e-works数字化企业网  »  文章频道  »  产品创新数字化(PLM)  »  PDM/PLM

竞品数据分析管理解决方案

2018/11/21    来源:e-works    作者:顾红生  林延军  钱程      
关键字:竞品数据分析  汽车行业  
竞争激烈程度的日新月异,迫使汽车企业厂商加快自研车型的研发速度,为最大程度缩短开发周期,同时减少研发的成本,从而提高产品市场竞争力,企业也越来越关注产品的前期规划。

0 前言

    随着国内汽车市场竞争的进一步加剧,如何定义、设计和产业化款畅销的汽车产品,成为汽车企业的首要问题。因此,基于Benchmark的产品市场对标(配置、价格)和技术对标(汽车性能参数、结构、轻量化水平、平台化及模块化设计、用材与工艺和供应链体系等)受到行业越来越多的关注。国外已有多家汽车Benchmark数据分析公司,建立了多个汽车BM分析数据库平台,国内也有多家汽车设计和工程服务公司开始涉足Benchmark数据业务。随着国产乘用车的市场份额不断攀升,国内乘用车企业开始更加注重汽车产品性能的提升,这些Benchmark数据平台为汽车的性能开发提供了极具应用价值的数据支撑。

1 竞品数据分析管理的现状和分析

    汽车研发是一个庞大的系统工程。高质量的产品不仅依赖于理论分析,还依赖于长期积累的生产经验和专门知识。国外企业通过实验和设计过程,以数据库、模型和产品平台形式积累了大量知识。由于对汽车进行产品数据分析,并建立数据库可以缩短汽车研发周期,降低研发成本,并且有助于企业对产品开发资料的管理,因此国外汽车行业都对汽车产品分析给予相当大的投入。

    在国内,汽车行业的竞品数据分析业务起步晚,能力相对薄弱,特别是长期以来对数据和知识积累的重视不够,使得已拥有的大量技术资源严重流失。虽然国内主流汽车企业有部分产品自主开发的能力,但现阶段对设计数据、知识的整合和梳理工作,也仅限于企业档案式信息存储的方式,缺乏对产品分析业务的整体管理和有效地知识分享渠道。国内企业也意识到这些问题。

    随着国内整车厂自主研发如火如荼的开展,竞品车型分析数据量的日益扩大,主要面临如下问题与挑战:

    在数据的管理方面,竞品数据分析工作积累了大量的分析数据及知识资源,但这些重要资源存储形式分散,利用率低下,查找困难,没有一个有效的IT管理系统,已设定好的分析框架和数据模型无法达到应有效果,极大地影响了竞品数据分析业务的工作效率;

    公司现有竞品数据分析体系没有完整的数据结构,现有数据的管理和指标体系脱节,没有整合在竞品数据分析体系内,用户难以从中提取需要的数据,对技术趋势和以往技术经验进行有效的分析;

    产品技术的分析工作没有分析系统支持,主要依靠分析工程师个人能力和经验,没有一个有效的系统辅助,分析效率低下,其管理工作也日趋复杂,占用了越来越多的技术人员工作精力和时间。且随着人员的流动,会造成产品数据和分析成果的流失;

    随着公司全球化业务的展开,Benchmark竞品数据分析系统对产品研发工作,将提出更多的多部门、多地域协同工作需求。

    基于以上原因,在总结多年实施竞品项目中累积的实践经验的基础上,提出基于产品研发设计的Benchmark管理平台,构建一个统一的竞品数据分析管理系统,实现竞争车型分析数据集中的、有效的存储和管理,支持数据统计研究分析方法,最终实现对数据综合应用和多层的信息知识挖掘;为产品规划、技术设计、质量改善、市场营销等提供建议,最终形成从需求——分析——知识——决策——结论——创新的全竞品分析的闭环过程。

2 竞品数据分析管理的整体解决方案

    未来竞品数据分析管理将是运用多种分析方法,考察市场环境、竞争产品和顾客需求,基于企业拥有的竞争数据积累,作出各种预测分析,再结合企业的产品开发战略,通过综合研究、专家评估,提出对新车型开发的具体建议和分析。

竞品数据分析业务理解

图1 竞品数据分析业务理解

    竞品分析核心业务领域分为三块:竞品分析框架、竞品数据、分析结论或建议。

    1)竞品分析框架是指规范的竞争车型研究的流程、研究方法和评测标准,它的目的就是要以一个科学的方法来指导竞品分析过程;

    2)数据是竞品分析的关键,汽车竞品数据的特点是:

    种类繁多,数量巨大:从测量数据、拆车照片、客观评价、逆向数模、试验报告等等,一个竞品整车的拆车数据可以达到25G。

    关系复杂:文档与文档之间,文档内部数据单元之间都有依赖、关联,传统的文档管理。其管理方法无法支持在后期分析中通过关系进行信息的抽取和利用。

    3)不管分析有多少,最终是为了得出结论或者建议。需要在项目和受众的背景下,对数据进行解释。结论或者建议形成后,团队将可以从这些结论中获得提示,并以此来指导企业战略及产品设计。

    针对竞品业务发展战略,提出从数据管理、数据应用、业务框架三个方面总体目标,提升企业竞品数据分析管理水平的解决方案(如下图2所示)。

竞品数据分析管理整体解决方案

图2 竞品数据分析管理整体解决方案

    构建一个竞品数据分析系统,实现竞品数据集中的、有效的存储和管理,支持数据统计研究分析方法,最终实现对数据综合应用和多层的信息知识挖掘,为产品规划、技术设计、质量改善、市场营销等提供建议。

    拓展竞品分析数据的应用层,支持数据统计研究分析方法,最终实现对数据综合应用,为产品规划、技术设计、质量改善、市场营销等提供建议。

    优化和完善企业竞品分析业务框架,充分发挥竞品分析在产品开发策略中的作用,形成从需求-分析-知识-决策-结论-创新的全竞品分析的闭环过程。

    Benchmark提供了基于产品生命周期管理(PLM)系统之上构建竞品数据分析管理平台的解决方案就是考虑到未来的汽车研发中IT系统的发展趋势,实现了产品研发数据和竞品分析数据一体化管理,形成统一的数据源(如图3所示)。

产品数据和竞品数据的一体化管理

图3 产品数据和竞品数据的一体化管理

    另外,从竞品分析和产品设计的业务流程来看,两者也是紧密相关,密不可分的。在整车研发体系中(如图4所示),前期的产品定义是产品研发的重要输入,而产品的前期规划与策划主要使用标杆分析方法来研究竞争对手、市场环境和客户价值,来确定企业新产品的关键因子和目标。也就是说,前期的竞品分析大多倾向于为产品策划、目标设定提供有价值的信息,支持企业战略层的决策,而产品研发后期的竞品分析主要集中于竞品车型拆解,对拆解过程中的系统/子系统/零部件进行分析,为产品的品质改善、设计创新提供支持,同时,为某些具体的设计问题寻求更好的解决思路。因此,竞品分析是为产品设计提供重要设计参考信息和输入条件。

竞品分析业务在整车开发中的地位

图4 竞品分析业务在整车开发中的地位

    竞品分析一般分为8个阶段,为BM0为标杆车型确定;BM1为整车静态分析;BM2为整车动态试验;BM3为整车结构分析;BM4为白车身试验;BM5为白车身拆解;BM6为零部件结构分析;BM7为数据整理和总结。

    概括来说,可分为拆解前、拆解中,拆解后三个方面。拆解前包括BM1整车静态分析和BM2整车动态试验;拆解中包括BM3整车结构分析、BM4白车身试验、BM5白车身拆解和BM6零部件结构分析;拆解后为BM7数据整理和总结。

竞品分析过程中的数据管理

图5 竞品分析过程中的数据管理

    在竞品分析业务流程的8个阶段中,所涉及到的竞品数据管理主要有图片管理、分析文档管理、参数和属性信息属性、拆解BOM结构管理、样车/样件管理和用户反馈意见管理等六大类。

    1)图片管理主要包括整车照片、拆解图片和编辑处理后的图片三个部分。其中:

    ●整车照片是指BM1整车静态分析和BM2整车动态分析(即拆解前)阶段拍摄的照片;

    ●拆解图片是指BM3整车结构分析阶段之后(即拆解中和拆解后)的零部件照片;

    ●编辑处理后的照片是指对所拍摄的照片进行编辑和处理(如标注等)后的照片,多为拆解后的零部件结构图片等。

    2)分析文档管理主要包括整车试验类报告、零部件试验类报告和过程分析报告三个部分。其中:

    ●整车试验类报告是指BM1静态分析和BM2动态分析(即拆解前)阶段的分析文档;

    ●零部件试验类报告是指BM3整车结构分析阶段之后(即拆解中和拆解后)的零部件分析文档;

    ●过程分析报告是指在整个竞品业务分析过程中产生的中间文档。

    3)参数和属性管理主要包括整车参数属性和零部件参数属性二个部分,其中:

    ●整车参数属性是指BM1静态分析和BM2动态分析(即拆解前)阶段的整车参数、性能参数,以及参数相关的测试报告。

    ●零部件参数属性是指BM3整车结构分析阶段之后(即拆解中和拆解后)的零部件相关的参数属性。

    4)拆解结构管理主要包括拆解BOM结构和对应的点云/三维数模/二维图纸,其中:

    ●拆解BOM结构是指BM3整车结构分析阶段之后(即拆解中和拆解后)的零部件装配结构信息。

    ●点云/三维数模/二维图纸是指在竞品分析过程中产生的整车或零部件逆向扫描的点云文件,对应的三维数模或二维图纸。

    5)样车/样件管理是指通过状态标识样车/样件的入库、借阅、查阅、报废等状态,将样车/样件进行全过程的管理。

    6)用户反馈意见管理是在竞品业务分析过程中可有效收集用户的反馈意见和建议,全面监控处理过程,并可作灵活的统计和分析工作。

    总而言之,Benchmark能够为企业提供了全面的、可扩展的、经过验证的竞品分析数据管理的解决方案,完全覆盖企业的近期目标和未来发展。更重要的是,通过Benchmark管理平台的构建,实现产品设计数据和分析数据的有机结合,有效促进企业设计能力的提升。

3 竞品数据分析管理的关键

    由于竞品分析会涉及到繁多的业务部门,导致大量业务数据的产生。构建Benchmark竞品数据分析管理平台,可从业务数据采集上进行规范,同时建立竞品数据管理体系,并最终实现数据挖掘和其他竞品业务数据的应用,为产品方向规划、整车研发技术设计、整车质量改善、市场营销策略等多方面提出建设性的参考建议。

    3.1 竞品车型分析过程数据管理

    竞品分析过程会产生巨量的竞品分析数据,通过将业务数据采集流程规范的梳理,实现按车型进行统一、标准化的数据结构高效管理。

    如图6所示,竞品车型的数据可按五大类别进行分类结构化管理。

竞品车型分析过程数据管理结构

图6 竞品车型分析过程数据管理结构

    其中:

    ●整车图片结构主要用于管理拆解前拍摄的整车图片。

    ●整车分析文档结构主要用于管理整车试验类报告,拆解分析、过程,总结类报告等文档类型数据。

    ●整车参数结构主要主要用于管理主观评价类评分项、整车性能参数(人机工程、整车NVH、动力经济性等)、系统性能参数(系统甚至零部件级别的性能参数)。

    ●整车拆解结构主要管理拆解的BOM结构信息、零部件数模、零部件参数属性、拆解后零部件图片和零部件试验分析文档。

    ●整车视频结构主要管理拆解过程拍摄的视频以及整车动静态视频数据等。

竞品过程数据在Benchmark中的管理结构

图7 竞品过程数据在Benchmark中的管理结构

    如上图7所示,为Benchmark中的竞品车型数据管理结构示例。

    整车图片按照标准化结构进行管理,结构分类构建逻辑按照视图结构功能结构视图结构的层级分类,使摘录竞品图片数据的工作内容和信息标准化,有利于后续的数据分析和对比;

    整车分析报告库按照标准化结构进行管理;

    整车参数结构将按照BOM装配结构将样车参数、整车参数、拆解零部件参数和性能参数进行分类和管理,并对所有产品分析参数进行梳理,形成标准化、规范的工作内容;

    整车拆解结构也按照BOM装配结构,基于整车的拆解顺序或工艺结构形式来进行分类和管理,通过此拆解结构,可以很清晰的了解相关竞品车型的拆解顺序,从中了解其制造工艺信息。

    以上五类个分类结构管理树,每个管理管理树均制定了标准、统一的工作内容(参数、文档、视频模板、结构),从而让竞品业务整体推进变得标准化。由于做了标准化,使纵向查询、对比和分析也可以快速、有效的实现,同时可支持各类专题报表、图表的交付及产出。

统一的竞品车型数据管理

图8 统一的竞品车型数据管理

    通过每个竞品车型结构树,可快速进行整车参数的查看及对比统计分析,整车图片的浏览和纵向对比,竞品车型BOM结构的分析和数模的浏览,以及整车视频在线浏览,竞品分析文档的在线查看和评审。具体上图8所示。

    3.2 统一产品数据分析知识库构建

    竞品车型分析过程数据管理的数据主要是对于不同车型特定领域数据的采集。各车型的过程管理是整个业务的焦点。它的特点有三点:

    ●构建规范,统一,标准的车型产品分析数据;

    ●数据的纵向检索查询以及对比分析的能力;

    ●竞品车型数据的快速定位,提高信息的利用率;

    统一产品数据分析知识库的建立主要是针对于竞品分析工作后的积累以及总结的一些组织过程资产,通过按照不同功能、业务特点将各车型下的竞品数据的进行分类、结构化的管理,实现产品数据的知识库管理,也是企业的核心。它的特点在于以下三点:

    ●强大的分组分类功能,可依照业务所需进行分类,例如按照专业领域、功能、位置等分类标准;

    ●横向的数据检索查询、对比分析的能力;

    ●设计/竞品数据一体化,提高信息的利用率;

统一产品数据分析知识库构建

图9 统一产品数据分析知识库构建

    构建统一产品数据分析知识库可实现不同竞品车型间数据的快速浏览/查找、横向对比和分析功能。将各车型的产品分析数据在唯一的知识库结构树中管理,可方便下游用户快速定位到同一类型块且属于不同车型的数据,进行快速对比分析。

4 总结

    竞争激烈程度的日新月异,迫使汽车企业厂商加快自研车型的研发速度,为最大程度缩短开发周期,同时减少研发的成本,从而提高产品市场竞争力,企业也越来越关注产品的前期规划。而产品前期策划的研究策略,主要通过标杆分析手段来研究同级友商和客户期望价值。标杆分析方法就是,将本企业各项活动或产品与对应活动的最佳友商进行比较与分析,从而提出提升措施,以达到取彼之长,补己之短的效果。因此,建立一个拥有高效运行机制以及业务流程的竞争产品分析业务;同时相结合的构建一个面向知识应用的数据管理和大数据分析的技术支持系统是至关重要。并且可以有效保护和重用已经获取的信息;借鉴并创新友商经验;通过数据挖掘等手段手段,得到产品价值提升相关的隐性知识。Benchmark在上述方面积累深厚汽车行业经验,愿为汽车制造企业提供全面的技术支持与服务。

责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐