91 lines
6.8 KiB
Markdown
91 lines
6.8 KiB
Markdown
1. 自我介绍
|
||
老师好，我叫李振洋，17年毕业于吉林大学车辆工程专业，现在上海集度汽车有限公司任数据分析师一职，在这期间我主要负责整车工程、座舱触点、生产管理与质量三个部门的数据分析任务，包括从需求对接、需求分析、数据获取、预处理、分析到撰写分析报告或者搭建看板；对于整车工程，我与业务方同事合作，设计建立北极星评价指标，并围绕北极星指标建立完整的评价体系，对整车能耗、续航里程估计准确性等用户感知较强的问题进行持续监控，对异常波动进行归因分析，为业务部门提供精准的优化建议，支持业务迭代升级。对于座舱触点，我们对智能化功能的渗透率进行分析，并对智能化功能的用户流失原因进行下钻分析，如退出空调自动挡、雨刮自动挡、关闭电动开门等；对于生管与质量部门，我们主要通过数据分析支持其解决用户抱怨问题，比如空调震动等；对于一些偶发难以复现的故障进行长期监控，提供故障发生时第一现场的车辆状态与用户操作数据；此外，会对车辆整个生产、交付环节中的用时、成本进行分析，提出卡点问题，促进业务的优化；此外，我们还会进行专题数据分析，通过大数据，探索用户驾驶风格、用车习惯等信息，并指导车辆功能设计和零部件选型，如电池加热策略更新、NVH优化方向、DCDC选型、VAVE等；最后，我们基于python等工具开发了一系列的辅助工具，实现重点业务指标、问题的自动推送，业务报告的自动生成，提升业务团队的效率；这是我在集度这边的一些主要工作内容。
|
||
1. 做过的工作，
|
||
1. 整车工程
|
||
1. 能耗：
|
||
1. 能耗评价体系：电池、电机、热管理、行驶工况评价，与CLTC之间的差距；
|
||
1. 北极星：整车能耗(百公里能耗水平)
|
||
2. 一级指标：
|
||
1. 电机能耗
|
||
2. 热管理能耗
|
||
3. DCDC高压侧能耗
|
||
4. 电池SOC与能耗匹配情况
|
||
5. 用户行为
|
||
3. 二级指标
|
||
1. 电机
|
||
1. 电机综合效率
|
||
2. 电机制动能量回收效率
|
||
2. DCDC高压侧能耗：
|
||
1. DCDC高低压侧转换效率
|
||
2. DCDC低压侧用电器
|
||
1. 热管理低压侧功率：电池水泵、电机水泵、鼓风机、风扇
|
||
2. 其他低压侧功能使用情况：座椅加热、哨兵、ACU
|
||
3. 热管理：
|
||
1. 座舱热管理功率
|
||
2. 电池热管理功率
|
||
4. 用户行为：
|
||
1. 行驶工况
|
||
2. 驾驶风格
|
||
3. 空调使用与设置
|
||
4. 制动能量回收设置
|
||
|
||
2. 续航里程估计准确性影响因素：行驶里程、环境温度、驾驶激烈程度、电池健康度
|
||
3. 驾驶风格评价：
|
||
1. 与能耗的关系：SVM分类；
|
||
2. 聚类分析
|
||
4. 用户工况提取：
|
||
1. 车辆的行驶工况：
|
||
1. 不同路段的行驶时间占比、不同的特征（车速、加速度）；
|
||
2. 不同温度环境下用户的加速需求，针对电池低温下功率受限，调整加热策略；
|
||
2. 用户用车场景：
|
||
1. 静态：露营、小憩、游戏模式的使用；
|
||
2. 动态：智能驾驶（开启的时间、持续里程）
|
||
2. 电池：
|
||
1. 算法有效性评估：
|
||
1. 动态矫正评估
|
||
2. 异常报警监控
|
||
3. NVH：
|
||
1. 用户常用工况提取；
|
||
2. 空调系统异常震动原因分析；
|
||
4. 人机：屏幕便利性
|
||
5. 商属：乘坐舒适性问卷分析；
|
||
2. 触点：
|
||
1. 渗透率
|
||
2. 智能功能流失原因：
|
||
1. 雨刮：刮速、行驶工况
|
||
2. 自动空调：吹风模式、内外循环
|
||
3. 电动开门：开门速度、开门角度小
|
||
3. 生管、质量
|
||
1. 偶发问题监控：胎压系统报警、异常破冰激活
|
||
2.
|
||
2. 能力证明：
|
||
1. 项目管理：
|
||
1. 周例会：确定上周的工作进展、讨论新出现的问题、讨论卡点并确定下一步的行动计划；
|
||
2. 预警机制；
|
||
3. 排期：数据获取与预处理、分析与描述、报告或看板；
|
||
4. 优先级：公司的重点(用户的抱怨、公司下一阶段重点任务)，接下来的行动急迫性，对业务方的贡献度(投入产出比，询问业务方拿到数据后能做哪些工作)；
|
||
2. 专业成就：
|
||
1. 集度：
|
||
1. 搭建了完整的整车能耗评价和分析体系，这个分析体系一方面探查了整车能耗较高的组件、工况，为后续产品优化提供了明确的方向，另一方面在应对客户抱怨等方向上极大的提升了业务部门的工作效率，得到业务部门领导和同事的广泛好评；
|
||
2. 难点：时间紧、任务重，几乎从零开始；
|
||
3. 解决方法：与业务方合作，根据需求的紧迫程度和前置条件的满足度确定开发计划，并行推进数据采集、校验、数据分析、看板搭建等工作，并且两天与各个相关方碰头一次，确定业务进度、卡点及下一步行动方案；
|
||
4. 结果：两周的时间从0到1搭建起来整车能耗评价体系，完成看板搭建，尤其对能耗问题较严重的热管理系统进行了深入的拆解，帮助业务部门明确了下一步的优化方向，并且协助业务部门成功应对了车辆上市初期较多的能耗抱怨问题(因为是冬天上市交车，能耗问题、尤其是续航打折、充电慢等问题较为突出)；
|
||
2. 实时驾驶行为评价，过去的驾驶行为产品需要等待车辆停止并熄火20分钟后才能呈现结果，但我们的新产品可以在行车过程中向用户显示信息，并且在车辆熄火后几乎立即显示评价结果。为了实现这一目标，我们进行了大规模的技术架构调整，引入了先进的技术方案，如边缘计算和流处理。然而，我们在这个过程中面临了许多技术难题，例如实时软件的效率不足、软件不够稳定，以及其他部门的阻力。为了解决这些问题，我们优化了软件代码，提高了效率和稳定性，并通过合理的产品设计来避免软件问题对用户体验造成严重影响。我们还采用了调研等方法来证明我们的设计合理性和必要性，并与其他部门的同事一起讨论技术方案，试图找到既能减少工作量又能满足我们需求的解决方案；
|
||
3. 使用过的算法和数据分析方法：
|
||
1. 聚类：
|
||
1. kmeans、密度聚类
|
||
2. 回归分析：
|
||
1. 逻辑回归
|
||
3. 相关性分析
|
||
4. 支持向量机
|
||
5. 隐马尔可夫模型
|
||
6. D-S证据理论
|
||
7. 漏斗模型
|
||
4. 如何做一个完整的分析：
|
||
1. 目标确定
|
||
2. 数据获取，埋点、获取途径、质量验证
|
||
3. 数据预处理，异常值处理、打标签
|
||
4. 数据分析与描述，数据情况描述、数据变化、可视化
|
||
5. 总结结论及报告编写、搭建看板
|
||
5. 问题：
|
||
1. 数据产品的范围？ |