和销售问题，这与营销效果、客户行为分析、客户体验提升、客户保留有关，这一领域也是当前关注和投入最多的部分。
在发展中国家，汽车需求主要来自初次购买者，车企对客户保留计划的关注非常少。
但随着时间推移，当市场变得成熟时，换车的买家比例也会增加，此时，稳定的客户保留就变得至关重要，它和可持续性增长有着直接的联系。
为了保留客户并促使他们再次购买，必须在接触品牌的每一个环节和阶段让他们感到满意。
通过数据分析，我们可以知道为此需要做些什么。
图：客户保留数据分析框架大数据还能破解供应链、质量及召回难题。
在车企的价值链条上，大数据分析可应用于人、财、物、研、产、供、销、服等各个子领域，其关键在于建立有效的数据分析价值体系模型。
在更高级的阶段，大数据还能够为决策方式和决策过程发展的新形态提供必要、必须的基础。
2大数据应用从哪里开始
大数据本身涉及的业务领域和技术领域都很广，在构建大数据应用时，应首先从企业的业务战略和IT战略出发，构建大数据应用的顶层框架设计。
主要包括以下几个领域：
战略：从业务目标、企业价值体系、业务痛点和IT规划入手，以明确大数据应用的定位、目标与策略，并制定大数据应用/平台建设路线图；
数据分析/价值模型：分析业务痛点，构建企业价值地图及数据分析模型，通过数据算法的运用，找到解决问题、实现价值的方法；
应用场景：结合市场和公司的发展，从企业价值链和客户生命周期入手，梳理大数据应用的业务场景；
技术平台：追踪技术发展趋势并结合企业内部各种应用系统，构建大数据技术平台，满足企业发展需要。
大数据应用的顶层框架设计对于企业而言相当重要，它直接
与公司战略、业务发展和IT系统建设相挂钩。
有了顶层框架设计，可以减少对数据资产的过度投资或者投资浪费。
3制定大数据战略
大数据战略的制定需要回答以下三个问题：IT如何摘掉只花钱不挣钱的帽子？未来的IT项目将会更加深入融合业务、推动业务，IT部门将不仅仅是企业的成本中心，通过对数据资产的深入利用，还将会促进业务变革与创新，甚至创造出新的业务模式，成为企业发展的新引擎。
4数据分析模型、数据价值模型
大数据之所以称之为大，第一个原因就是它信息量大、字节数大。
在人们大肆鼓吹大数据之前，车企的APO、PLM、ERP、SCM、CRM、SRM等系统产生的大量的数据，已经躺在机房的数据库里好久了，而且还在不断增加。
除了能拿来编制报表、展示在管理驾驶舱/仪表盘里，剩下恐怕只能被转移到久不使用的备份磁带上。
如何充分利用这些已有的数据，如何知道还缺哪些数据，使其被用来体现价值？需要建立数据分析模型以及数据能够
带来的价值模型。
大数据应用的重点是对数据模型和分析算法的运用，这需要IT专家、业务专家以及算法专家密切配合。
主要的工作重点包括：
业务理解与建模：基于大数据应用场景，识别关键业务挑战，
构建数据模型；
数据获取与清理（清洗）：识别模型所需的数据，以及相关的数据质量问题，对数据进行必要的清理使其满足模型需要；
数据存储与整合：从业务与IT两个角度构建数据存储模型，并对不同来源，不同结构，不同类型的数据进行必要的整合；数据挖掘算法运用：通过多种数据挖掘算法的运用，找寻数据表象之下的业务的真相以及问题的答案。
大数据分析建模不是简单的数据统计和汇总，所回答的问题也不仅是明确的因果性问题，更多的则是带有不确定性的相关性问题。
通过对多种来源的数据分析，发掘潜在的业务动因和模式，才能辅助业务决策，甚至驱动业务变革与创新。
图：企业价值地图与大数据价值模型
5车企大数据应用场景
和数字化转型类似，大数据的应用也有场景思维。
应用场景的设计，可以从企业价值链和客户旅程入手，沿着这个价值链条和客户旅程找寻业务需求、痛点及机会点。
以从客户旅程角度分析为例，在客户旅程的3大阶段中，我们至少可以梳理出18个业务场景，从这些业务场景出发，挖掘出众多数据分析应用场景：6自己玩还是和BAT们一起车企关注的大数据，一方面与汽车相关、一方面与用汽车的人有关。
这些数据分散在政府、供应商、经销商、维修店、
保险公司、科技公司以及车企手里。
为了分析客户、把握网上舆情、预测客户保养行为、分析不同客户带来的价值、为客户流失预警，仅靠车企自己的CRM 或者DMS系统、靠竞价排名、关键词过滤、人肉评论筛选够不够？为扩大销售机会，以每条几百上千的价格从三方平台购买线索值不值？自建垂直电商、自己充实门户内容还是依附第三方平台开旗舰店、赞助论坛？
显然，车企在大数据的生态中，是处于劣势地位的，我们必须以开放的心态与第三方数据供应商积极展开合作，以获得更准确更全面的用户信息。
(本文作者华思远为德勤管理咨询上海有限公司技术战略咨询合伙人，邓明辉为德勤管理咨询上海有限公司技术战略咨询经理)对本文有任何看法，请向下滑动去“写留言”吧！。