精华内容
下载资源
问答
  • sap数字化供应链系统解决方案,精细化工企业构建自动化运营管理模式.docx
  • 华为数字化运维运营体系设计方案,包括设计原则、目标和运维运营的具体设计内容,诠释了如何按阶段实现标准化、自动化、智能化的目标。
  • 推荐,最新网络安全运营方案和实践合集,共80多份 RSA2020安全运营报告(6份) 58集团漏洞治理设计与实践; 金融企业安全运营建设之路; 安全岛链云安全落地的新思路; 安全运营的艺术-唯品会第二届电商安全峰会议题;...
  • 如何搭建企业数据化运营体系?

    千次阅读 2019-07-10 14:59:56
    如何搭建企业数据化运营体系?这里有4项目标和7大原则 ...数据化运营更多时候是用来辅助决策的,而从常规企业决策路径中可以看到,从发现问题、确定目标、拟定方案、选择方案到决策执行,这是一个不断优化调...

    如何搭建企业数据化运营体系?这里有4项目标和7大原则
    在这里插入图片描述
    大家好,我是田健,今天和大家分享一下在数据化运营方面的心得:不忘初心,回归数据化运营。

    分享内容包括两个方面:一个是数据化运营的战略意义,另外一个是如何去建设数据化运营的体系。

    一、为什么要做数据化运营?

    数据化运营更多时候是用来辅助决策的,而从常规企业决策路径中可以看到,从发现问题、确定目标、拟定方案、选择方案到决策执行,这是一个不断优化调整的过程。

    1.传统决策方法

    当企业运营遇到极大问题的时候,我们通常会采取“内查外调”的方式去寻求解决方案。这些方法也可能会见效,一般都是3-5年的解决方案。
    在这里插入图片描述
    三种内查方法:

    (1)拍脑袋

    这样是我们在一些传统企业或夕阳产业经常见到的一种决策方法。但由于信息化发展迅速,依靠领导经验并不能为层出不穷的新问题带来科学决策依据,很多时候决策者也会迷茫,那就只好“拍脑袋”。

    (2)凭经验

    我们尊重每个人的阅历与经验积累,同时我们也很清楚,经验是把双刃剑,用好与用不好往往是一念之间。大数据时代已经让我们不能全屏经验去判断和决定一件事。

    (3)头脑风暴

    集思广益的方法,以更广的知识面与角度来弥补个体经验的不足,同时也会受到主观意识的误导。

    三种外调方法:

    (1)咨询公司

    内查无果的情况下,有实力的企业可能会找一些大的咨询公司进行业务咨询,基本都是千万级的咨询项目,这也不失为一种好的解决办法。

    但我们逆向思考一下,咨询专家到公司之后要做的第一件事是什么?

    调研,说白了就是要数据。因为他也不能凭空拍脑袋告诉你问题在哪儿,该怎么解决,咨询公司也是先掌握数据,借助数据化运营理论再去做行业对标。

    (2)参观学习

    外部调兵也可以用参观学习行业标杆、领域独角兽的方法,尝试业内领导者的发展思路和管理经验,像国网、中国移动在体系内就做的很好。

    (3)职业经理人

    企业原有领导团队已经无力掌握企业决策方向时,还可以有一些职业化的人进来,去帮助企业做运营,也就是职业经理人。但他们也是凭借经验来决策,如果经理人不成长、不进步,也就意味着企业没进步,这种方式依赖性较大。

    总的来看,用传统的方法做决策,有3个问题:周期长、任务重、见效慢。

    时间不等人、投资回报也必须考虑,在这样一个环境之下,其实我们忽视了一条低成本又高效的路:人人参与的数据化运营(量化经营)。最了解自己的莫过于自己,借助数据化运营的方法,其实我们能很大程度上解决问题,至少也能明确方向。

    而当前大部分企业不知道的是:该如何做。

    再来看一组数据,整个行业的发展方向,已经从IT向DT去转变了。如果我们现在看全球500强在信息技术能力投入方向上,他们对于数据分析的投入,每年的增加接近20%。

    在这里插入图片描述
    从这里面也能看出,我们在向行业独角兽学习时,他们却是在兢兢业业的做好数据化运营。这已经是大势所趋,也是为每个企业量身定做的一套解决方案。

    2.从数据运营角度看新零售与传统零售

    盒马鲜生大家应该不陌生,上海大概有17家,它的理念就是好好吃饭,用心生活。它有3个核心体验:30分钟送达、免费配送、一站式购齐。

    在这里插入图片描述
    周边3公里内,从下单到送达只有30分钟,并且顾客所需,可以在这里一站式购齐。

    近几年新零售炒的也很火,阿里、京东也都开始布局线下门店,构建体验式消费。新零售其实给广大消费者的生活带来了巨大的转变,我们都是其中的受益者。

    可是,为什么传统零售这么大的一个生态链没有任何一家能在生鲜领域超过盒马鲜生?

    在这里插入图片描述
    我们来一期剖析一下盒马鲜生的数据化运营之道。

    在我看来,盒马鲜生抓住了传统零售忽略的零售本质:商品+服务。把服务做到极致,把商品做到精准定位。

    (1)服务对象

    从服务对象来说,它瞄准了三类人群。家庭主妇、便利白领、周末带娃团。

    通过阿里的大数据能力,在门店选址过程中,就已经对周边消费全体做过精准的计算,全国47家的规模,缓慢开店的速度证明了他们精准营销的思路。

    (2)物流体系

    传统零售也有完整的供应链体系,也做源头采购。

    但传统零售对供应链、对物流的理解集中于店外运输,视野的局限性限制住了他们店内、店外完整物流体系可以打通的想象力。

    而盒马鲜生打造了盒马全链路数字化系统,除了店内有投资千万的自动化输送链外,基本每家店还配备了100人左右的快递小哥,并且盒马鲜生的利润负担得起这些投入。

    (3)运维团队

    单技术支撑就是500多人,而且不包括运维团队。

    (4)生鲜单价

    同品质商品,盒马鲜生的单价并不会高于市场价,它的收益来源更多的是服务增值及销量提升。

    从以上四个内容中,我们可以看到,盒马鲜生在这张生鲜新零售的战役中做了很多数据分析事情。

    比如目标消费群体。它不像超市一样,来者皆是客,而是精准的群体营销。所有门店的选址,都会根据阿里本身的信息收集手段,去分析周边有没有固定的消费群体,以及他们的消费水平。

    比如供应链成本的承担,它没有因为初期成本投入的巨大而放弃这个思路,而是综合核算及评估了它的可行性,进而在经营上独树一帜,创造了传统零售不可匹及的新模式。

    零售的核心课题没有变,就是商品+服务,新零售带给我们的增值是新技术能力的投入,比如无人体验店、刷脸支付等等。

    像物流效率、商品选品、集中采购的供应链,这些传统零售也都在做,但是之前他们在了解相关技术的时候,因为这个系统初期要投入太多资金,而被吓怕了,没有再进一步去验证一下,反而是根据经验判断做不了。

    现在盒马鲜生的事实摆在面前,之前不被重视的数据分析,在他们用好之后创造了新零售模式,而传统零售因为对数据化运营不够充分的认识,失去了这次机会。

    所以,我们思考一下,数字化运营带给大家的最大改变是什么?

    并不是传统的分析可以不做了,而是它能够带给你更灵活、更便捷、更科学、更具创新性的思维方式。

    数据化运营是需要从企业的决策、管理、执行层都要具备大数据思维。

    大数据思维并不是意味着你的数据量从TB级到PB级,而是要将更广泛的信息纳入进来,让我们专注于通过数据分析去决策和指导业务运营。

    二、如何建设数据化运营体系

    1.数字化系统建设的4项目标
    在这里插入图片描述
    (1)企业级的自助式分析平台

    企业要做数据化运营,需要企业自上而下所有人员,包含决策者,认可进行数据分析。

    我们希望带来的转变,是要具备数字化运营思维,不是沉浸在以前固有的经验之中。这样企业全员应用的数据分析需要建设一套企业级的自助式分析平台做支撑。

    (2)统一数据标准

    数据整合,统一入口;全业务链条,完整分析流程;数据质量标准化,数据口径标准化等。

    (3)行业数据应用咨询赋能

    培养业务人员数据分析思维,协助业务人员发现数据中的异常问题并做数据探索。模块化开发,提升业务人员工作效率。

    (4)智慧分析、决策的窗口

    打通业务端到端的全过程分析链条及管理流程;深度分析与统计分析结合,完成数据分析闭环。这是我们最终的目标。

    2.建设过程中的难题
    在这里插入图片描述
    (1)数据分散

    数据源种类非常多,如业务人员自有的Excel考核数据、ERP、财务、人资、业务等多个业务系统。

    但数据口径、分析粒度、字段细致程度各异,难以汇总,同时数据分散大量有价值的数据未形成闭环,导致众多高价值数据被忽视。

    (2)业务不知如何分析

    对业务人员来说,需要掌握的分析不需要高深,懂点统计学,会看同环比、排名就足够了。因为数据价值的发挥,并不代表分析模型有多高级、多复杂。

    能够对业务有指导意义,或者是让你找准方向,这就已经是发挥价值了。

    (3)框架能力缺乏

    这也是一个技术瓶颈。业务人员因为要专注于业务,所以他要进行分析的工具和方法,一定要便于掌握。

    也就是说平台的框架能力,一定要具备,而且是依赖于IT同事去支持的。

    (4)缺少过程指标

    比如说我们做电商时候,每个人浏览电商网站的时候,都会有一些行为习惯。以前我们无法知道页面停留时长和来源,现在大家可以慢慢把这一部分数据补充进来,进而去完善指标体系,将过程指标也引入进来。

    3.解决难题的7个原则

    面临这些问题,我们可以考虑如何去解决,这其中有几个非常重大的原则可供我们参考。

    (1)领导关怀和全员参与

    全员参与是最重要的,事务的推动需要领导的支持,而全员参与指的是数据化运营,领导必须要参与。

    他不需要去制作报表,但是他要起到带头作用,他的思考方向和指导政策,都要用数据说话,起到带头作用。

    (2)小步快跑

    大数据的数据量太大、太庞杂,每个人的业务岗位都可以是数据价值的创收点,这些信息并不是厂商和领导能带给你的。

    我们建议小步快跑,就是要发挥企业内几乎所有人的力量,集思广益去看哪些地方可以创收,在探索和摸索中寻找适合自己的那条大数据道路。

    盲目的建大数据项目,重构指标体系,建复杂模型是前几年长干的几件烧钱的事,它不能决定是否真的能将数据价值发挥出来。

    (3)平台易用

    希望全员都能够参与进来,如果平台的易用性很差,就意味着只有IT的同事能参与进来,我们无法让业务的同事更加积极地参与进来。

    (4)咨询赋能

    业务人员需要的一些专业技能,包括数据分析的方法论,这也是客户友好合作的基础。

    数据分析也需要专业化,对于业务人员更加需要良好的指导,通过咨询形式为他们附能尤为必要。

    (5)体验为王

    盒马鲜生试图将生鲜购物的体验做到极致。

    我们做数字化运营也要做到极致,不仅是操作层面,也包括需求响应、应用灵活。

    (6)变通/创新

    新零售“新”在创新,但它的本质不变。我们做价值创新的时候,也不要把以前认为不重要的东西抛弃。

    而是把数据拉出来,先去分析,看一下,组合一下,就可能得到你想的要结果。在这个过程中注意成果的落地。

    (7)协作机制

    从业务到IT,从IT到业务,形成良好的数据分析闭环更有利于数据价值的积累与落地实现。

    这就是我们在建设数据化运营体系中我们需要去关注的7个原则,更多是体现在一些注意事项和每一步都注意遵照着去做,只有环环相扣才能为最终数据价值发挥带来更强劲的动力。

    不忘初心,回归数据化运营。借助大数据技术、数据思维意识,将数据化运营落实到每个角落,让全员都参与进来,对数据价值引起足够的重视,才能更好的摆脱困境,在新的市场竞争环境下先人一步。

    希望我的分享能给大家带来一些启发。谢谢大家。

    (注:本文根据永洪数据科学研究院 田健 于7月14日在2018大数据技术峰会演讲整理)

    释放数据价值,人人都是数据分析师

    展开全文
  • 文丨e-works原创专题在国外的制造业发展过程中,工业自动化在其生产中占据着重要一环,其每单位的工业机器人比率都远超过国际55的标准,但国内制造业自动化应用则远落后于这一标准,我国在工业自动化的道路上任道而...

    文丨e-works原创专题




    在国外的制造业发展过程中, 工业自动化在其生产中占据着重要一环,其每单位的工业机器人比率都远超过国际55的标准,但国内制造业自动化应用则远落后于这一标准,我国在工业自动化的道路上任道而重远。


    1

    自动化改造 大势所趋




    1. 提高生产效率

    2. 降低劳动成本

    3. 节能减排

    4. 降低了工人的劳动强度

    5. 提升产品质量及稳定性

    6. 缩短产品生产周期


    2

    切勿走进自动化改造5大误区




    1

    ---引入机器人就是进行自动化升级改造!


    机器人的应用是自动化升级改造最具代表性的一个方面。但不等于能解决一切问题。气动液压控制及非标设备自动化也是实现自动化非常重要的手段之一。尤其针对一些特殊应用,机器人不能解决的,非标自动化设备才是答案。自动化升级改造,切不可只盯着机器人看,多种渠道才是最好。

    2

    ---机器人买回来就能用


    机器人作为智能设备,并非简单安装调试即可使用。如果忽略机器人的开发(或二次开发)与应用,将会导致许多机器人买回来用不上或使用不当。拿机器人与体育运动员来做个类比,一群好运动员(机器人)加上一个好的教练(系统集成商)才是让整个球队(企业)获胜的关键。

    3

    ---自动化升级改造可以一步到位


    真正的自动化升级改造,并非一个简单工位或是机器的更换就能完成,而是一项极其复杂的系统工程。自动化改造需量力而行,从比较成熟的自动化技术开始,从工厂急待升级改造的部位入手,逐步进行,切不可追求一步到位。

    4

    ---任何工序都可用自动化设备替代


    采用自动化生产线进行生产的产品应有足够大的产量;产品设计和工艺应先进、稳定、可靠,并在较长时间内保持基本不变。并非所有工序都适合进行自动化改造。在大批、大量生产中采用自动线有显著的经济效益。

    5

    ---实现自动化改造就是实现了工业4.0


    近来工业4.0及中国制造2025的概念非常火热,以致很多企业盲目跟风。制造业企业更应该关注的是实际技术与问题的解决方案。当发展到以信息为核心技术的广义管理自动化,工业4.0时代也将应运而生。


    3

    自动化改造方式与途径


    1
    自动化与信息化的融合

    未来企业需要根据市场需求,弹性地调整产能,实现个性化定制,制造出智能的产品。



    这不能仅依靠自动化技术来实现,还必须依靠信息化技术来解决业务层面的问题,为工厂赋予智慧,为市场决策、数据分析、判断、调控、质量管控、售后服务等提供依据和支持。自动化必须与信息化结合才能够发挥最大功效,否则单纯的自动化是没有意义的。


    2
    提高装备的智能化

    制造装备经历了机械装备到数控装备,目前正在逐步发展为智能装备。智能装备具有检测功能,可以实现在机检测,从而补偿加工误差,提高加工精度,还可以对热变形进行补偿。


    ABB推出的双臂机器人YUMI,就是智能型工业机器人的典范。


    ABB双臂机器人YUMI


    以往一些精密装备对环境的要求很高,现在由于有了闭环的检测与补偿,可以降低对环境的要求。智能装备一个最基本的要求,就是要提供开放的数据接口,能够支持设备联网。


    3
    提高生产线的智能化

    智能化生产线在我国制造企业的应用还处于起步阶段,但必然是发展的方向。


    西门子成都电子工厂总装线


    智能产线的特点是:


    在生产和装配的过程中,能够通过传感器或RFID自动进行数据采集,并通过电子看板显示实时的生产状态;能够通过机器视觉和多种传感器进行质量检测,自动剔除不合格品,并对采集的质量数据进行SPC分析,找出质量问题的成因;能够支持多种相似产品的混线生产和装配,灵活调整工艺,适应小批量、多品种的生产模式;具有柔性,如果生产线上有设备出现故障,能够调整到其他设备生产;针对人工操作的工位,能够给予智能的提示。


    4
    提高车间的智能化

    一个车间通常有多条生产线,这些生产线要么生产相似零件或产品,要么有上下游的装配关系。要实现车间的智能化,需要对生产状况、设备状态、能源消耗、生产质量、物料消耗等信息进行实时采集和分析,进行高效排产和合理排班,显著提高设备利用率(OEE)。


    新松机器人制造车间


    因此,无论什么制造行业,制造执行系统(MES)成为企业的必然选择。MES是一个车间级的综合管理系统,可以帮助企业显著提升设备利用率,提高产品质量,实现生产过程可追溯和上料防错,提高生产效率。


    5
    提高工厂的智能化

    仅有自动化生产线和一大堆机器人,并不是智能工厂。作为智能工厂,不仅生产过程应实现自动化、透明化、可视化、精益化,同时,产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业。


    智能工厂示意图


    一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心,对整个工厂进行指挥和调度,及时发现和解决突发问题,这也是智能工厂的重要标志。智能工厂必须依赖无缝集成的信息系统支撑,主要包括PLM、ERP、CRM、SCM和MES五大核心系统。大型企业的智能工厂需要应用ERP系统制定多个车间的生产计划,并由MES系统根据各个车间的生产计划进行详细排产。


    4

    制造业生产线自动化改造案例


    1
    走进华为荣耀全自动化生产线!

    在华为荣耀3C第400万台下线庆典暨荣耀3C 4G首发品鉴会后,华为荣耀破例公开了其位于东莞南方工厂的生产线,向外界展示其独一无二全球领先的设备!




    包括美国原装进口的超精准MPM双轨印刷机,世界领先的Camelot dispensing点胶机,全自动化手臂控制的整机测试、全自动无人驾驶运货车,以及正在研制的领先的六台全自动化机械手组成的流线体设备,让人大开眼界。华为荣耀全球领先的生产工艺、手机品控的领先标准在其中展现的淋漓尽致。


    锡膏质量检测,以保证器件焊接质量


    据工厂技术负责人透露,目前还正在研制世界上最先进且独一无二的自动化线体设备,是由六台全自动化的机械手组成的流线体,该设备涵盖了从单板测试加载、全自动化分板点胶、整机音频测试、整机软件加载等工位的功能,可大大提升产品的质量一致性和生产效率,据悉一个流线体可减少工作人员50人左右,可谓强大至极。


    2
    美的自动化生产基地大揭秘

    夜里工厂灯关掉了,机器人依然在每个特定的工位不停歇地工作,有序地焊接、拧螺丝、按比例切割……机器人代替人工出现在生产流水线上操作,这不是科幻电影的情节,它真真实实地出现在美的中央空调的生产线上。




    通过重金投入,美的中央空调在合肥基地,打造了一个“数字化车间”。车间总体设计、工艺流程及布局均已建立了数字化模型,采用CAD、CAM等进行模拟仿真,通过ERP、PDM等实现规划、生产、运营全流程数字化管理。生产车间配置了数据采集系统和先进控制系统,生产工艺数据自动数采率达90%以上。




    此外,车间还采用三维计算机辅助设计(CAD)、设计和工艺路线仿真、可靠性评价等先进技术,使得产品信息能够贯穿于设计、制造、质量、物流等环节,实现产品的全生命周期管理(PLM)。


    目前,美的中央空调拥有顺德、合肥、重庆三大生产基地,已成为国内规模最大、产品线最宽、产品系列最齐全的中央空调生产厂家之一。


    3
    通用汽车智能工厂

    在位于上海金桥的上汽通用凯迪拉克工厂,总成车间里一派繁忙景象。




    “通用汽车所属工厂全都采用确保高精度制造的两大‘利器’——激光在线测量和三坐标测量仪,以及锻造高品质车身两大‘法宝’——超高强钢焊接技术和激光钎焊技术,利用高密度自动化焊接机器人和高柔性GEO pallet输送线,实现不到一分钟就能生产一辆白车身的高效率。”


    利用柔性生产系统,上汽通用的工厂可以在同一生产线上实现不同型号的发动机、变速箱的无缝衔接生产。




    “在生产过程中,过去单一功能的专机已被淘汰,代之以柔性化的随行夹具,可根据需要自动切换选择所需要刀具。通俗的说就是机器人根据程序夹持零件,实现智能化操作。”


    除了以上三个典型案例之外,还有西门子成都数字化工厂、工业自动化行业十大最佳工程案例等等!


    5

    自动化改造集成商盘点


    1
    上海明匠智能系统有限公司


    国内最早专业从事"工业4.0"研发及项目实施的企业,已成为国内知名智能制造系统集成商,拥有多年非标设备设计制造经验,丰富的智能工厂、智能产线与物流系统项目经验,涵盖产品全周期的数字化、智能化制造,拥有工厂级设备监控、分析、可视化远程推送等多种前沿技术。


    2
    武汉优力克



    公司成立于1997年,具有十数年丰富的行业经验,已成长为国内企业行业知名的系统工程公司,尤其在汽车自动化领域业绩卓著。


    3
    新松机器人


    隶属中国科学院,是一家以机器人技术为核心,致力于数字化智能制造装备的高科技上市企业。主导业务涵盖机器人核心零部件、系列机器人产品、行业系统解决方案、工业4.0等四大业务板块;新松机器人产品线包括工业机器人、移动机器人、洁净机器人、特种机器人和服务机器人五大类80余种机器人产品。


    4
    北京机械工业自动化研究所




    北京机械工业自动化研究所(简称北自所)创建于1954年,为国务院国资委监管的大型科技企业。致力于制造业领域自动化、信息化、智能化技术的创新、研究、开发和应用。为客户提供包括开发、设计、制造、安装及服务的整体解决方案。


    除了上面提到的还有苏州博众精工科技有限公司、上海永乾机电有限公司、中船重工鹏力(南京)智能装备系统有限公司、湖北三丰智能输送装备股份有限公司、上海海得控制系统股份有限公司......等等!





    做好一个PLC项目的全部过程(经验篇)

    可乐的工控技术1

    我们学PLC有时候是为了做项目,做项目需要做些什么步骤呢,学习什么知识点,看看老工程师怎么告诉你……

    一、做一个PLC项目的大体流程如下:

    1、熟悉好现场环境和工艺流程;

    2、设计出安全可靠的控制方案;

    3、画出电气控制原理图;

    4、确定好材料,制作材料物资明细表;

    5、编写PLC程序,组态监控画面,设计PLC 机柜接线图,并同时制作PLC机柜;

    6、沟通甲方,现场施工;

    7、现场调试,并完善工艺控制方案;

    8、组织甲方验收项目。

    二、PLC 设计原则

    1、最大限度的满足被控对象提出的各项性能指标

    为明确控制任务和控制系统应有的功能,设计人员在进行设计前,就应深入现场进行调查研究,搜集资料,与机械部分的设计人员和实际操作人员密切配合,共同拟定电气控制方案,以便协同解决在设计过程中出现的各种问题。

    2、确保控制系统的安全可靠

    电气控制系统的可靠性就是生命线,不能安全可靠工作的电气控制系统,是不可能长期投入生产运行的。尤其是在以提高产品数量和质量,保证生产安全为目标的应用场合,必须将可靠性放在首位,甚至构成冗余控制系统。

    3、力求控制系统简单

    在能够满足控制要求和保证可靠工作的前提下,应力求控制系统构成简单。只有构成简单的控制系统才具有经济性、实用性的特点,才能做到使用方便和维护容易。

    4、留有适当的裕量

    考虑到生产规模的扩大,生产工艺的改进,控制任务的增加,以及维护方便的需要,要充分利用PLC易于扩充的特点,在选择PLC的容量(包括存储器的容量、机架插槽数、I/O点的数量等)时,应留有适当的裕量。

    三、PLC设计的基本步骤

    在进行PLC控制系统设计,尽管有着不同的被控对象和设计任务,设计内容可能涉及诸多方面,又需要和大量的现场输入、输出设备相连接,但是基本内容应包括以下几个方面:

    1、明确设计任务和技术条件

    设计任务和技术条件一般以设计任务书的方式给出,在设计任务书中,应明确各项设计要求、约束条件及控制方式。因此,设计任务书是整个系统设计的依据。

    2、确定用户输入设备和输出设备

    用户的输入、输出设备是构成PLC控制系统中,除了作为控制器的PLC本身以外的硬件设备,是进行机型选择和软件设计的依据。因此,要明确输入设备的类型(如控制按钮、行程开关、操作开关、检测元件、保护器件、传感器等)和数量,输出设备的类型(如信号灯、接触器、继电器等执行元件)和数量,以及由输出设备驱动的负载(如电动机、电磁阀等)。并进行分类、汇总。

    3、选择PLC的机型

    PLC是整个控制系统的核心部件,正确、合理的选择机型对于保证整个系统的技术经济性能指标起着重要的作用。

    PLC的选型应包括机型的选择、存储器容量的选择、I/O模板的选择等。

    4、分配I/O地址,绘制I/O接线图

    通过对用户输入、输出设备的分析、分类和整理,进行相应的I/O地址分配,并据此绘制I/O接线图。

    至此,基本完成了PLC控制系统的硬件设计。

    5、设计控制程序

    根据控制任务和所选择的机型以及I/O接线图,一般采用梯形图语言设计系统的控制程序。设计控制程序就是设计应用软件,这对于保证整个系统安全可靠的运行至关重要,必须经过反复调试,使之满足控制要求。

    6、必要时设计非标准设备

    在进行设备选型时,应尽量选用标准设备。如无标准设备可选,还可能需要设计操作台、控制柜、模拟显示屏等非标准设备。

    7、编制控制系统的技术文件

    在设计任务完成后,要编制系统的技术文件。技术文件一般应包括设计说明书、使用说明书、I/O接线图和控制程序(如梯形图等)。

    PLC工程师

    四、PLC的选型

    选择适当型号的PLC机是设计中至关重要的一步。目前,国内外PLC生产厂家生产的PLC品种已达数百个,其性能各有特点,价格也不尽相同。所以,在设计时,首先要根据机型统一的原则来考虑,尽可能考虑采用与本企业正在使用的同系列的PLC机,以便于学习、掌握、维护的方便性,备品配件的通用性,且可减少编程的投资。在此基础上还要充分考虑下面因素,以便选择最佳型号的PLC机:

    1、PLC的功能

    在选择PLC时,首先应对系统要求的输入、输出有详细的了解,即输入量有多少,输出量有多少,哪些是开关(或数字)量,哪些是模拟量,对于数字型输出量还应了解负载的性质,以选择合适的输出形式(继电器型、晶体管型、双向可控硅型)。

    在确定了PLC机的控制规模后,还要考虑一定的余量,以适应工艺流程的变动及系统功能的扩充,一般可按10~15%的余量来考虑。另外,还要考虑PLC的结构,从I/O点数的搭配上加以分析,决定选择整体式还是模块式的PLC。

    在确定了PLC的输入量和输出量的点数及性质后,就可以进一步确定各种I/O模板的型号和数量。开关量I/O模板的规格标准有4、8、16、32、64点,点数多的模板,每点平均价格相对较低。对开关量I/O模板的外部接线方式可分为隔离式和汇点式,隔离式的每点平均价格较高。如果信号之间不需要隔离,应选用汇点式的I/O模板。在整体式PLC机中,各个I/O端子也有隔离式和汇点式之分,以满足不同电压等级的输入/输出器件的需要。

    2、PLC的功能

    要根据该系统的控制过程和控制规律,确定PLC机应具有的功能。各个系列不同规格的PLC机所具有的功能并不完全相同。如有些小型PLC只有开关量的逻辑控制功能,而不具备数据处理和模拟量处理功能。

    当某个系统还要求进行位置控制、温度控制、PID控制等闭环控制时,应考虑采用模板式PLC,并选择相应的特殊功能的I/O模块,否则这些算法都用PLC的梯形图设计,一方面编程困难,另一方面也占用了大量的程序空间。另外,还应考虑PLC的运算速度,特别是当使用模拟量控制和高速计数器等功能时,应弄清PLC机的最高工作频率是否满足要求。

    3、用户程序存储器的容量

    合理确定PLC的用户程序存储器的容量,是PLC应用设计及选型中不可缺少的环节。一般说来,用户程序存储器的内存容量与内存利用率、开关量I/O总数、模拟量I/O点数及设计者的编程水平有关。

    简单的估算公式:

    内存字数=(开关量I/O总点数+模拟量I/O点数 X 16) X 10

    式中:每个模拟量通道(或I/O点)相当16个开关量I/O点。在此基础上,可考虑留有20~25%的裕量。对于工艺比较复杂的系统,应适当增加存储器的容量,否则,当控制较复杂、数据处理量大时,可能出现存储器容量不够的问题。


    人工智能赛博物理操作系统

    AI-CPS OS

    人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


    AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


    领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

    1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

    2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

    3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

    AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

    1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

    2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

    3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

    4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

    5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

    AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

    1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

    2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

    3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


    给决策制定者和商业领袖的建议:

    1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

    2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

      评估未来的知识和技能类型;

    3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

      发过程中确定更加明晰的标准和最佳实践;

    4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

      较高失业风险的人群;

    5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


    子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


    如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


    新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。





    产业智能官  AI-CPS



    用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链




    长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


    新技术“云计算”、“大数据”、“物联网”、“区块链”、“人工智能新产业:智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市、“智能驾驶”新模式:“财富空间、“数据科学家”、“赛博物理”、“供应链金融”


    官方网站:AI-CPS.NET



    本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



    版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com




    展开全文
  • 从 0 到 1 打造企业数字化运营闭环(附 PPT 下载)

    千次阅读 多人点赞 2020-05-09 16:38:23
    综上所述,数字化运营企业现阶段破局的趋势,数字化运营主要包含数字化和精细化两大块,企业建立数字化运营体系和制度后,可对客户全生命周期进行数字化管理,对全业务流程进行数字化诊断和精细化价值提升。...


    中国移动互联网市场经过几年的高速发展,增速已经明显放缓。2019 年中,网民规模已突破 8.5 亿,互联网普及率突破 60%,人均每周上网时长约为 27.9 小时。市场竞争已经从增量用户竞争阶段逐步转化成为存量用户竞争的阶段。

    潘书荟  神策数据高级分析师

    曾就职于新加坡美股上市互联网公司 Sea Group,负责餐饮业项目数据基础体系搭建与数据分析。在神策数据负责银行业客户的咨询合作与深度交付,为多个银行项目提供方案支持与实施服务,累积了丰富的银行业数字化运营落地经验。

    在对接银行客户数据基础建设、指标体系搭建以及业务场景用例的同时,协助客户内部推行数据采集与管理规范并赋能数据运营团队掌握数字化运营的能力,系统地提升客户数字化运营的水平。

    本文内容主要围绕以下几方面:

    • 企业数字化趋势分析

    • 数据驱动的竞争力打造

    • 四大阶段建设方法与经典案例

    • 企业数字化运营落地实践

    温馨提示:文末阅读原文,可下载完整版 PPT

    一、企业数字化趋势分析

    1、人口红利逐渐消失,互联网进入存量竞争阶段

    中国互联网规模经济的两个基础指标——用户数量和用户,在最近一两年相继放缓了增速,甚至可以说触及了想象力的天花板。互联网活跃用户数量不可能超过人口总量,网民也不可能也不应该每天不吃不喝不睡觉地上网,天花板清晰可见。因此,对于互联网而言,新常态已成定局:人口红利消失、时长红利渐微,互联网竞争走向存量市场。

    随之而来的是竞争赛道的缩紧,各企业的竞争方向变成和所有的互联网应用竞争网民使用时长,在时长区间的竞争中,还存在各个同业企业的竞争,必然导致竞争越来越激烈。在如此严峻的背景下,企业必须进行改变以应对挑战——业务流与数据流融合建设,运营数字化、精细化。

    2、业务流与数据流融合建设,运营数字化、精细化

    首先是数字化,这与过去的单纯数据统计不同,数据统计已无法满足存量竞争市场的需求。如今的数字化主要体现在两个部分,一是数据驱动决策,通过数据帮助产品改进、运营优化、营销分析和商业决策,即 BI;二是数据驱动产品智能,基于数据基础嵌套算法模型,反哺结果数据给产品,使其拥有学习能力,完成自主迭代,即 AI。

    其中,BI 的作用不仅仅是做一个报表,给上级领导做汇报,而是通过 BI 及时和结构化的数据真正辅助产品改进、运营优化、深入营销分析和科学商业决策。AI 概念如今较流行,但从理念到落地需要很大的成本,对数据的基础建设有极高的要求。

    其次是精细化,强调基于深度的客户洞察提供个性化服务,实现精准营销、降本增效的目的,包含客户深度洞察和精细化运营两个方面。

    客户深度洞察的前提是通过打通全渠道用户数据生成用户标签、构建用户特征工程,深入了解用户行为习惯与消费偏好,从而引导企业更好地做精细化运营;精细化运营侧重基于客户的差异化特征、偏好与需求,定制差异化、个性化服务、产品与服务,提升客户体验和业务转化。

    总体来看,行业整体趋势是将业务流和数据流融合建设,从而达到运营数字化、精细化的最终效果。

    3、看不见,摸不着,数字化运营到底是什么?

    事实上,数字化运营的概念已经在各行业中普及,但目前为止没有一个标准化的定义。在这里,我引用了几个有价值的说法,并总结了几个关键词,如下图:

    准确、完备的数据。这是所有企业的数字化运营的基础。

    体系化、量化。如果企业无法体系化的评估业务,数字化运营可能是单点式的,为企业带来的价值会受限。

    运营各环节。企业不仅要关注运营结果,分析业务结构,也要把数字化运营理念和方法应用到运营各环节。

    降本增效。降低对传统线下重人工、非标模式的提高,提高线上化直接客户运营的能力,从而达到降本增效,提高企业效益的目标。

    企业制度与战略。之所以上升到战略高度,是因为数字化运营对外可覆盖用户全生命周期管理并起作用,对内可覆盖业务全流程,如通过优化用户体验,辅助识别隐藏的用户需求,从而驱动业务创新。因此,从企业制度与战略角度重视会使数字化运营更易从理念落地到实践,从而释放价值。

    4、数字化运营的价值与意义是什么?

    数字化运营的价值主要体现在四个方面:

    第一,促进用户活跃。通过精细化渠道触达、活动运营,提升用户访问频率与使用时长,有效增强用户对产品的价值认同与内容依赖。比如给用户提供更加有吸引力的内容,会提升用户活跃度、使用时长等指标。

    第二,优化用户体验。通过诊断产品可用性与易用性,改善产品感官体验与交互体验,提升独立用户与全局用户的满意度、忠诚度。

    第三,提升用户价值。通过建立用户分层体系,细分用户需求,了解用户业务偏好与消费习惯,对业务流程进行诊断,有效提升业务各环节的转化,提升用户价值。

    第四,驱动业务创新。通过整体性的用户需求与产品价值与需求度满足评估,定位业务运营困境,指导业务创新与竞争力提升。

    5、数字化运营落地的难点

    数字化运营的价值毋庸置疑,但少有企业能不断地释放价值,主要存在以下 3 个应用难点。

    第一,基础弱。如数据不准确、数据质量低、可应用性差;无法打通多应用系统,数据成为孤岛;运营离不开人,而市面上运营思维和数字化思维均具备的人才少,企业内部缺乏数字化运营人才导致落地难也是主要原因,因此,需要企业自己培养。

    第二,应用浅。如指标不科学、无体系;数据分析深度不够;缺乏业务洞察和建议。很多企业止步在有数据和看数据阶段,不知道如何把数据分析真正地转化成业务的洞察和建议。

    第三,没闭环。如企业通过数据分析找到一些业务洞察,但如果改进问题,会涉及到多部门协作,把数据洞察落地到实际业务便考验企业的协作机制和企业体制文化。此外,落地后的效果评估是否科学和智能直接决定释放价值大小,效果评估后,企业的持续迭代机制是否完善直接决定闭环能否有效运转。

    因此,很多企业深知数字化运营的价值,但无法将其释放。

    综上所述,数字化运营是企业现阶段破局的趋势,数字化运营主要包含数字化和精细化两大块,企业建立数字化运营体系和制度后,可对客户全生命周期进行数字化管理,对全业务流程进行数字化诊断和精细化价值提升。但如今,企业面临着数据基础弱、应用浅、没闭环的数字化运营困局。

    二、数据驱动的竞争力打造

    1、从需求出发,打造数据应用闭环

    具备数据驱动竞争力的企业一定是从业务需求出发的,因为最终评估企业竞争力的也是业务价值。

    从需求出发的数据应用闭环涵盖:业务需求、数据准备、数据应用、业务迭代、效果评估。

    业务需求。只有从业务需求出发的数据应用,才能最终应用到业务中并创造价值。值得一提的是,这里的业务需求意义广泛,技术部门也可能是数据应用的需求方,如技术部门提出给 APP 的稳定性做监测。

    数据准备。基于业务需求要做一定的数据准备,如果企业有相应数据只需整理数据逻辑,如果企业没有相应数据需要做对应的数据采集。

    数据应用。数据应用可以粗略分为简单的分析应用和数据产品化的应用,之后会进行展开介绍。

    业务迭代。当具备成熟的数据应用思路后,便可实际应用于业务迭代中验证。

    效果评估。通过业务迭代验证后的数据,可以通过数据分析进行效果评估,从而判断迭代方向是否正确。

    之后,基于效果评估或业务实际情况,又产生新的业务需求,从而不断地使闭环运转和完善。

    2、数据需求可以是什么?

    业务需求是数据应用闭环的第一步,也是最关键的一环。那么,业务数据可以是什么呢?

    整体上,可以划分为两个方面:一方面为单纯的数据分析应用,通过数据分析诊断业务流程问题,评估业务效果、指导业务迭代,主要是指导业务方向,并不涉及与产品打通或更改产品流程;一方面为数据产品化应用,通过数据二次开发将数据应用至产品流中,提高个性化程度,如智能推荐算法。

    3、数据分析应用的细分模块

    数据驱动精细化运营的细分模块主要可划分为以数据运营为基础,用户运营、产品运营、活动运营、内容运营四大方面,基于企业的性质、阶段、行业可能会存在一些差异。

    “数据运营”对以上四个模块的运营具有支撑和驱动的作用。在每一个模块的日常运营工作中,都可以运用数据运营的思路来达到量化评估、提升转化的效果。

    这里补充下:数据运营岗位和其他运营岗位的区别,以及如何建立职能划分?

    数据运营岗位主要承担两个职责:第一,沉淀企业内部方法论促进复用,如将某业务线的优质应用案例进行方法论的总结,并复用到下一次活动或其他业务线的实践中。第二,将数字化能力赋能给用户运营、产品运营等运营人员,从数据采集、处理、分析到应用的数据应用流程和思维的培养。

    我认为,数据运营的岗位可以有两种设法:一是融合在各个运营模块中,有一个专人负责该模块的数据驱动。这样做的好处是,专人负责更加了解业务,但是这依赖个人能力;二是一个单独的团队,在业务线有需求的时候驻场到各个业务线中去进行深度的合作。好处是便于行内知识沉淀和质量把控;坏处是业务理解能力可能不足。如果业务人员具备一定的数字化能力,建议业务线的数字化运营工作,由用户运营、产品运营、活动运营和内容运营的业务人员承担的效果会更好。

    下面详细介绍四个细分模块。

    (一)数据驱动用户运营

    在数据驱动用户运营上,主要有两个关键方面:

    一方面,我们需要了解用户生命周期价值,了解处在每一个生命周期的客户有多少,累计客户结构是否健康等;

    另一方面,在每一个阶段,进行客户的质量评估,这里可以借助一些关键指标去判断,比如新手期的“激活率”,成长期的“留存率”等。同时,每一个阶段都建设更细分的场景去做数据的深度分析。

    每一个环节,企业均可用对应的数据指标作为北极星指标衡量。

    举个例子,新手期的激活,是所有产品都会重视的一个分析场景。那么“激活”怎么定义,客户需要完成哪个步骤才算是激活?在这个过程中,注册、登录、实名认证的基础功能流程是否顺畅,我们设置的一些新手引导策略是否真正起到激励客户完成全流程的作用?比如,有一个金融企业在梳理产品新手激活流程时,发现最少的流程涉及 40 多个页面,发现问题后进行了注册流程的优化,注册率得到了有效提升。

    因此,在对基础功能做评估时,可以有一个完整的指标体系,来评估每一步的流程转化情况,如停留时长、输入框的操作便捷度等。

    影响激活率的另外的一个就是新手引导策略。企业可以通过产品化的方式辅助新手引导,如针对新用户在产品中设置第 1 天、第 2 天、第 7 天、第 30 天的触达活动,并通过数据分析的方式查看每个环节的推送效果,分析优化的效果提升等,定位优化点,从而指导迭代方向。

    下面将举两个具体的例子。

    (1)渠道质量分析

    很多企业的渠道分析由市场部负责。以神策数据来说,渠道质量分析可划分为几步:

    A.用户访问官网落地页直至线索生成的全链路行为打通

    如上图,神策数据的业务流程的第一步是在各大网站去投放 sem 关键词。第二步用户通过搜索关键词,点击到官网落地页,在落地页会引导用户到各个行业的 demo 试用,从试用 demo 的行业,也可以判断用户属于哪个行业,通过 demo 试用的用户,会在 CRM 生成线索。

    与业务流对应的数据流,第一步是在给用户搜索时投放的链接和关键词等会加上一定的渠道标记,以判断用户是来源于哪个渠道,哪个关键词,从而知道每个投放渠道和词的引流量。第二步,通过用户在官网落地页的行为追踪,如访问的功能模块、浏览内容等,从而可以分析跳出率、访问深度等。第三步,在注册 demo 试用环节,可以对注册试用的转化率、试用体验深度做追踪。第四步,在录入 CRM 线索时已经标记了线索渠道来源,再根据后续的追踪,分析不同渠道的线索转化率、客户转化率等。

    B.全面整合推广数据,甄别最优推广渠道

    在精细化的追踪上,通过转化和消费两个维度建立四象限进行渠道的评估,通过数据评估进行渠道和投放关键词的调整或增删。通过这个流程评估优化,在 2 个月内,最终 sem 投放的注册线索转化率提升了 20% 多,客户的留资转化率提升了 18%,这对 To B 企业节省了一笔很大的成本。

    (2)新增用户激活

    A.数据分析定位新增用户激活转化问题

    分析现状:在大多数情况下,陌生人社交产品是通过丰富的用户留资来进行社交匹配,因而留资注册转化环节十分重要。未走完注册的用户就不能浏览产品内容,所以注册环节转化率是用户获取的增长命脉之一。

    发现问题:某社交产品分析注册漏斗发现新用户的转化率大概在 50% 左右,也就意味着有一半的用户没能完成注册进入产品功能体验就流失了,远不如预期。通过细分维度查看,发现完善资料到提交环节流失较多。

    分析原因:通过产品框架研究和用户路径分析发现,用户在点击进入完善资料页后,需要上传头像,填写年龄,位置等个人资料才能进入产品页面,注册路径较长用户流失风险增大。

    将完善资料到流失用户保存成分群,进行用户注册时的行为路径分析,发现用户在完善资料时经常点击「完成」按钮,但因为他实际并没有填写好所有资料所以会遇到报错提示返回完善资料页,导致用户体验较差。

    改进方案: 产品团队遂开始进行新注册流程的设计优化,将原本单页面的完善资料页改良成多步骤型注册流程,用户单个页面完善一个资料,再通过点击「下一步」逐步完善,最后完成注册进入主页面。

    效果验证:经过改良后的新注册流程取得了非常好的效果,总体转化率提升了 90.7%,几乎达到了注册环节无流失。

    (二)数据驱动产品运营

    在上图中,引用了一张用户体验结构图。图中用户体验分为 5 个层次,每一个层次我们都可以通过关键指标来判断,通过相关策略,最终达到支撑我们用户体验提升的效果。

    这里值得一提的是战略层,战略层是比较抽象的一个层面。银行业科技产品会更偏向于“平台”型的产品,对于整个平台来说,哪个功能和产品带来价值最大,则进行资源倾斜。比如更多的曝光和更强运营策略。这需要将所有的产品、功能拉到一条线上,基于数据,用统一且公正公开的方法做价值的评估、贡献度的评估。

    以某金融企业为例。其 App 崩溃优化实现稳定性提升,引导信息优化实现业务流程转化提升。

    这里展示了分析闭环具体的实现方式:

    场景一,对 App 崩溃及每一次的崩溃原因进行数据采集,然后技术人员解析了崩溃原因后,针对性地进行代码优化。在三个月内,Android 端奔溃率下降 10%+,iOS 下降 50%+。

    场景二,住房贷是该企业比较重要的业务线,这个业务的办理流程是:搜索房子所在地-评估房子价值-进入贷款申请-贷款成果,通过漏斗分析发现第一步的转化率仅低于 30%。结合产品进行诊断后,发现是产品信息导向不明问题导致客户流失。通过优化引导语,明确产品交互,搜索转化率约整体提升了 4%+。

    以上只是金融企业中较小的应用场景,通过数据诊断发现问题,再针对性优化,最后通过数据指标评估效果。

    (三)数据驱动活动运营

    在活动运营的闭环里面,会经历以下阶段,分别是:设定目标——方案策划——技术实现——效果评估——策略优化,每个阶段都可以应用数字化运营。

    在设定目标时,结合客户的属性、行为偏好、价值标签、进行人群筛选;方案策划上可以参考历史活动不同方案的活动效果,进行活动方案的评估和调优;效果评估的环节,希望能够实时性地洞察活动触达面积以及最终的转化与业务贡献:在触达的客户中,有多少用户因为不感兴趣而直接关掉了活动落地页,又有多少用户按照引导流程完成了最终转化,整个流程都是可以通过数据访问量、转化率等指标去做衡量。

    以某在线教育企业为例。该教育企业需要进行活动效果评估诊断活动问题环节,迭代活动设计提升用户复购率。

    分析现状:由于补贴有成本,只有用户能够在整个生命周期内产生的价值大于补贴金额,平台才能提升收益,因此要观察用户的复购情况。

    发现问题:参与抢购的用户里有一批用户复购率很低。通过用户分群发现,购买首节课程的用户复购率偏低。

    分析原因:推测是因为购买首节后,如果想继续购买,则需要付全款购买全部打包课程,对用户来说其实是多付了钱。

    改进方案:对活动进行优化,凡是买了首节课程的用户,再购买全套课程时,都可以减免首节费用。

    效果验证:迭代后,成功让分群中的用户复购率翻了一倍,同时也有效地提升了整体的付费转化和 GMV。

    (四)数据驱动内容运营

    内容运营的重点是找到对的人、用对的方式、送达对的信息,通过三者的不断调优,找到最合适的、高效的运营策略。

    整体上,需要对每一类信息进行完整的管理,从对应的目标人群画像出发设置适用的信息。对业务整体的掌控也需要站在战略角度分析,以评估内容运营的优化空间。

    以某电商企业为例。

    分析现状。平台每日发放大量优惠券,但由于优惠券品类众多,统一发放的形式造成券打开率不到 1%,券核销率仅为 15%+,由优惠券带来的业务价值收益过低。

    制定策略。圈定用户:40 岁以下女性,近一周浏览口红商品但未下单的用户,推送口红类活动(Push 或霸屏页)。

    设定目标。1 天内完成支付;次要目标 1 天内加购物车,1 天内浏览商品详情,看整体的活动转化率。

    效果验证。券打开率提升 10 倍,从 0.4% 到 4%;券核销率提升 5 倍:从 16% 到 80%;每天有 60 多场营销活动,在后台自动触发;价值提升 10 倍计算过程。

    全量推:推 10 W人,打开 400 人,转化 60+ 人,平均每单 70+ 元。全量推送带来转化 4500 元。——10 W人带来 4500 元

    精细推:推 2W 人,打开 800 人,转化 640 人,平均每单 70+ 元,精细化推送带来转化 45000 元。——2 W人 带来 45000 元

    1/5 的推送人群,带来 10 倍价值收益。最终,实现了个性化运营、实时效果评估、降本增效的三大目标。

    总体上,在数据分析应用的方向,常见痛点为:数据基础弱、现有数据工具难以满足分析需求、数据分析深度不够、数据洞察到业务难落地。

    4、数据产品化应用

    数据产品化应用,可以分为产品内和产品外应用,如下为业务智能全景图:通道+粒度+时效性细分。

    有效运用数据分析挖掘用户特征与行为偏好,并将实时数据打通到业务流中,实现在产品站内信息展示、站外信息触达差异化、个性化,最终实现运营自动化、智能化。结构化来看,数据流结合业务流,可实现业务智能化。

    触发行为的逻辑主要为:做了 A,如开通信用卡,完成注册动作;做了 A,没做 B,如浏览理财详情页 5 次,半小时没投资;具备属性/行为特征,如理财产品即将到期等。通过这三种方式排列组合,企业可以对用户进行非常精细的分层。

    当目标用户分层清晰后,可以进行触达策略引擎的对接,企业可以和通道和营销系统打通,发送短信 / Push、发券/红包,同时,通过推荐策略引擎可以进行个性化展示,结合内容管理系统,可以给不同的人展示不同的内容,展示顺序和展示方式都可以不同,整体实现个性化运营,达到目标转化、分发效率、体验提升等。

    关于触达策略,以某金融企业为例。

    某金融企业进行自动识别业务流程转化流失步骤,及时触达激励用户转化。新客户开户是金融企业的关键流程,该企业对新客开户流程进行监测,针对进入流程后 30 分钟未成功开户的客户进行精准营销,自动发送短信推送,激励客户完成开户转化。

    关于推荐策略,以某社交产品为例。

    技术挑战:陌生人社交双向匹配生态下,推荐系统必须既要保证推出的 profile 是用户可能感兴趣的,并保证被曝光的 profile 用户也对点击用户有回关的可能性,对推荐系统召回策略的调试考验极大。

    神策数据的智能推荐系统自动基于地理位置、在线状态、兴趣偏好等信息,给用户推荐他们可能感兴趣的用户 profile。通过 HMF 深度召回模型+地理位置召回+热门召回+新用户召回,结合成熟且丰富的工程经验,有效提升了双向匹配率,增加了业务效益。其中,匹配指标比客户高 105%,远超验收 5% 要求,得到了客户技术方和业务方的高度认可。新用户次日留存、全体用户留存、人均在线时长、匹配人率均保持稳定表现。

    在数据产品化应用的方向,常见痛点为:数据基础弱、技术资源匮乏、精细化运营策略经验不足、反馈迭代机制效率低。

    综上所述,企业的数据驱动竞争力主要在谈论应用方式,包含分析应用和产品化应用,分析应用包含客户运营、产品运营、活动运营、业务运营等;产品应用主要涵盖触达和展示,对企业的技术实力要求相对高。

    数据驱动竞争力的打造需要从上至下的推动,数据采集不是目标,数据分析与数据应用才是最终目标。数字化运营的建设不是一朝一夕的事情,需要持续的资金和人力投入。通过试点先行,核心团队打磨,进行数字化运营闭环的效果验证,建立成功模式,进行模式复制。

    三、数据驱动四大阶段建设方法与经典案例

    数字化运营建设的实现路径:基于优质的数据基础逐渐深入,主要分为四个阶段,分别为有数据、看数据、分析数据、应用数据。

    1、有数据

    数字化运营的第一步是有数据,有数据不是单纯的将数据采集到数据库,是一个复杂的过程。桑文锋的《数据驱动:从方法到实践》中曾提到大数据具备四个特征:大、全、细、时。

    “大”强调大数据宏观的“大”,而非一味追求数据量的“大”,需要从系统的角度考虑进行数据采集。

    “全”指全量数据,而非抽样或者只有一部分环节的数据,强调多种数据源,包括前端、后端的数据,以及日志、数据库数据等,不要建立数据孤岛。

    “细”强调多维度数据,包括事件、商品的各种维度、属性、字段等。如用户看的商品属于什么类别、价格如何、原价及打折价如何等。

    “时”强调时效性,即实时数据采集和实时数据分析的价值。

    有数据的原则是强调从需求出发,先梳理应用场景,再梳理对应指标体系,最后再做数据采集。

    2、看数据

    看数据强调所有业务人员可以看到需要的数据,并进行一些可视化数据分析。

    主题指标看板,提供全行业务人员的大盘指标看板,涵盖全司的关键指标;同时提供主题指标看板,展示某一个职能或者业务线的关键指标。

    可视化分析模型,业务方能够日常进行自助式查询、标签创建。如果业务人员不具有基础取数能力,如按区域、版本、型号等查看业务情况,而依赖第三方的数据部门的支持,长此以往,数据时效性无法保障,数据部门的人力资源也会遇到瓶颈。

    标签自主生产迭代,由于业务线的发展节奏很快,每一次活动或者是每一次业务调整都会涉及到标签。如果业务人员可以直接进行标签的自主生产与迭代,相比后端技术和数据部门人员建设,将大大提升运营效率和效果。

    3、分析数据

    由数据分析团队主导,以数据驱动业务为目标进行分析场景建设,基于数据洞察指导业务迭代,实践数据在各业务场景下的深度应用。

    由于业务人员能力和精力都难以匹配,因此在这个阶段建议由数据分析师来主导,数据分析师和业务人员深度配合,来建设分析场景。

    建设分析场景主要是四步走,一是数据需求与采集规划,二是分析诊断报告,三是业务迭代&效果评估,四是分析方法论沉淀。具体如图:

    4、应用数据

    应用数据,即数据产品化,与业务流打通形成实时展示与触达策略。如下图,为数据产品化自动化运营系统的建设思路:策略制定→人群筛选→精准触达→效果回收。

    另外,智能推荐系统支撑产品个性化服务闭环:数据采集→模型建立→推荐结果→效果分析。

    下面,通过一个银行业数字化运营建设案例进行详细的介绍。

    A 银行极其重视数字化运营建设,每年的投入金额超过千万。A 银行 2017 年开始和我们合作,2018 年基本达到全行覆盖,但是总体来说还是存在应用较浅、数据能力较弱的问题,因此 2019 年和神策展开了深度咨询合作,并且取得了不错的成效,2020 年将把神策分析师作为教练资源引入行内,全面开展数据运营普及工作和深度数据分析应用场景建设。

    (1)2017——初步接入行为数据,验证数据驱动效果

    A 银行在接入神策的时候,诉求就是全面落地数字化运营体系,但由于整件事情比较宏大,所以先从几个核心部门,手机银行、微信银行、直销银行和手机钱包,开始把报表体系完善、通过行为数据初步了解客户偏好以及产品体验诊断这几个核心场景开始做起。

    在这几个部门的业务中,又挑选了几个核心的业务线,比如这里可以看到的 App 性能分析、住房贷款、转账等,做为试点性分析场景案例。项目完成初期实施之后,基本达成了核心业务线和实时报表体系的搭建,并且在较短周期内完成了两个业务闭环的用例,App 崩溃率降低和住房贷业务转化率提升。

    (2)2019——引入外部资源进行深度咨询合作,推进数字化运营落地

    经过两年的建设,数字化运营在 A 银行已初有成效,但是从全面落地的角度来评估还是面临不少的问题。

    第一,因为业务人员对于数据采集方案的设计方法理解不足,每当有功能迭代时,都会按照自己的理解去新增埋点,直接导致环境内的数据越来越多,越来越乱,后期手机银行的项目内超过 500 个事件,使用效率非常低下。另外初期没有和神策对接的部门,业务人员也是凭着自己的理解做数据采集,导致他们的数据不太成体系,可用性也较差。所以 19 年我们对于 3 个试点项目进行了推翻重来,提高了事件的可复用性和数据质量,让一线人员真正能够用起来。

    第二,各个部门的业务人员在数据采集这件事情上是各自为营的,造成行内数据整合打通困难,并且数据质量参差不齐。所以我们做的第二件事情就是协助行内的数据银行部出具全行通用的数据采集与管理规范,各个业务部门在遵照规范的同时依据自身的实际情况制定了个性化的条款,使得整个数据采集管理流程在保持体系化的同时保持了灵活性。

    第三,除了前期几个分析场景是在神策分析师的支持下完成,行内大部分的业务人员还是仅限于看活跃数据、基础概览数据。所以整体数据应用能力是有待提高的。本质上 A 银行面临的很多问题,包括数据采集乱、数据分析应用场景挖掘较浅,都是因为业务人员数据基础较弱而造成的。

    因此,咨询合作的内容中最重要的就是帮助 A 银行培养一批从数据采集到数据应用有深入了解的人才,在我们撤离之后,能够在行内持续推动数字化运营。我们合作的方式是全行级的培训和教练式的赋能,也就说每一个环节,我们都会先进行培训,再进行练习,最后一对一 review 修改,通过这种方式,我们带的数据团队 5 个人,已经完全有能力对行内进行赋能了。

    第四,因为行内整体数据应用得较浅,所以最后一项内容就是,以试点项目为例,建设 2-3 个深度分析场景,快速地出效果出价值,让数据应用这件事情在行内更易推动。通过与该银行进行深度的需求访谈,我们了解到其战略规划与年度目标,并基于此完成了《手机银行 MAU 拆解与指标下发》以及《优惠券业务数据诊断与增长模型拆解》两个分析场景的建设,为其业务发展提供强有力的数据支撑。

    (3)2020——企业级数字化运营推广 & 全面赋能

    A 银行 2020 将全面铺开数字化运营的建设,并且由神策数据的分析师入驻作为教练,指导各个部门的数字化运营建设工作。下图,是我们已经收集到的各个部门的需求,基本上也是从数据基础建设到数据分析应用场景的全流程建设。

    在数字化运营建设的常见痛点是数据基础弱、团队能力不足、机制规范不足、应用闭环推动力弱。

    综上所述,在建设数字化运营有三个关注重点:第一,自上而下,管理层推动业务层,数据需求决定数据采集;第二,长期投入,需要持续的资金和人力投入;第三,试点先行,从试点项目建设起步,创造价值,基于试点项目的价值作为参考,调动各个业务线的积极性,并进行核心团队培养。

    四、企业数字化运营落地实践

    《系统动力学》课程中有这样一个概念——系统是由要素和连接各个要素的关系组成的。当系统出了问题,可能是要素的原因,也可能是连接关系的原因。

    经过抽象,对系统影响最大的几个因素可总结为三点:人才、产品和体制。

    人才涉及到各个方面,决策层、统筹层、落地层等层级是否能够就数字化运营的思路达成共识,这将决定产出的数据分析结果和数据应用的结果与质量。

    产品决定了数据分析和数据应用的产品体系,是否能够满足行内的业务发展需求。

    体制为连接关系,强调数据采集到应用全流程规范清晰、负责人明确。

    1、产品——数据产品体系建设

    一个成熟的、好用的数据产品体系需要具备哪些能力?一是可视化界面,支持业务人员进行自助式的实时数据分析;二是查询性能,通过成熟的大数据技术架构保障查询的效率;三是数据安全,在私有化部署的基础上还需具备完整的细粒度的数据权限隔离机制,让特定的业务人员只能看、用他所在业务线上的数据,防止数据泄露的风险;四是数据整合与互通能力,使各系统、各平台打通。

    2、人才——培养有能力推进业务迭代闭环的数据运营团队

    企业需要培养有能力推进业务迭代闭环的数据运营团队,这样的团队需要具备三方面的能力:

    一是需求挖掘能力,需求挖掘深度直接决定最后效果的天花板。数据运营团队要能够深度挖掘业务数据分析与应用需求,准确描述业务侧需求,有能力跟进需求满足度,并融入自己的见解;

    二是业务+数据分析能力,如果业务人员不理解数据分析能力,数据分析师不理解业务,那么数据分析与实际应用就会有鸿沟。

    三是推动业务迭代闭环能力,数据运营团队应该具有深度业务理解能力与战略思维,按照业务人员的建议,有能力将分析建议落实到业务迭代的闭环中去,其建议一定是切实可行的,并能够给业务线产生价值,使闭环能运转。

    3、体制(连接关系)

    体制决定了各要素之间的连接关系,包括人与产品以及人与人之间的互动方式。数字化运营通常是从上往下推动,需要高层、牵头人、业务线深度配合,形成统一的数据采集与管理规范,这直接决定数据质量,进而决定数字化运营效果。

    另外,决策层的角色很关键,决策层是否有信心和决心在全行内或者是部门级别加强数据意识的建设,是否愿意投入成本和资源,是否有明确的数据应用的要求等,都会影响系统的落地情况。

    数字化运营项目的负责人地位同样举足轻重,他负责致力于推进数据驱动的决策模式普及,统筹数据生产到应用的全流程,以及团队能力培养及人才甄选。

    业务线的数据分析师负责数字化运营在业务一线的落地,分析师深入配合业务,业务人员深度理解及应用数据,两个团队形成合力,用数据说话,从而持续应用及优化。

    总体来看,如果企业这三点均具备,则具备了数字化运营系统落地的天然条件。如果暂不具备,有一个三步走的侧重建议,如下图。

    综上所述,企业要重视数据基础建设、重视人才培养、重视体制效率、重视产品开放性。

      重磅预告&豪礼放送 

    ▼戳此下载 PPT▼

    喜欢,就点在看

    展开全文
  • 自动驾驶概述

    万次阅读 2020-02-08 20:27:27
    随着5G逐渐走进人们的视线,自动驾驶汽车成为一个社会热门话题。那么自动驾驶究竟是什么样的?它真的能实现吗?什么时候我们才能真正使用上呢? 汽车是当今社会的主要交通工具之一,自动驾驶汽车是目前可以看到,...

    随着5G逐渐走进人们的视线,自动驾驶汽车成为一个社会热门话题。那么自动驾驶究竟是什么样的?它真的能实现吗?什么时候我们才能真正使用上呢?

    汽车是当今社会的主要交通工具之一,自动驾驶汽车是目前可以看到,并能通过技术手段可以实现的汽车现阶段终极目标。

    自动驾驶是分阶段实现的,目前处于初级阶段,就是车本身的各种驾驶辅助系统以及自动驾驶的进化和配套系统的建立,重点在于解决如何提高汽车驾驶的安全性和可操控性;其高级阶段将是完全的、无人驾驶的智能汽车,彻底将人从方向盘后解脱出来,而汽车可以像人类一样具备感知、分析、判断能力。智能汽车现阶段也分两个发展方向,一类是汽车个体自动化系统控制,靠自主式的传感器,完全不需要依靠互联网;另外一类是智能网联汽车,也就是汽车自动驾驶技术+车联网。这是新兴的发展模式,是ICT和汽车产业的跨界结合出现的创新技术方向。两个方向都能实现自动驾驶的最终目标,中国大力推崇的是智能网联模式。

     

    一、智能化汽车发展

     

    • 智能车的概念

    智能车(Intelligent Vehicle ,IV)是一个集环境感知、动态决策与规划、智能控制与执行等多功能于一体的综合系统,相关技术涉及信息工程、控制科学与工程、计算机科学、机械工程、数理科学、生命科学等诸多学科,是衡量一个国家科研实力和工业水平的重要标志。

    • 智能化现状

    智能驾驶是汽车驾驶系统物化驾驶员在长期驾驶实践中,对“环境感知-决策规划-控制执行”过程的理解、学习和记忆。

     

     

    环境感知作为第一环节,是智能驾驶的典型应用场景,例如激光雷达与摄像头的车辆检测技术中,需要对数据做聚类处理;线性回归算法、支持向量机算法、人工神经网络算法也常用于车道线和交通标志的检测。它处于智能驾驶车辆与外界环境信息交互的重要地位,其关键在于使智能驾驶车辆更好地模拟人类驾驶员的感知能力,从而理解自身和周边的驾驶态势。

    决策规划是智能驾驶的主要应用场景,状态机、决策树、贝叶斯网络等技术已经有大量的应用。近年来兴起的深度学习与强化学习能通过大量的机器学习做出对复杂情况的决策,并能进行在线学习优化。由于需要较多的计算资源,是当前计算机与互联网领域内,研究自动驾驶决策规划系统的热门技术。

    控制执行:智能控制方法主要有基于模型的控制、神经网络控制和深度学习等方法。

     

    世界各国都在积极制定自动驾驶技术路线图,推动自动驾驶汽车的发展,如美国在80年代初已经开始自动驾驶技术的军事化应用;欧洲从80年代中期开始研发自动驾驶车辆,更多强调单车自动化、智能化的发展;日本的自动驾驶研发略晚于欧美,更多关注于采用智能安全系统降低事故发生率、以及采用车间通信方式辅助驾驶。

    由于深度学习算法的引入,汽车智能化技术有了爆发性的突破,成为汽车产业化发展的重要突破口,2009年谷歌开始研发自动驾驶,引发了新一轮的自动驾驶产业热潮,更多科技企业加入市场争夺中。

     

    与欧美等发达国家相比,我国的自动驾驶研发起步相对较晚,自上个世纪90年代起,我国各高校和研究机构陆续开展自动驾驶的研发工作,推出多个测试车型;2009年以来,国家自然科学基金委员会举办“中国智能和未来挑战赛”,为国内智能车技术和交流起到很好的促进作用,在此期间一汽、北汽等传统车企也逐步布局自动驾驶。

     

    二、网联化现状

     

    网联化是指汽车依靠通信技术,将车本身和其它相关联的因素数据通过网络联系在一起,这个网络就叫车联网。车联网的概念源于物联网,即车辆物联网,是以行驶中的车辆为信息感知对象,借助新一代信息通信技术,实现车与X(即车与车-V2V、人-V2P、路-V2I、服务平台-V2N)之间的全方位网络连接,实现了 “三网融合”,将车内网、车际网和车载移动互联网进行融合。车联网利用传感技术感知车辆的状态信息,并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理,以及交通信息服务的智能决策和车辆的智能化控制。

     

     

    车联网是一个很宽泛的领域,从车内发展到车外,正在从车内娱乐导航服务向汽车数据中心发展,内涵不断延伸。目前车联网有两个世界标准流派:一个是IEEE基于WIFI制定的DSRC(Dedicated Short Range Communications,专用短程通信技术),获得通用、丰田、雷诺、恩智浦、AutoTalks和Kapsch TrafficCom 等的支持;另一个是由3GPP通过拓展通信LTE标准制定的C-V2X,并向5G演进,获得多家车企和通信企业的支持,如:福特、宝马、奥迪、戴姆勒、本田、现代、日产、沃尔沃、PSA Group、华为、爱立信、高通、英特尔、三星等。C-V2X的成员显然比DSRC要壮观。

     

    两种技术标准各有千秋,国际上对于车联网到底采用哪种标准,尚未达成一致。业界专家存在三种观点:一种是DSRC技术已经成熟,其经过多年的测试与验证,可行性已经得到验证,同时网络、芯片等产业链相对成熟,没有理由放弃;另外也有观点认为,LTE-V2X技术具备技术优势,其安全性和可靠性都更胜一筹,更有前景;此外还有观点表示,汽车与手机不同,是有本国属性但一般不会大量跨国行驶,因此,不同国家可以使用不同技术。中国有通信网络覆盖广和用户量庞大的优势,一直以来都是LTE-V2X的积极倡导者。

     

    汽车发展经历了机械化和电气化升级,目前又到了一个上台阶的关头。网联时代汽车产品需要创新的重点转向数字化技术,如云平台、人工智能、机器学习等。目前,最基本的车载内嵌网联设备装车率2017年还普遍低于20%,尽管众多厂家的2025年远期规划都近乎100%标配,但当下发展依然缓慢,真正起飞要至少等到2020年。

     

    三、智能网联化

    智能化和网联化相结合成为未来自动驾驶汽车产业发展的重要方向,在智能网联汽车的技术演进过程中,智能化及网联化两者的发展相互促进,不可分割,从而实现完全自动驾驶的最高目标。

    受制于技术和网络覆盖,车联网的价值还远没有被挖掘出来,大多还停留在娱乐和导航的单车、单用户服务,但车联网作为汽车互联网络,尤其是在5G移动网络普及后,可以将衣食住行都连接起来,汽车的内涵由此也在发生改变。5G通信网络的高速、低时延数据传输、高容量、低失真、低误码都为这种模式提供了技术可能。所以,智能化和网联化的结合,可以为汽车智能化系统提供更多、更详细、更准确的数据,以供机器学习,促进智能系统演义进化。

     

    网联汽车会采集、产生大量实时数据,如行驶过程中“(汽)车、(道)路、(数据)云、(路)网、(地) 图五大基本要素交互的数据。诸如汽车和驾驶人信息,汽车信息包括:汽车位置和周边环境信息,以及汽车诊断信息、保养信息、安全信息(门窗开闭,安全气囊使用)、性能信息(发动机和变速箱状态,电池电量)、行驶信息(燃油消耗量,速度,刹车加速,方向盘);驾驶人信息(包括地理位置、用户模式、驾驶历史)等。一辆汽车一天大概产生500GB左右数据,数据主要由汽车制造商安装车载内嵌SIM卡来收集,这就是学习素材的来源。自动驾驶技术其核心决策者是人工智能(AI)系统,就需要大量数据进行训练,现在开展自动驾驶技术的公司可以获得的数据仍然是少量的,有些是在使用模拟数据训练人工智能,大量实际使用数据是自动驾驶技术发展不可或缺的一部分。因此自动驾驶的智能汽车不是一蹴而就的,它的进化发展是靠不断的技术产品迭代,循序渐进实现目标,一个完善的车联网,是促进实现自动驾驶的前置条件之一。

     

    四、我国智能网联汽车政策及标准概况

     

    时间

    发布机构

    政策、标准

    主要内容

    2011年

    国务院

    《中华人民共和国居民经济和社会发展第十二个五年规划》

    国家把车联网列入重大专项

    2011年

    国务院

    《国家“十二五”科学和技术规划》

    车联网项目被列为国家重大专项(第三专项)中的重要项目,首期投入资金打百亿

    2012年

    交通部

    《2012-2020交通运输业智能智能交通发展战略》

    标志着智能交通上升到国家战略,交通部启动的新一代智能交通体系发展战略和应用车联网技术推进现代交通运输策略重大研究项目,为未来5-10年的发展进行谋划

    2013 年

    国务院

    《国务院关于推进物联网有序健康发展的指导意见》

    将车联网作为物联网的核心应用领域

    2015年

    国务院

    《中国制造2025》

    提出到2020年,掌握智能辅助驾驶总体技术及各项关键技术,初步建立智能网联汽车自主研发体系及生产配套体系

    2015年

    国务院

    《关于积极推进“互联网+”行动的指导意见》

    提出通过基础设施、运输工具、运行信息等互联网化,推进基于互联网平台的便捷化交通运输服务发展

    2015年

    工信部

    《车联网发展创新行动计划(2015-2020年)》

    推动车联网技术研发和标准制定,组织发展车联网试点、基于5G技术的车联网示范

    2016年

    工信部

    《智能网联汽车发展技术路线图》

    为行业发展提供清晰思路和方向,同时为相关政策和行业标准的推出奠定基础

    2016年

    国家质检总局

    《装备制造业和质量提供规划》

    加快开展智能网联汽车标准化工作

    2016年

    发改委、交通部

    《推进“互联网+”便捷交通促进智能交通发展的实施方案》

    从“智能”和“网联”连个方面提出加大研发和示范效应的要求

    2016年

    工信部、公安部、交通部

    《智能网联汽车公共道路适应性验证规范》

    对测试车辆、测试道路、测试驾驶人、路试信息记录等相关要是提出了基本要求

    2016年

    中国汽车工程学会、智能交通联盟

    启动ADAS相关标准研究与制定工作

    主要包括AEB、DSB、LKA、自动泊车等标准、并发布了C-NCAP的2018版的详细试验及评分方案

    2016年

    交通部

    《营运客车安全技术条件(JT/T19042016)》

    要求9m以上的营运客车加装车道偏离预警系统(LDWS)以及符合标准的自动紧急自动系统(AEBS)功能

    2017年

    中国智能网联产业创新联盟

    《合作式智能交通系统车用通信系统应用层及应用数据交互标准》

    中国汽车工程学学会的团体标准、填补了国内V2X应用层标准的空白

    2017年

    国务院

    《新一代人工智能发展规划》

    构建开放协同的人工智能科技创新体系,明确提出发展自动驾驶汽车等智能运载工具

    2018年4月

    工信部、交通部、公安部

    《智能网联汽车道路测试管理规范(试行)》

    明确道路测试的管理要求和职责分工规范和统一各地方基础性检测项目和测试规程

    2018年6月

    工信部

    车联网(智能网联汽车)直连通信使用5905-5925MHz频段的管理规定(征求意见稿)

    拟规划5905-5925MHz频段作为LTE-V2X技术的车联网(智能网联汽车)直连通信工作频段

    2018年6月

    工信部、国家标准委

    《国家车联网产业标准体系建设指南(智能网联汽车)》

    明确智能网联汽车标准体系建设的指导思想、基本原则、建设目标和标准体系框架

    2018年7月

    交通部

    《自动驾驶封闭场地建设技术指南》

    国家部委出台的第一部关于自动驾驶风暴测试场地建设技术的规范性文件

    2018年12月

    工信部

    《车联网(智能网联汽车)产业发展行动计划》

    到2020年,实现车联网(智能网联汽车)产业跨行业融合取得突破,具备高级别自动驾驶功能的智能网联汽车实现特点场景应用,车联网综合应用体系基本构建

    2019年3月

    发展改革委、生态环境部、商务部

    《推动重点消费品更新升级 畅通资源循环利用实施方案(2019-2020年)》

    推动智能汽车创新发展。加强汽车制造、信息通信、互联网等领域企业深度合作,组织实施智能汽车关键技术攻关,重点开展车载传感器、芯片、中央处理器、操作系统等研发与产业化。坚持自主式和网联式相结合的发展模式,培育具有国际竞争力的智能汽车品牌。


    五、 智能网联汽车未来发展所面临的问题 

     

    智能网联汽车的愿景非常美好, 自动驾驶未来也一定会实现, 但征途不会平坦。要实现高级别的自动驾驶, 智能网联汽车产业发展过程中仍然有很多问题需要解决:一是提升关键技术掌控能力,如传感器、控制器、执行器等智能网联汽车核心电子件、车载智能化软硬件平台、智能感知部件、先进能源动力平台、车载通信系统等方面;二是智能网联汽车制造及配套体系仍需完善,传统汽车制造领域在智能网联汽车技术积累与产品研发方面存在局限性,适应智能网联汽车制造的新型智能化汽车制造能力尚有不足;三是传统汽车设计制造与计算、通信等能力在融合与协调还需要加强,从而进一步适应快速发展的汽车网联化、智能化的需求;四是智能交通还需加强统筹规划,在智能路网、运管运控平台、应用示范等方面有待统一标准、提升能力;五是构建智能网联汽车安全保障体系,如汽车接入授权、个人信息数据、云端控制、等安全问题仍需进一步探索和提升。

     

    六、智能网联车标准及法律突破方向

     

    智能网联汽车相关技术标准尚处于建设初期,现有标准大部分是行业标准,难以满足智能网联快速、跨行业、融合发展的需求,目前国际上进行自动驾驶技术研发的国家和领头企业,都在试图抢先制定出相应的行业标准,成为这个领域的引领者。

    近年来,我国相继出台了《国家车联网产业标准体系建设指南(智能网联汽车)》、《2019年智能网联汽车标准化工作要点》等标准定制指导性文件,分为总体要求、智能网联汽车、信息通信、电子产品与服务等部分,目前已取得了阶段性进展,近期在高级驾驶辅助系统方面已经有6项标准完成了标准审查,进入到报批阶段,还有9项标准目前正在立项,编制相关的标准草案。

     

     

    在法律层面,尚未针对智能网联汽车做出调整,《道路交通安全法》、《公路法》、《保险法》等都不涉及自动驾驶方面内容。智能网联汽车不仅仅关系到车辆制造者,同时还有网络提供者、云端运营者、道路建设维护者等,每一个元素都是至关重要的因子,自动驾驶的社会化,将彻底颠覆这几者间的法律关系。要厘清各自的责任与义务是必须的,这需要法律法规作为保障。还有《网络安全法》、《测绘法》等都存在不适用于智能网联汽车技术产业化的规定。例如现行的《道路交通安全法》未有涉及到关于智能网联汽车的相关条例,因此,智能网联汽车只能遵守机动车上道路行驶以及机动车试验的一般规定。

     

    结语:

    智能网联汽车不只是一种交通工具,它将成为一张巨大交通网络上的智能终端、一个完全自动行走的机器。它作为一种社会生活、生产工具,影响着人、车、物、路、自然环境等的因素,人们需要考量其安全性要远高于其运输载体的属性。所以,如何将一套冷冰冰的机器培养训练成为精密的人脑,任重而道远!

    展开全文
  • 目前,全球企业为了提高生产率和利润,也越来越多地采用数据分析工具来改进物流和仓库运营,传感器、扫描仪和RFID标签与仓库控制系统和自动化物料搬运设备的结合越来越被成为仓库安全和运营效率方面的前进方向。...
  • 工厂自动化整体解决方案PPT▼▼ 人工智能赛博物理操作系统AI-CPS OS“人工智能赛博物理操作系统”(新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须...
  • 自动化、信息化、数字化、智能化
  • OA办公自动化系统设计方案

    千次阅读 2019-01-12 16:40:26
    简要说明 公文管理用来管理企业的各种公文的收发和流转,可以使企业实现无纸公文流转,提高公文流转的速度,并通过与档案管理系统的连接,可以将完成流转的公文直接转入档案管理系统。具体功能包括:发文草拟、收...
  • 关于 AI 自动化企业的影响范围和影响程度的意见不一。 一方面,牛津大学最近的一项研究表明,在未来二十年内,50% 的工作都可以由 AI 自动化完成。另一方面,许多企业高管仍然对 AI 的实际影响持怀疑态度。 此外,...
  • 工厂智能远程运营管理系统方案

    千次阅读 2019-03-20 14:38:12
    随着物联网技术和工业4.0时代的到来,工厂智能化运营已经成为企业的必选方案;通过工业智能网关和数据平台实现对分布在全世界各地的工厂的各个功能区域的全方位的监控和运营管理,全面提升工厂的运营管控能力、决策...
  • AI驱动安全运营,助力自动自主防御体系构建 ...远离应急,实现安全响应自动化运营 真正可靠,安全运营体系的规划、建设与落地 综合信息监控和安全预警平台-安全预警平台SOC方案 等等52份网络安全运营方案
  • IBM企业安全运营中心(SOC)解决方案及实践 IBM Security企业安全运营中心实践分享 安全运营的能力体系建设 360NGSOC态势感知与安全运营平台产品技术白皮书 泰和TSOC信息安全运营中心解决方案 XF-安全运营平台智能...
  • 之前我们解释过机器人过程自动化。RPA有一个奇特的名字,市场上超过50个解决方案提供商, 但与我交谈过的人很少能回答可以应用RPA的确切领域。因此,我们准备了所有RPA用例/应用领域的最完整列表,并将它们分为5个大...
  • 自动售货机方案/设计/开发/项目

    千次阅读 2019-08-30 14:26:22
    自助售货机解决方案是解决线上消费和线下体验的核心枢纽,加上定制运营模式和大数据的收集分析,让传统细分行业零售厂商轻松实现角色转换。目前国内智能零售设备市场刚刚起步便已热火朝天,指数级的增长绝不只是...
  • 智能安全运营解决方案 安全运营自动化 可落地的安全事件管理流程
  • 智慧园区运营服务平台方案

    千次阅读 2020-02-29 11:25:12
    智慧园区运营是借助新一代的云计算、物联网、大数据、决策分析优化等信息技术,本平台基于百度二维地图平台、臻图三维地图、轻量BIM平台,运用感知、互联、智能的手段,对构成街区空间和街区功能载体的...
  • 据资料显示,能符合全球自动化系统集成的20强提名的企业,必须是整套物料搬运系统的供应商,而不能仅仅是单一物流设备提供商。由此可见,集成商必须是具备一站式服务,包括对整体物流系统进行设计、安装以及帮助自动...
  • IT运维的标准化与自动化之争 IT运维升级建设到底应该先进行标准化建设,还是应该先进行自动化建设,这个争议由来已久。 企业IT系统、环境和流程运行多年之后,难免出现IT环境无法有效支撑业务运行和发展的情况,...
  • 企业信息管理(Enterprise Informatization Management,简称EIM):是指对企业信息实施过程进行的管理。是信息技术由局部到全局、由战术层次到战略层次向企业全面渗透、运用于各个流程、支持企业经营管理的过程。...
  • 自动化立体仓库,是物流仓储中出现的新概念。利用立体仓库设备可实现仓库高层合理化,存取自动化,操作简便化;自动化立体仓库,是当前技术水平较高的形式。自动化立体仓库的主体由货架,巷道式堆垛起重机、入(出)...
  • Python有没有听过?什么是数字运营呢?使用Python进行数字运营的好处又在哪里? Python的前世今生 ...因为Python固有的和获得的特殊条件和功能使其成为当前企业(尤其是大数据领域)进行数据操作的最合适
  • 从零搭建一个自动化运维体系

    万次阅读 多人点赞 2018-03-23 00:00:00
    作者简介:胥峰,著有畅销书《Linux运维最佳实践》、译著《DevOps:软件架构师行动指南》,资深运维专家,有 11 年...对自动化运维体系的需求,是随着业务的增长、对运维效率和质量的要求不断提高而产生的。前言:在很
  • 浅谈金融行业自动化运维

    千次阅读 2018-04-08 15:09:36
    金融行业的IT架构是最为复杂的,有各种混合的IT技术架构,如小型机、虚拟化、云平台及容器等技术,而且对于金融行业特别是银行业务来说,业务稳定性要求是最高的,因此本文简单闲聊银行IT的自动化运维现状。...
  • 数字转型表明,只有企业对其业务进行系统性、彻底的(或重大和完全的)重新定义——而不仅仅是IT,而是对组织活动、流程、业务模式和员工能力的方方面面进行重新定义的时候,成功才会得以实现。 如果对这个词条...
  • 自动化】浅度分析自动化行业,深度好文!

    万次阅读 多人点赞 2018-03-16 00:00:00
    企业转型的、有个人创业的、有跨界打劫的、还有政府扶持的、、、、、好像做制造业的不搞点自动化,智能化你都不好意思说你在这个行业混。但目前中国的这个行业的现状真的是这么繁荣吗,鄙人在这个行业摸爬滚打十...
  • 数据化运营的11个步骤。

    千次阅读 2019-08-20 08:36:22
    这里主要是数据变化的监控和统计分析,通常我们会对数据进行自动化的日报表输出,并标识异动数据,数据的可视化输出很重要。常用的软件是 EXCEL和SPSS ,可以说是进行数据分析的基本技能,以后再分享个人在实际工作...
  • 本文是阿里云RPA(机器人流程自动化)干货系列之二,主要介绍了RPA的发展齐纳经和主要使用场景有哪些,目前国内外主流的RPA厂商以及RPA的未来在哪。 一、RPA的发展前景 根据Gartner的最新研究,2018年全球机器人...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 62,940
精华内容 25,176
关键字:

企业自动化运营方案