Ford Motor Company’nin Model T’si ilk olarak 1908’de üretildi ve düşük maliyeti, dayanıklılığı, çok yönlülüğü ve bakım kolaylığı sayesinde uzun ömürlü oldu. Üretimdeki verimliliklerle, ortalama tüketicinin karşılayabileceği bir fiyata küresel hareketliliği ölçeklendirerek “dünyayı tekerlekler üzerine koymakla” ün kazandı.
Bugün otomotiv sektörü hâlâ teknolojinin ön saflarında yer alıyor ve dünyanın A noktasından B noktasına nasıl gittiğini dönüştürüyor. Yakın tarihli webinarımızda, Ford Motor Company’de Lider Veri Bilimci ve Python ile Kredi Riski Modellemesi kursumuzun eğitmeni Michael Crabtree, temel farkın artık inovasyonun üretimden değil veri biliminden beslenmesi olduğunu söylüyor.
Ford’da inovasyon artık üretimden değil, veri biliminden besleniyor.
Akıllı şehirler otomotiv sektöründe veri bilimi gerektirir
Model T’nin üretim ölçeklenebilirliğinin 100 yılı aşkın süre önce kitlelere hareketlilik sağlamasına benzer şekilde, bugün veri bilimi daha düşük gelirli topluluklar için hareketliliği ölçeklendiriyor. Sahip olmanın yüksek maliyeti olmadan ulaşımı kolay erişilebilir kılıyor ve sınıf, cinsiyet veya yetenek fark etmeksizin herkes için bu dönüşümü mümkün hale getiriyor.
Örneğin, optimizasyon algoritmaları işletmelere, Amazon teslimatlarından tesisat ve yemek servisine kadar kırsal topluluklara hizmet verecek enerji verimli araçlar sağlayabilir. Veri bilimciler ayrıca, farklı yetilere sahip topluluklara yardımcı olacak araçlar üretmek için güvenilirlik mühendisleriyle birlikte çalışıyor.
Bunlar sadece birkaç örnek; ancak Michael, veri bilimi için neredeyse sınırsız kullanım durumu olduğunu ve çoğunun henüz keşfedilmediğini belirtiyor.
Otomotiv sektöründe verilerle çalışmak
Otomotiv sektörünün olgunluğu ve geniş erişimi sayesinde, şirketlerin veri etrafında yeniden yapılanması için pek çok fırsat var.
Uygulamalardan biri, farklı veri sistemleri ve veri türleri arasında çalışmaktır. Birçok veri bilimci, Excel’e benzer şekilde verilerin tablo biçiminde olduğu yapısal verilere alışkındır. Ancak otomotiv veri bilimcilerinin çalıştığı veri çeşitliliği çok daha fazladır. Örneğin, otomotiv endüstrisinde ham ölçüm verileri yaygın olarak onaltılık basamak akışı şeklinde depolanır. Ayrıca görüntüler ve sensör nokta bulutları biçiminde zeka sistemlerinden gelen verilerle de karşılaşabilirler. Bir otonom aracın neden belirli bir şekilde davrandığını ve bunun araç modelleri arasında nasıl değiştiğini anlamak için bir otomotiv veri bilimcisi, nokta bulutlarını ölçüm verileriyle birleştirip bunu bir dizi tabloyla ilişkilendirebilir.
Bir diğer fırsat da hacimdir: Michael’ın Ford’da oluşturduğu en büyük veritabanı 80 milyar satır içeriyor ve sorgular 10 saniyeden kısa sürede çalışıyor! Otomotiv sektöründeki bazı gerçek zamanlı ve işlem sistemleri günde 150 milyondan fazla kaydı işliyor. Bu kadar çok otomotiv verisi üretildiği için çok büyük veri kümeleri gerekiyor. Otomotiv sektöründeki birçok şirketin veri kümeleri petabayt (bir milyon gigabayt) mertebesindedir.
Veri bilimi otomotiv ürün yaşam döngüsünün her adımında yer alır
Veri bilimi ürün geliştirmeyi yönlendirir
Bir aracın tüketiciye satılabilmesi için pek çok aşama vardır. Otomotivde veri bilimi, ürün geliştirme ile başlar. Yeni model yapılandırmalarının analiz edilmesi ve bileşen parça güvenilirliğinin modellenmesi gibi görevlerde kullanılır. Bileşenleri inşa edip her aşamada bağımsız bir sistem olarak test etmek yerine, veri bilimi süreci ölçekli simülasyon ve analizle destekler.
Veri bilimi üretimde mükemmelliği sağlar
Otomotiv veri bilimcileri ayrıca yalnızca yüksek kaliteli araçların satılmasını garanti eder. Mühendisler her aracın kalitesini test edebilse de bu, her bir araç için bireysel olarak yapılmak zorundadır. Veri bilimciler ise bir parça, tedarikçi ve test verisi popülasyonunun tamamını analiz edebilir. Tedarikçilerin finansal performansını yakından inceler, geçmiş performansa göre zamanında teslim kabiliyetlerini tahmin eder ve tedarikçi lokasyonlarının ekonomik koşullarını denetlemek için regresyonlarla ekonometriden yararlanırlar.
Veri bilimi bağlı ve otonom araçları yönlendirir
Günümüzde gelecekçilikteki en popüler konulardan biri, derin öğrenme modelleri ve sensör füzyonu algoritmalarına dayanan bağlı ve otonom araçlardır. Bu araçların inşasında veri bilimi kritik öneme sahiptir: Yağ ömrü göstergeleri, akü şarj göstergeleri ve tam teşhis enstrümantasyonu gibi IoT göstergelerini eyleme dönüştürülebilir içgörülere çevirmek için kullanılır. Örneğin, yalnızca bir yayayı tespit etmek yeterli değildir—sensörlerin onun nereye doğru yürüdüğünü de ayırt edebilmesi gerekir. Ayrıca sürücü koruması ve çevresel güvenlik dâhil güvenlik sistemleri de önemlidir.
Bu araçlar için geliştirilen yeni bağlı sistemler yeni hizmetler sunar—diğer araçlar, şehirler ve altyapıyla bağlantı kurarlar. Ve bu pazarın potansiyelini keşfetmenin henüz başlangıç aşamasındayız. Küresel bağlı araç pazarı 2019’da yaklaşık \$63 milyardı ve bu pazarın 2027’ye kadar neredeyse dört kat artarak \$225 milyara ulaşması bekleniyor (Allied Market Research)!
Veri bilimi sürdürülebilirlik girişimlerini destekler
Sürdürülebilirlik tüm otomotiv üreticileri için son derece önemlidir. Hükümetler yakıt verimliliği hedefleri belirler, ancak her otomobil şirketinin kendi hedefleri vardır. Her aracın yakıt verimliliği farklı olduğundan, bir şirketin tüm araç serisinin yakıt verimliliğini optimize etmek için veri bilimi gereklidir. Dolayısıyla bir şirket ürün gamında hem büyük, fazla yakıt tüketen bir pikap hem de bir elektrikli otomobil sunmak istiyorsa, otomotiv veri bilimcileri şirketin küresel satış hedeflerine uyarken tüm filonun yakıt tüketimini en aza indirmek için bir optimizasyon gerçekleştirebilir. Optimizasyon çalışmaları, otomobil üreticilerinin yakıt verimliliği için devlet kredileri talep etmesine imkân sağlayabilir. Bu da çevre için iyi olmak, müşterilere daha fazla değer sunmak ve potansiyel bir gelir kaynağı yaratmak gibi üç yönlü bir fayda sağlar.
Veri bilimi için diğer otomotiv kullanım alanları
Belirttiklerimizin ötesinde, veri bilimi otomotiv yaşam döngüsündeki daha pek çok aşamayı etkiler. Pazarlama ve satışta, veri bilimi müşteri hareketlerini ve kaybını tahmin eder. Servis ve müşteri analitiğinde, veri bilimi müşteri satın alma sonrası deneyimini iyileştirir ve ürün kalitesinde gelişmeler sağlar. Veri biliminin otomotivin geleceğini nasıl şekillendirdiğine dair kullanım alanlarına daha derinlemesine dalmak için, Michael’ın talep üzerine izlenebilen webinarını izleyin.
