OTA(Over-The-Air，空中下載技術)，是汽車使用的一種遠程無線升級技術。車主只要保持聯網的狀態，汽車就可以像手機一樣進行系統升級。OTA升級最大的好處是，不管對車輛進行常規的升級還是大面積出現軟體問題需要修複，都可以通過OTA來解決。數據顯示，2022年中國乘用車OTA裝配量達到765 ...

OTA(Over-The-Air，空中下載技術)，是汽車使用的一種遠程無線升級技術。車主只要保持聯網的狀態，汽車就可以像手機一樣進行系統升級。OTA升級最大的好處是，不管對車輛進行常規的升級還是大面積出現軟體問題需要修複，都可以通過OTA來解決。

數據顯示，2022年中國乘用車OTA裝配量達到765萬輛，較2021年增長285萬輛。隨著技術的不斷發展，中國乘用車裝配量將不斷提升，預計到2023年中國OTA裝配車輛將達到1400萬輛。

“硬體預埋+軟體OTA持續升級”已經逐漸成為當下車企的主流策略，車輛被售出之後，車企仍然可以通過OTA線上升級繼續為客戶提供產品更新/升級服務。

以某車企為例，作為具有國際水準的中國汽車龍頭企業，該車企已形成研發製造的集成一體化產業鏈，從研發、供應鏈、生產及質量管理、銷售渠道等方面，均具有顯著的規模和資源優勢。該車企在數字化道路上步步為營，逐步打通產品研發、製造、營銷、用車、用戶運營、售後服務等全產業鏈環節，構建“以人為中心”的數字化服務體系。

然而，汽車產業普遍存在因產業鏈條長導致數據分散的痛點。數據分散的情況，使得企業以往積累的基礎數據難以發揮增值作用，數據利用率低。另一方面，往往企業內部也會因缺乏統一的數據標準，導致業務難以協同發展，各個版塊系統不相容，數據資源難以共用。

01 大數據開發治理平臺：集團數據整體智治、高效協同

該車企在數字化進程中，也同樣面臨類似的境遇。具體來說，比如因涉及研發、製造、零部件、守候、駕駛等產業鏈條，各機構數據存儲分散，自成體系，數據的統一管理困難；

雖然積累了大量基礎數據，但從中挖掘出決策性數據並不多，數據資源的增值作用還沒有在管理決策過程中充分發揮，數據資源利用率低；

系統之間集成度較低、互聯性較差，缺乏統一的標準體系，業務難以協同發展；

最後，因各參與者採用的資料庫系統不同，信息編碼、技術規範不統一、數據格式不一致，導致數據異構嚴重，跨集團與板塊的數據無法及時共用，缺乏完善的共用機制，數據資源難以共用和轉換。

針對以上痛點，袋鼠雲基於“整體智治、高效協同”的原則，為該車企構建大數據開發治理平臺，建立數據中樞，實現OTA及相關研發數據集成、治理和規範化管理，驅動業務創新。

file

基於數棧，袋鼠雲為該車企搭建了大數據開發治理平臺，完成OTA數據從數據集成、數據建模開發、數據治理與數據服務完整數據鏈條功能實現，確保研發數據在研產供銷全生命周期中流轉的準確性和一致性。

平臺就如人體的大腦中樞一般，統籌調度集團所有的數據使用，賦予企業精準決策、業務創新的能力。

從該車企的角度而言，之所以選擇使用數棧，原因有四：首先，數棧開放相容性強。支持私有雲、公有雲、跨雲部署，具備多計算集群對接、底層組件相容性特征，可完美相容該車企目前的BMR、GDMP集群，產品所有模塊均可提供SDK介面，能夠輕鬆適應該車企複雜的技術架構體系。

其次，數棧易用穩定。可視化的操作界面讓車企的開發人員以寫SQL的方式就可以進行數據開發，大大降低開發成本；靈活的模塊化產品及自主可控的部署模式也大大節約了該車企建設數據平臺的成本；並且產品具備金融級安全保護，可自如應對車企的數據併發、千萬級任務調度場景。

再次，經過8年的市場檢驗，數棧產品功能強大齊全，能夠提供全方位的數據治理能力，適應該車企複雜的集團型組織及業務體系，保障數據安全及業務穩定運行。

最後，技術可控，數棧具備自研數據集成工具、調度引擎、運維監控及優化其他計算引擎的能力，核心源碼自主可控。

file

袋鼠雲以組合拳的方式為該車企完成了大數據開發治理平臺搭建，對接了6套BMR、GDMP集群，滿足了25個以上產品需求，累計完成10次升級，目前可以支撐控股IT（人力資源）、研究院前瞻研究部、研究院工程發佈中心、人力資源部-數據質量、商用車視頻監控等業務部門同時使用。

數字化轉型，數據先行，大數據開發治理平臺成為該車企的數字化底座，確保車企在數字化研發、數字化製造、數字化營銷、以及數字化體驗等方面進行持續且有效的迭代。

02 OTA數據質量檢查：以高質量數據驅動業務創新

由於汽車行業研產銷等數據鏈路長，上下游數據的準確性、一致性難以保證，因此，需要著眼於未來數據持續高質量運營的佈局，使用工具化手段管控和落實對OTA及相關研發數據管理，完善數據治理能力，以高質量數據驅動業務創新。

大數據開發治理平臺的落地，幫助該車企完成了OTA數據從數據集成、數據建模開發、數據治理與數據服務完整數據鏈條功能實現，確保研發數據在研產供銷全生命周期中流轉的準確性和一致性。

具體來說，在應用層實現了SW-BOM檢查、AM-BOM檢查、BSS檢查、車輛裝配檢查、車輛檔案檢等5大場景，23個檢查點的OTA數據質量檢查；在彙總層形成了研發主題模型、製造主題模型和銷售主題模型等13個業務主題模型；在明細層按照數據主題劃分了研發域、製造域和銷售域3個數據域，並按照提取的27個數據開發標準實現數據標準化；在貼源層針對TC、DT、SAP、MES、OTA這5個不同的業務系統對接方案實施落地，截至目前已接入共39張表，31億條數據。

file