下载PDF
Internal Design & Deployment of Advanced Analytics Solutions at AramisAuto
技术
- 分析与建模 - 大数据分析
- 分析与建模 - 预测分析
适用行业
- 汽车
- 教育
适用功能
- 产品研发
- 销售与市场营销
用例
- 实时定位系统 (RTLS)
- 虚拟培训
服务
- 系统集成
- 培训
挑战
AramisAuto 是法国新车和二手车销售行业的领导者,热衷于通过数据驱动的项目发展自己的竞争优势。该公司决定将自己的数据驱动解决方案和产品的设计、开发和部署内部化。这一决定是由于需要利用新聘用的专业知识(例如商业智能工程师和数据科学家)在内部开发分析项目。由于数据敏感性问题,外包数据分析团队并不是一个可行的选择。这些新团队成员需要快速掌握创建高度可扩展的预测模型并将这些知识应用于各种业务案例场景的能力,包括数据产品的实时部署。
关于客户
AramisAuto 是法国新车和二手汽车销售行业的领导者。该公司成立于2001年,拥有350名员工。它产生了超过 3.56 亿欧元的营业额。 AramisAuto 每 5 分钟售出 1 辆汽车,加上超过 15 年的行业经验,处于行业主导地位的独特地位。该公司对发展自身竞争优势有着浓厚的兴趣,并通过创新消费者解决方案巩固了汽车销售行业领导者的地位。
解决方案
AramisAuto 通过采用 Dataiku 的数据科学工作室 (DSS) 解决了这些挑战。 DSS 的白盒方法、以团队为中心的协作功能和易用性为该公司提供了所需的工具,帮助其数据团队快速构建原型、测试、迭代和部署创新的数据驱动解决方案。在多个用户之间共享项目的能力使团队成员能够有效地协同工作(无论个人的专业知识水平如何),而白盒环境则促进了相关利益相关者之间的数据透明度。最后,借助 DSS,他们快速部署了实时 API。 DSS 的实施和积极支持使 AamisAuto 能够充分利用预测分析的能力和力量。
运营影响
数量效益
相关案例.
Case Study
Integral Plant Maintenance
Mercedes-Benz and his partner GAZ chose Siemens to be its maintenance partner at a new engine plant in Yaroslavl, Russia. The new plant offers a capacity to manufacture diesel engines for the Russian market, for locally produced Sprinter Classic. In addition to engines for the local market, the Yaroslavl plant will also produce spare parts. Mercedes-Benz Russia and his partner needed a service partner in order to ensure the operation of these lines in a maintenance partnership arrangement. The challenges included coordinating the entire maintenance management operation, in particular inspections, corrective and predictive maintenance activities, and the optimizing spare parts management. Siemens developed a customized maintenance solution that includes all electronic and mechanical maintenance activities (Integral Plant Maintenance).
Case Study
Monitoring of Pressure Pumps in Automotive Industry
A large German/American producer of auto parts uses high-pressure pumps to deburr machined parts as a part of its production and quality check process. They decided to monitor these pumps to make sure they work properly and that they can see any indications leading to a potential failure before it affects their process.