47 lines
4.7 KiB
Markdown
47 lines
4.7 KiB
Markdown
|
||
|
||
1. 对小鹏汽车的了解：
|
||
1. 基本的信息：小鹏汽车成立于2014年；
|
||
2. 今年最重要的变化就是从“造车新势力”向“物理AI公司的转型”，小鹏汽车已经更名为小鹏集团，四大业务支柱：ai汽车、robotaxi、人形机器人和飞行汽车四大块；
|
||
3. 也是在今年，小鹏将智驾中心和智舱中心合并为通用智能中心，为集团提供统一的AI技术平台，为公司全面发展为物理ai科技公司提供助力；
|
||
4. 技术护城河：小鹏一直以来都是以智能驾驶见长， 尤其是新的第二代VLA架构的推出，实现了从视觉信号到车辆控制信号的端到端直连，并且取消了较为昂贵的激光雷达，可以实现优质的智驾技术进一步下探和普及；公司还有自研的图灵AI芯片，算力强劲，并且通过了车规和功能安全认证，是实现公司物理ai重要硬件基础；
|
||
5. 同时，第二代VLA和图灵芯片都获得了大众公司的定点，凸显公司技术能力已经得到友商的认可；
|
||
6. 财务角度：公司在25年q4首次实现了季度盈利；
|
||
7. 图灵芯片750tops的算力；
|
||
8. vla从视觉到车辆控制指令的端到端大模型；
|
||
2. 如何看待后面自动驾驶和智能座舱的发展，数据分析能做什么：
|
||
1. 基本的：
|
||
1. 智能驾驶：智驾功能的执行情况(接管情况)，智驾coner case的识别的，用户的使用习惯识别实现千人千面的智驾模式；
|
||
2. 智能座舱：智能化功能的渗透率，用户流失率，流式原因的深入分析；
|
||
2. 智驾和座舱的融合发展：定义驾仓协同体验指标体系：
|
||
1. 比如说哪些座舱功能可能影响到驾驶员对接管请求的响应，智舱的某些功能是否加重了驾驶员的认知负荷；
|
||
3. 对未来的职业规划：
|
||
1. 在短期，加深对深入理解智驾智舱功能与用户真实场景的闭环关系，并提升自己通过数据驱动业务优化迭代的能力，尽快成为团队中能独当一面的技术骨干；
|
||
2. 长期的话，希望继续在智驾、智舱尤其是驾仓一体这个方向上继续深耕，让自己成为一名技术专家；
|
||
4. 通过数据分析影响决策：通过异动分析确定原本认为仓的问题实际上是物流商的问题：
|
||
1. 物流商提前上传签收
|
||
|
||
1. 过程：
|
||
1. 发现：有多个客退仓子仓质检延迟的罚单和罚金异常激增；
|
||
2. 异动分析：
|
||
1. 发现质检延迟罚单在部分物流商上出现明显聚集，并且这些问题子仓其他物流商的退货单质检延迟没有出现明显上升；
|
||
2. 对物流商逆向轨迹进行分析，发现了聚集物流商存在退货单激增且，大量退货单的轨迹存在异常(如： 最后一次转运轨迹操作时间和签收时间之间间隔极短)，且相同时间段内，其他物流商未出现轨迹异常的情况；
|
||
3. 与商务、运营等讨论确认：
|
||
1. 当时正处于黑五之后，退货量激增，部分仓库出现爆单问题；
|
||
2. 问题物流商承认由于爆单，部分操作人员在没有送达仓库前提前点了签收，导致该问题出现；
|
||
4. 后续处理：
|
||
1. 筛选问题物流商的问题单，提交商务团队，由商务团队同事与物流商商议一次性的处罚；
|
||
2. 与商务、运营确定范围，推动主动为仓库服务商进行免罚，防止舆论风险；
|
||
3. 调整质检延迟的开始时间，由物流商上传的签收时间改为仓库上传的收包时间，并且要求仓库提供收包凭证；
|
||
4. 增加对物流商轨迹异常的监控(只监控与仓库考核相关的轨迹节点)；
|
||
5. 用三个词形容自己：
|
||
1. 谨慎：数据结果交叉验证，没有出过问题；
|
||
2. 快速学习：自学了python、sql和数据分析的基本知识，在一汽的时候，我曾经利用业务时间，在两周内自学了scala语言并基于scala开发了spark向TDengine写入超级表的writer；
|
||
3. 执行力强：
|
||
6. 拼多多的经验哪些可以用在新的工作上：
|
||
1. 异动的根因分析；
|
||
2. 构建“监控-干预-迭代”闭环的能力；
|
||
3. 对舆情风险的思考；
|
||
7. 缺点：
|
||
1. 过于关注一些细节；
|
||
2. 改善：对问题目标进行分析，明确问题的主线内容，在分析过程中围绕主线内容展开工作，防止自己陷入到对细节的纠结中；在保证主线问题保质保量交付的前提下，再考虑细节，作为锦上添花的内容； |