지난 몇 년 동안 자동차 산업은 놀랍게 발전했습니다. 전기 자동차가 틈새 시장에서 주류로 진출하고, 곧 핵심 제품으로 빠르게 성장한 한 가지 예를 보면, 선도적인 플레이어가 전체 조직을 신속하게 회전시킬 수 있는 능력이 강조됩니다. COVID 팬데믹은 일부 구축된 프로세스의 취약성과 애자일하게 문제를 유연하게 극복할 수 있는 업계의 능력 모두 보여주었습니다. 하지만 앞으로 더 많은 것이 있습니다! 끝없는 기술의 발전과 이 기술이 자동차 제품의 본질과 자동차의 수명 내 자동차 제품이 어떻게 사용되고, 개발되고, 구축되고, 운영되는지에 미치는 영향은 업계를 계속 혼란에 빠뜨릴 것입니다. 비즈니스 모델과 밀접하게 관련된 변경 사항도 마찬가지입니다. 수익을 창출하는 방식, 제품을 설계, 생산, 마케팅, 판매 및 지원하는 방식은 계속해서 빠른 속도로 진화하고 있습니다. 오늘날 자동차 비즈니스는 구조화된 B2B 계층 구조에서 고객과 지속적으로 상호 작용하는 유연한 파트너 네트워크로 빠르게 이동하고 있습니다.
이전에 설명했듯이 데이터는 이러한 모든 변화의 중심에 있습니다. 다른 모든 부문의 조직과 마찬가지로 자동차 기업도 데이터 중심이 되기 위해 빠르게 진화해야 합니다. 차량 수명 주기의 모든 측면과 연관된 제품 혁신에 고객의 데이터를 바로 연결하는 디지털 스레드를 구축, 육성 및 활용하는 것이 매우 중요합니다. 문제의 복잡성과 전례 없는 속도와 규모의 데이터에 대한 수요는 미래 자동차 회사가 여러 디지털 스레드를 전체 에코시스템에 연결하는 일관된 디지털 패브릭으로 엮어야 한다는 것을 의미합니다.
많은 자동차 OEM 및 계층 1 공급업체는 이미 디지털 스레드가 주요 프로세스와 연결되고 데이터 흐름을 보장하여 가치를 더하는 'Islands of Excellence'를 만들었습니다. 예를 들어, 여러 테라데이타 고객들은 데이터와 머신 러닝을 사용하여 공장과 차량의 품질 문제를 신속하게 식별합니다. 자동화의 근본 원인을 분석하면 품질 프로세스는 더욱 향상됩니다. 다른 회사는 커넥티드 카 데이터와 상황 분석을 사용하여 운전자에게 맞춤형 메시지를 전달하고, 일부는 마케팅 분석을 사용하여 가치가 높은 고객을 식별하고 고객 이탈을 줄입니다. 다음 단계는 이 섬들을 인접한 데이터 대륙으로 연결하는 것입니다. 이 땅에 도달하는 데는 긴 시간이 걸리지만 디지털 패브릭을 만드는 모든 단계는 즉각적으로 가치를 더할 것입니다.
두 번째 전제 조건은 데이터를 보고에 유용한 출력 또는 프로세스의 부산물로 보는 사고 방식에서 예측 모델을 구동하는 입력 및 출력으로 데이터를 이해하는 것입니다. 데이터 배포를 통한 문제 자동화, 위험 제거 및 예방 뿐만 아니라 새로운 기회에 대한 통찰력을 제공하고 비용을 절감하며 가치를 높입니다. 데이터를 사용하여 문제가 발생한 이유를 이해하는 것은 강력합니다. 데이터를 사용하여 문제가 발생하지 않도록 예측하고 방지하는 것은 혁신적입니다.
마지막으로 자동차 회사는 미래에 번창하는 데 필요한 데이터의 방대한 규모와 속도를 처리할 수 있는 토대를 마련해야 합니다. 그 이유는 다음과 같습니다. 평균적으로 차량에는 20,000개의 부품이 있으며 각 부품은 많은 이벤트(예: 사용된 원자재, 제조 시간 및 장소, 운송 세부 정보 등)의 영향을 받을 수 있으며, 모두 데이터를 생성합니다. 예를 들어 주요조립공정 이전에 100개의 데이터 포인트가 있다고 가정해 보겠습니다. 이는 이미 차량당 2백만 건의 이벤트가 있다는 것을 의미합니다. 여기에 매년 각 공장에서 제조되는 차량 수를 곱하면 캡처할 데이터의 이벤트는 수억 개로 증가합니다! 비즈니스 모델이 변화하고 OEM이 계속해서 차량의 수명 기간 동안 사용 중인 차량의 데이터를 캡처하고 사용하여 그 수의 규모는 계속해서 증가합니다.
여러 디지털 스레드 엮기
이전에 설명했듯이 데이터는 이러한 모든 변화의 중심에 있습니다. 다른 모든 부문의 조직과 마찬가지로 자동차 기업도 데이터 중심이 되기 위해 빠르게 진화해야 합니다. 차량 수명 주기의 모든 측면과 연관된 제품 혁신에 고객의 데이터를 바로 연결하는 디지털 스레드를 구축, 육성 및 활용하는 것이 매우 중요합니다. 문제의 복잡성과 전례 없는 속도와 규모의 데이터에 대한 수요는 미래 자동차 회사가 여러 디지털 스레드를 전체 에코시스템에 연결하는 일관된 디지털 패브릭으로 엮어야 한다는 것을 의미합니다.많은 자동차 OEM 및 계층 1 공급업체는 이미 디지털 스레드가 주요 프로세스와 연결되고 데이터 흐름을 보장하여 가치를 더하는 'Islands of Excellence'를 만들었습니다. 예를 들어, 여러 테라데이타 고객들은 데이터와 머신 러닝을 사용하여 공장과 차량의 품질 문제를 신속하게 식별합니다. 자동화의 근본 원인을 분석하면 품질 프로세스는 더욱 향상됩니다. 다른 회사는 커넥티드 카 데이터와 상황 분석을 사용하여 운전자에게 맞춤형 메시지를 전달하고, 일부는 마케팅 분석을 사용하여 가치가 높은 고객을 식별하고 고객 이탈을 줄입니다. 다음 단계는 이 섬들을 인접한 데이터 대륙으로 연결하는 것입니다. 이 땅에 도달하는 데는 긴 시간이 걸리지만 디지털 패브릭을 만드는 모든 단계는 즉각적으로 가치를 더할 것입니다.
아직 묻지 않은 질문에 답변
이 디지털 패브릭을 엮기 시작했을 때의 주요 이점은 지난 몇 년 동안의 혼란을 통해 예리하게 입증되었습니다. 애널리틱스에 대한 사일로화된 개념 증명 접근 방식은 어느 정도 가치를 제공할 수 있지만 기업은 새로운 질문에 대한 답이 필요하다는 사실을 거듭 깨닫게 됩니다. 이전 질문에 답하기 위해 지정된 모델과 접근 방식은 새로운 예기치 않은 질문이 등장함에 따라 항상 뒤쳐져 있습니다. 디지털 패브릭은 아직 예측하지 못한 문제를 해결하고 상상할 수 없는 통찰력을 제공하는 데 필요한 모든 데이터를 연결하고 결합할 준비를 함으로써 다른 접근 방식을 취합니다. Volkswagen은 프로덕션용 디지털 플랫폼을 만드는 데 선두주자로서 과감한 발걸음을 내디뎠습니다. AWS와 협력하여 모든 시설의 모든 기계, 공장 및 시스템 데이터를 결합하여 제조 프로세스를 개선하기 위해 내부 및 외부 혁신의 산업 에코시스템을 만들고 지원하는 디지털 프로덕션 플랫폼을 구현했습니다. 테라데이타는 디지털 패브릭을 만드는 이 이니셔티브의 일부이며 지속적인 개선을 위해 100% 공정 모니터링을 제공하는 최초의 라이브 클라우드 기반 애널리틱스를 제공하는 기업 중 하나입니다.세 가지 전제 조건
이 디지털 패브릭을 만들기 위해 우리는 자동차 비즈니스의 세 가지 필수 전제 조건을 식별했습니다. 첫 번째는 세분화된 데이터입니다. 마케팅 측면에서 우리는 모든 개별 고객의 정확한 요구에 맞게 제안을 조정하는 것을 하나의 세그먼트라고 합니다. 자동차 측면에서는 인바운드 물류의 모든 개별 부품 수를 추적, 예측 및 줄이는 것을 의미합니다. 이는 개별 VIN 번호 수준에서 제조 및 아웃바운드 물류를 관리하는 것을 의미합니다. 데이터는 제품의 수명 주기 전반에 걸쳐 개별 차량, 소유자 및 운전자로부터 수집될 뿐만 아니라 모든 지점에서 가치를 창출하기 위해 분석할 수 있는 사용 가능한 형식으로 수집되어야 합니다.두 번째 전제 조건은 데이터를 보고에 유용한 출력 또는 프로세스의 부산물로 보는 사고 방식에서 예측 모델을 구동하는 입력 및 출력으로 데이터를 이해하는 것입니다. 데이터 배포를 통한 문제 자동화, 위험 제거 및 예방 뿐만 아니라 새로운 기회에 대한 통찰력을 제공하고 비용을 절감하며 가치를 높입니다. 데이터를 사용하여 문제가 발생한 이유를 이해하는 것은 강력합니다. 데이터를 사용하여 문제가 발생하지 않도록 예측하고 방지하는 것은 혁신적입니다.
마지막으로 자동차 회사는 미래에 번창하는 데 필요한 데이터의 방대한 규모와 속도를 처리할 수 있는 토대를 마련해야 합니다. 그 이유는 다음과 같습니다. 평균적으로 차량에는 20,000개의 부품이 있으며 각 부품은 많은 이벤트(예: 사용된 원자재, 제조 시간 및 장소, 운송 세부 정보 등)의 영향을 받을 수 있으며, 모두 데이터를 생성합니다. 예를 들어 주요조립공정 이전에 100개의 데이터 포인트가 있다고 가정해 보겠습니다. 이는 이미 차량당 2백만 건의 이벤트가 있다는 것을 의미합니다. 여기에 매년 각 공장에서 제조되는 차량 수를 곱하면 캡처할 데이터의 이벤트는 수억 개로 증가합니다! 비즈니스 모델이 변화하고 OEM이 계속해서 차량의 수명 기간 동안 사용 중인 차량의 데이터를 캡처하고 사용하여 그 수의 규모는 계속해서 증가합니다.