以下文章来源于DataFunSummit ，作者海博 DataFunSummit . DataFun社区旗下账号，专注于分享大数据、人工智能领域行业峰会信息和嘉宾演讲内容，定期提供资 料合集下载。 INTRODUCTION 海博 理想汽车 分 享 嘉 宾 大数据工程师 专注于大数据计算领域，曾参与过多个数据平台的建设。目前负责理想汽车 OLAP 引擎 StarRocks 和时序引擎 MatrixDB 的应用和周边生态的建设 。 01 海量数据分析的挑战 首先来介绍一下理想汽车海量数据分析场景。 1. 背景：海量数据分析驱动汽车数字化、智能化 与互联网数据分析不同，汽车制造业的数据分析场景主要围绕车辆数据进行分析，除了企业经营数据，大部分 数据是从车端采集而来。车辆数据主要包括三类： 车机埋点数据：来自于车辆上类似 pad 的车机，其中会有一些行为埋点数据，采集分析后用于驱动智能 座舱的迭代。 这些来自车端的数据每天都会达到万亿级别，通过采集、分析这些海量数据，再应用回车辆，从而打造更智能 的车，以数据去驱动汽车的数字化、智能化。 2. 海量数据分析面临的问题 在海量数据分析过程中会面临诸多问题，主要包括三个方 ...