中汽数据(天津)有限公司 任女尔 张聪聪 徐洋 魏金津

车企IT系统在多年运行中积累了大量数据,主要存储在Hive中。对这些数据进行清洗和标准化处理得到建立算法模型所需的训练数据,综合运用统计学分析、多因素分析,对不同层级、不同种类的汽车备件建立需求预测模型,以增强备件销售和采购计划科学预测的能力,降低仓储成本,提升客户满意度。基于Springcloud Alibaba微服务技术建立高并发、高可用的软件系统为需求预测模型的训练、执行、管理提供可靠的运行环境。

0 概述

随着中国汽车市场的快速发展和日渐成熟,售后服务与备件业务在车企中的战略重要性不断提升。车企已有的汽车备件系统在多年运行中积累了备件的需求、库存、订单、整车实销、质量等大数据[1]。车企希望结合这些大数据,运用多种算法模型,建立统一的算法平台去预测备件:根据历史需求、保有量,最优预测模型等去预测备件使用量;根据库存宽度、深度等去预测哪些备件需要存货,存多少;根据补货、采购数据预测哪里有过量库存、短缺,计划建议……算法平台可以增强备件销售和采购计划科学预测的能力,提升备件保供满足率和降低仓储成本,提高存货周转次数,提升客户满意度。

算法平台的主要任务:(1)建立预测模型,以满足备件系统对备件预测、库存计划、采购计划、最优采购等的需求;(2)建立软件系统为这些预测模型的训练与执行提供环境,形成算法相关应用的基础技术平台。