http://www.d1net.com/cio/interview/579925.html
数据驱动 充电大数据得以规模化应用
特来电日均产生的数据量约为8tb，相当于传统制造企业几年甚至20余年的数据总量。存储数据就意味着成本支出，对于企业而言，数据存下来不是关键，如何降低存储成本，如何快速进行数据分类，如何识别热数据并挖掘出数据价值，如何识别冷数据将其打入“冷宫”以降低存储成本，是要解决的首要问题。
特来电已建立全国最大的充电大数据云平台，并针对不同类型的数据加以充分应用：
通过近九年的充电大数据积累，特来电创新研发了行业首个充电两层安全防护体系，大幅提升了充电安全性。
在场站设备管理方面，特来电利用积累的数据开发了充电站智能运维系统，不仅显著提高了运维效率，同时也显著降低了成本。
运用用户充电行为数据，特来电绘制出精准的用户画像，并建立rfm模型，优化运营策略，从而提高整体的运营效率。
特来电还创建了覆盖多数新能源车型的车系档案库，这些档案是其两层防护技术的重要数据支撑，确保了系统防护的精确性。
云平台系统的监控数据保障了云平台的系统稳定性、安全性和可靠性。
此外，得益于深度学习车牌识别算法的持续优化和新能源车牌数据的支持，特来电还将车牌识别技术与道闸系统联动，优化了用户的充电体验。
首创充电两层安全防护体系 解决烧车痛点
随着新能源车辆使用时间的增长，潜在的故障风险也随之升高，甚至频发烧车事故，而充电过程中产生的异常往往被忽视。早在2015年，特来电就构建了设备侧的安全防护措施。
充电过程中，特来电充电网与新能源车、bms之间进行高效的数据交互与充电过程控制，因此会产生大量的充电大数据和能源大数据。2019年，特来电进一步推出了基于平台的安全防护技术，首创了充电两层安全防护体系，解决了新能源车辆“烧车”的行业痛点。
在充电两层安全防护体系中，第一层为cms(充电管理系统)主动防护，建立了至少36项关于每次电池充电过程的安全数学模型，实现对电池电压、电流、温度和电量等关键信息的全程监控，确保了充电过程的安全可控。
第二层则是依托于大数据分析的安全防护体系，通过特来电的大数据云平台支撑主动防护、电池健康监测、智能运维、实时运营分析等大数据应用，进一步增强充电安全性。未来还可将充电过程数据作为充电安全依据，为每一辆车、每一组电池建立全寿命周期的专家库系统，实现电池安全风险的预警。
特来电利用大数据技术收集车辆充电过程中的所有数据，创建车辆的“体检档案”。通过分析这些数据，建立车辆的安全评分模型，对充电过程中的车辆进行打分，并将存在安全风险(60分以下)的车辆标记为高危。这种预警系统的准确率高达95%，为用户和b端客户提供了关键的安全信息。
当前，特来电先进的大数据技术和充电安全标准已经获得了业界的广泛认可，不仅证实了充电过程的安全监管具有重要意义，更提升了整个行业的安全水平。
一城一策 一站一策 精准运营五张充电网
特来电在精细化运营方面采取了一系列创新性措施，提高充电站的投资回报和运营效果。首先，采用“一城一策”分析法，依据各城市新能源汽车的发展情况，构建包括公交、公共、居民小区、企事业园区和物流在内的五类充电网。基于地区特定的车流量信息和当地的投建运营数据，特来电依靠智能化工具分析并制定充电站投建热力图，以实现充电站的智能选址。
选址后并不意味着即可投建，在充电站建设前，特来电通过120余项评价指标对即将投建的充电站进行综合评分，只有评分优秀站点才允许投建，数字化的评估方式确保了所有投资的站点都是经营基因优良的场站。
建站后，特来电执行“一站一策”的运营策略，根据服务的用户群体和充电站类型，定制个性化运营方案。通过数字化监控工具跟踪每个充电桩的日常运营能力，并在检测到显著下降时及时预警，进一步通过深入分析确定原因并进行相应的运营干预。这些干预包括设备升级、扩建或是根据竞争状况制定运营活动。在促销活动中，特来电通过用户画像精确识别目标群体，执行有针对性的营销活动，并通过闭环分析来评估活动效果，以提升运营质量。
此外，特来电还利用边缘计算设备和图像识别技术监控充电站场景。例如检测场站中的吸烟行为，并在发现违规行为时立即预警，以确保充电安全;通过ai技术监测站点的卫生状况，实现烟雾报警和起火报警。
借助智能运维实现系统高可用 增效显著
伴随公司规模的迅速扩张，智能运维成为保障高效服务的关键手段。特来电通过全国范围的工时统计发现，运维人员大量时间花在路途中，而非实际运维工作。为提高运维效率和能效，特来电实施了以下5方面举措：
1) 加强设备核心元器件的远程监测，确保其运行状态始终在掌控中。
2) 实现设备的远程自检，以便及时发现并预防潜在问题。
3) 当设备发生异常时由系统发送明确的预警通知，以便运维人员迅速响应。
4) 对设备进行远程控制处理，如远程断电、解锁或重启通信设备。
5) 支持设备的远程ota升级，持续改进产品性能和稳定性。
此外，借助ai技术和数据分析，特来电能够预测哪些设备故障概率较高，从而进行产品改进。通过建立关键设备的全生命周期模型，进行预防性维护，提升了整体运行的稳定性。同时，也通过自动化处理和快速响应，显著提高了运维效率。
特来电数字化能力的四个层级
张锟总结，特来电数字化建设目标，是通过数字化升级，全面梳理企业流程、组织、目标，并运用大数据、ai、数据模型分析等，实现企业提升效率、节省成本。数字化能力建设可以分为4个层级。
1)快速报表能力：重点在于打破数据孤岛，实现信息的连通性。通过数据的集成和报表的快速生成，可快速响应业务需求。例如，特来电在结算时根据业务数据、合约情况以及支付渠道费用，快速生成客户账单。快速报表能力虽看似简单，却需要对不同数据源进行整合，实现t 1快速结算，确保数据的准确性和结算的及时性。
2)图形化分析能力：通过可视化的图形化工具，比如趋势图、饼图和柱状图，辅助人员发现系统内的规律和潜在问题。例如，利用图表分析账单数据，可以更直观地发现异常或变化趋势，从而提高了问题识别的效率和准确性。图形化分析帮助识别问题，但通常还需要人工判断。
3)场景化分析能力：通过具体的业务场景来指导数据分析，使得分析得出一些业务性的结论。一个典型的应用是单站毛利核算系统，它通过分析固定场景下的数据，预测充电站的投资回收期和收益情况，帮助做出更加精准的运营决策。
4)智能决策能力：最高级的阶段是智能化，运用ai技术进行深度分析和辅助决策。比如充电管家服务，ai不仅能判断充电站的运营状况，还能充当运营专家的角色，基于数据分析提供具体的运营改进建议。如分析场站受活动影响的流失情况，并根据历史数据和模型，预测并制定最有效的营销措施来吸引客户。
在应用这四个层级的数字化技术时，特来电会充分考虑到不同产品和场景的特性。张锟强调：并非所有系统和功能都需要达到智能化阶段，公司会根据成本效益和实际需求选择适当的数字化层级。例如，在需求快速变化和调整的场景中，可能会选择利用低代码平台进行快速适配;而在数据分析和运营决策方面，则会选择更高级的智能化分析技术。这种分阶段的方法使得特来电能够在保证效率和效果的同时，有效控制成本。
关于数字化的三点建议
对于正走在数字化之路上的it同行，张锟给出了三点建议：
1、流程优先：明确公司的目标，并彻底梳理公司流程及相关组织和职责。这是系统设计和支撑流程的基础。
2、重视研发：要充分认识研发的重要性，并确保足够的投入。同时，选择合适的信息化工具或平台，如低代码平台，以高效地解决问题并快速适应数字化升级过程中的需求变化。
3、平衡价值：在使用数据的过程中，不能忽视数据的存储成本，要做好平衡，及时处理和应用数据，最大化数据的价值。
《数智转型 d1先锋》栏目介绍
《数智转型 d1先锋》是企业网d1net与信众智(cio智力输出及社交平台)策划出品的访谈栏目。过去的几年里，众多行业先锋企业积极探索数字化转型，一大批优秀cio成为数字化先锋，荣获企业网d1net与信众智(cio智力输出及社交平台)颁发的“全国优秀 cio”奖。我们期望借助深度访谈，分享来自一线cio的数字化转型实践经验，传播cio个人品牌及价值，间接提升it管理者在企业中的影响力和话语权。栏目的目标是：让中国企业在转型的过程中少走弯路，更快更好地实现为业务增长服务的目标，加速行业企业的数字化进程。
关于企业网d1net(www.d1net.com)：
国内主流的to b it门户，同时在运营国内最大的甲方cio专家库和智力输出及社交平台-信众智(www.cioall.com)。同时运营19个it行业公众号(微信搜索d1net即可关注)