汽车测试领域的大数据需要测试数据治理

汽车测试领域的大数据主要是分析来自各种测试台和驾驶测试的海量数据。目的是识别这些测试数据中的新模式和相关性，以描述不同组件的复杂系统，并预测该系统的未来行为。这样，就可以获得开发新模拟模块的重要见解，并在执行成本密集型测试方面节省大量资金。在其他方面，其基础是数据挖掘、预测分析或机器学习的工具，大量地这些工具已经出现在现在市场上，在某些情况下甚至是免费的。

但是，使用这些工具需要有据可查的测试数据。

在实践中，这往往是问题开始的点：一方面，许多测试工程师并不认为维护元信息是"性感的"。另一方面，对测试背景的广泛了解对于长期和独立于个人正确解释测量至关重要。如果缺少测试内容的系统文档，则测量的数据只是一列非常快速地失去值的数字。

到目前为止，许多测试部门忽视了元数据管理——如果能说到的话。特别是，它嵌入在测试过程中是不足的。处理元数据的指南通常徒劳无功，该准则规定了统一的数据输入和维护流程和责任（=测试数据治理）。此外，用于测量数据管理 （MDM） 的许多系统没有提供足够有效的功能来支持和执行此类测试数据治理。不幸的是，在 MDM 平台的规划和选择过程中，公司仍然没有充分重视这一事实。

这样导致太多，往往是特定部门以及单个和多数地基本记录的测试数据储存孤立方案。这些只是不太适合作为实施在多个领域的大数据分析的基础。

结论：希望在近期挖掘大数据潜力的测试部门，在今天处理好测试数据治理的课题方面做得很好。ASAM ODS  等标准为此提供了适当的基础。软件平台如 Open MDM 或 Peak Test Data Manager 助您将重点牢牢地固定在特定公司的测试流程中。