本质上围绕着数据驱动，我们帮助OEM利用数据的核心能力。到底数据驱动能干什么事？在我们来看，数字化面临着好几个维度，包括深度、广度，比如说设计从研发阶段到量产到数据阶段都可以串起来，包括To B和To C。举例来说，今天我们在跟早期客户做智能空调的算法，过去的空调控制器基本上是简单的公式，不会根据地域和天气来改变，今天有没有可能空调的出风策略和模式，风速可以根据地域不同，根据天气不同、季节不同有些多车的学习，可以有一些变化，将来可以持续学习每一个人的喜好，每个人的空调策略可能都不一样，这个想法怎么在量产车上去做，今天我们已经支持客户在做这样的尝试了。
其实我们自己总结了一下，我们把数据驱动的成熟度列了L1到L4，很多人讲数据驱动，眼睛一下子看到L4，其实回溯的时候会发现需要一步一步来，从数据获取能力开始，能不能给今天业务部门最短的路径就是研发，给他们高精度、高质量的、灵活的获得数据的能力，有了这些数据以后能不能不止做一些报告。再往后就是千人千面怎么去做，能不能把数据跟现在做的研发工作形成闭环迭代起来。今天我已经帮助早期客户在做从L1、L2、L3阶段的事情，L4是正在做。
早期我们跟客户去讲总是讲非常抽象的技术，你为什么需要这样的架构？你为什么需要高性能的数据库？当然我们现在给早期客户做了一些事情以后，我们发现了一些还值得讲的东西，这是其中一个，这个也是我们认为当下大部分主机厂做不到的地方。
今天我们把这个作为一个场景跟大家做一个详细的介绍，这里提出一个概念就是数据到桌面，如何提高你的研发效率？
你在一个新架构车上会发现整车软件集成的时候会面临着很多偶发性的故障，过去传统车上做完零部件和整车的HAL不会有太大的BUG，但今天不是了，今天BUG深度和维度会远超你所想，这些BUG隐藏特别深、特别复杂的时候，你会发现在这块的效率反而变得很慢。
怎么办？我们提出了一个口号叫数据到桌面，我们能不能像过去在家里面不用跟着车，不用拿着盒子去采数据就可以把数据拿回来，碰到偶发故障的时候能够把排故的思路前置到车里面，把分析结果直接带回来，我在家里面就可以做后续的分析，这个对数据有依赖，今天所有主机厂都花了很多成本采了很多数据，但是这些数据今天大部分都在那里闲置着，因为精度不够，维度也不够，工程师需要的大量内部信号都上不来，就在这样的情况下已经花了很大很大的成本，车联网每年光传这些数据、存这些数据、处理这些数据就花了很大的成本，反而出的报告就放在那里了，形不成真正的驱动。我们今天帮助客户在量产车上真正实现了数据到桌面这个事情。
