现代斗山X瓴羊:“一横四纵“解决方案聚焦中台场景级部署

简介: 经过充分的调研后,现代斗山IT团队和业务团队,与瓴羊数据中台项目组一起完成了涵盖客户、商机、设备等多层面的问题梳理及痛点分析,并借助于瓴羊Dataphin+Quick BI+Quick Audience的产品矩阵,最终形成了满足于现代斗山数据中台建设的“一横四纵”整体解决方案。


 image.png

 

据中国工程机械工业协会数据统计,虽然2021年全年挖掘机销量继续刷新历史记录,但国内市场销量仅为274357台,同比下降6.32%,在连续5年的高速增长之后,出现了首个增速为负的年份。


当国内挖掘机市场开始进入下行区间,除去“国四”影响,更突出的新增长点已越来越少,摆在行业面前的是国内存量市场争夺的现实考验。


现代斗山工程机械(Hyundai Doosan Infracore,以下简称现代斗山)是韩国机械产业的先锋,作为韩国首家重工业企业,自1994年进军中国以来,在挖掘机、装载机、融资租赁等领域中不断扩大投资,如今已发展成长为中国机械产业发展中不可缺少的重要部分。


从现代斗山的长期愿景也能看出,现代斗山在借助于大数据技术来构建智能业务环境上有着明确且强烈的诉求。

image.png

 

因此,无论行业未来能否在政策支持下提振,面对可能继续下行的态势,现代斗山希望通过启动数据中台项目,实现企业级数据智能驱动业务、数据资源化和数据服务化3大目标,以此来提升整体IT运营效率和数据能力,全方位驱动现代斗山业务增长。

 

一、全局性顶层规划,场景级部署落地

IT部顾蓓莉部长在采访中提到,发展初期现代斗山将更多精力放在了基础业务系统构建和流程梳理上,导入SAP及达索MES等管理系统;同期也给代理商进行先进化赋能(构建了DCS , 呼叫中心,销售漏斗管理等),把代理商和现代斗山的业务流程都串联起来。这使得现代斗山在数字化时代的IT建设阶段抢夺到了先发优势,但积攒了20多年的数字化能力,所能发挥出的价值还应该有更多。


于是,现代斗山的管理层在2019年就开始思考,如何让积累了20年的历史数据发挥更大的作用?对比表象地看到数据去管理,是不是应该更深层地挖掘数据价值,赋能业务?


就在这时,现代斗山管理层关注到了阿里巴巴在建设“数据中台”过程中所取得的瞩目成果。

自2015年阿里巴巴提出数据中台概念,热度逐渐高涨,并在2019年达到高峰,业界也逐渐达成一项共识,即数据中台与场景价值是不可分割的。


那
么,应该选择什么样的技术和方法实施数据中台确保可行?


现代斗山与瓴羊团队探索出了一条可行之路:围绕数据价值进行企业级中台的顶层规划,在夯实企业数据基础服务能力的同时,针对业务场景更聚焦地打磨完善数据应用服务能力,为企业构建起快、准、全、统、通的智能大数据体系。


经过充分的调研后,现代斗山IT团队和业务团队,与瓴羊数据中台项目组一起完成了涵盖客户、商机、设备等多层面的问题梳理及痛点分析,并借助于瓴羊Dataphin+Quick BI+Quick Audience的产品矩阵,最终形成了满足于现代斗山数据中台建设的“一横四纵”整体解决方案。

image.png

(解决方案示例)


通过瓴羊产品Dataphin的数据集成能力,并结合数据中台实施方法论,汇聚现代斗山DCS、呼叫中心、融资租赁等10余个业务系统数据,形成统一的现代斗山数据中台,以及客户和设备双体系。


正是基于全面清晰的客户、设备体系梳理及盘点,现代斗山的决策层和业务人员得以更好地掌握企业经营情况,并有针对性的开展后续的数智化升级策略。

 

二、纵向深入高价值业务场景

针对各部门的核心业务场景,原来依赖于单纯IT开发的传统模式,大量业务提过来的需求难以及时消化。但对于数据最了解的其实是业务部门,如果由他们来分析,第一效率更高,第二IT也可以将精力投入更能产生价值的地方。”


利用瓴羊Quick BI,IT部门只需把数据都准备好,分析让各个部门自己做。比如数据展现用饼图不理想,改成柱形图更好,业务人员就可以自己不断尝试修改,人人都能便捷地进行数据洞察与决策。


以服务部为例,在现代斗山数据中台项目开展之前,服务部的数据分析主要依赖手工下载数据和制作报表,整体的决策效率偏低。 QuickBI的敏捷分析能力,正是服务部同事当下亟需的。

通过数据中台重新梳理服务部的分析体系,新增服务分析指标,业务人员得以针对性进行趋势分析,指导决策和管理,从而提升服务品质,让服务模式从传统的售后服务向预测性服务转型。


除此之外,Quick BI在设备故障预测场景也发挥出了高应用价值。


以往针对于设备故障预测,更多的是靠经验来开展工作,或者是当实际发生故障,再做更换。为了能够指导品质人员事前拜访并采取预防性维修措施,避免设备重大故障导致停机,提高客户满意度,并减少品质损失费用,数据中台项目上线后,在Quick BI中实现了预测,指导不同区域的服务人员提前拜访维修。


此次选择与瓴羊团队合作,现代斗山也想将阿里在零售的理念带入相对传统的机械行业。

现代斗山如何采用差异化营销手段,在关键性节点进行营销触达,实现拉升业务增长的目标,新事业部对数据中台寄予厚望。


中台项目在现代斗山落地后,通过Quick Audience识别特点,为精准洞察个性化需求、进行全链路用户旅程规划及营销触达提供了帮助。

 

三、数据中台价值的持续探索

中台构建非一日之功,浩大的工程离不开企业管理和执行层巨大的决心和通力合作。


现代斗山团队认真、细致、务实的工作风格为中台项目的顺利实施提供了巨大的帮助:从调研、设计、开发到最终测试的整个数据中台建设链路,现代斗山团队成员全程深度参与,在每个环节反复确认,保证了现代斗山中台项目一直在正确的轨道上运行。


上线后近一年的时间中,现代斗山的数据中台运营效果显著,一方面IT团队形成了一套更高效的业务需求响应模式,业务团队自主利用Quick BI和Quick Audience 产品完成全场景的精细化运营,两者结合构建起了一套契合企业数智化发展的中台模式,最大程度地发挥出数据价值。





关于瓴羊智能服务:


瓴羊成立于2021年,是一家创新且充满活力的DaaS公司。瓴羊是阿里巴巴中台能力的全面开放和对外输出,集成了数据中台、业务中台、服务系统多年沉淀的能力和经验,旨在数字经济时代,面对企业客户提供分析、营销、产销、客服等多领域的智能产品和服务,助力客户决胜当下,跑赢未来。


瓴羊拥有业内顶尖的数字化团队,对数字化有着深度的洞见和丰富的实战经验,旗下Quick Audience、Dataphin、品牌数据银行等多款产品,通过打通数据流、重组工作流、升级商业流,帮助企业轻松驾驭多平台的数字化经营发展。


瓴羊致力于帮助各行各业的客户加速进入数字化经济时代,共同创造商业新动能。至今已成功服务麦当劳、上汽奥迪、海底捞、LVMH、宜家、汉高、波司登、万科地产、蒙牛、老板电器等知名客户的数字化升级项目,也帮助薇诺娜、三只松鼠、元气森林、泡泡玛特等新锐品牌在会员价值、货品效率、客户体验、场域转化上带来突破性增长。

 

双二维码图.jpg

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
9kr
|
应用服务中间件 网络安全 nginx
通过宝塔Nginx反代HomeAssistant并添加SSL实现隐藏端口号与域名访问
HomeAssistant默认使用8123端口,带端口访问既不美观也不方便。 通过宝塔Nginx默认反代配置会出现各种意外错误,本文将通过修改HomeAssistant与反代配置解决该问题。
9kr
6669 1
通过宝塔Nginx反代HomeAssistant并添加SSL实现隐藏端口号与域名访问
|
数据采集 小程序 数据可视化
策略篇1:消费者运营是什么? 解读产品Quick Audience | 《零售数据中台通关指南》
本篇主要介绍了全域营销典型场景和全域营销解决方案。
策略篇1:消费者运营是什么? 解读产品Quick Audience | 《零售数据中台通关指南》
|
7月前
|
SQL 机器学习/深度学习 人工智能
基于本体论的应用到底能做什么?
本文剖析本体论从亚里士多德哲学到AI核心技术的演进,对比Palantir、UINO、字节、帆软等厂商技术路线,揭示其在跨表查询(准确率≥95%)、语义理解与知识积累上的优势,也明确其需本地部署、依赖大模型等边界,助力企业理性选型。(239字)
|
机器学习/深度学习 人工智能 数据可视化
基于YOLOv8的X光安检图像智能检测系统:八类违禁品/可疑物精准识别与实战部署
本项目基于最新的YOLOv8深度学习模型,构建了一套轻量、高效、可视化的 X光安检图像智能检测系统,可精准识别电池、刀具、打火机等八类常见违禁品/可疑物,结合图形界面,支持一键识别与部署,大幅提升安检自动化水平。
|
12月前
|
存储 运维 安全
合约交易所原理与撮合流程入门
本章系统解析合约交易所核心原理,涵盖撮合引擎、订单簿、保证金、风控与清算等关键要素,剖析价格-时间优先的匹配机制与分层架构设计,揭示低延迟、高并发下的稳定撮合逻辑,助力读者建立安全、高效、透明交易系统的认知基础。(238字)
|
数据采集 人工智能 数据可视化
GitHub 15.8k star 狂涨 DeerFlow,AI + 搜索 + 报告输出一次搞定!
DeerFlow 是字节跳动开源的深度研究框架,集成语言模型、搜索爬虫与代码执行工具,支持自动化完成复杂研究任务并生成多模态报告。具备多智能体协作、强搜索能力、Python 数据分析及可视化、报告自动生成等功能,适用于学术研究、内容创作与企业分析,部署灵活,社区活跃。
1656 2
|
Linux 编译器 开发工具
提升CentOS 7中的gcc/G++版本
至此,你已经成功在CentOS 7中升级了gcc/G++版本。从现在开始,在终端中运行 `gcc`或 `g++`时,将会使用新版本的编译器。
1992 21
|
机器学习/深度学习 人工智能 监控
AI 视频监控技术核心解析:三大底层能力支撑智能化升级
AI视频监控突破传统安防局限,依托三大核心技术:从“被动感知”到“主动理解”,实现精准场景识别;从“孤立运行”到“深度协同”,构建业务联动闭环;从“高门槛应用”到“普惠化落地”,降低部署成本与使用门槛。技术融合场景定制、智能决策与轻量化架构,推动安防向高效、智能、普及化方向升级。
1733 0
|
机器学习/深度学习 人工智能 PyTorch
Transformer模型变长序列优化:解析PyTorch上的FlashAttention2与xFormers
本文探讨了Transformer模型中变长输入序列的优化策略,旨在解决深度学习中常见的计算效率问题。文章首先介绍了批处理变长输入的技术挑战,特别是填充方法导致的资源浪费。随后,提出了多种优化技术,包括动态填充、PyTorch NestedTensors、FlashAttention2和XFormers的memory_efficient_attention。这些技术通过减少冗余计算、优化内存管理和改进计算模式,显著提升了模型的性能。实验结果显示,使用FlashAttention2和无填充策略的组合可以将步骤时间减少至323毫秒,相比未优化版本提升了约2.5倍。
1175 3
Transformer模型变长序列优化:解析PyTorch上的FlashAttention2与xFormers
|
供应链 监控 数据挖掘
1688 商品详情接口系列(1688 API)
1688商品详情接口系列(1688 API)是阿里巴巴旗下批发电商平台提供的强大工具,支持开发者、商家获取商品的详细信息。通过商品基本信息、价格库存、图片和描述查询接口,用户可以精准高效地获取商品数据,涵盖电商运营、数据分析、市场调研等领域,极大提升工作效率。示例代码展示了如何使用Python调用这些接口,助力电商平台整合、价格监控、商品展示优化及库存管理等应用场景。