carVertical adatforrások: Hogyan készülnek a járműtörténeti jelentések?

Ügyfeleink és üzleti partnereink gyakran kérdezik tőlünk: hogyan készülnek a carVertical járműtörténeti jelentései? Honnan származnak az adatok?

Kíváncsiságuk tökéletesen érthető – az autótörténeti jelentések valóban gyakran tárnak fel váratlan információkat. Nem is olyan régen az autóvásárlóknak még az eladók őszinteségére és a szerelők szakértelmére kellett hagyatkozniuk, hogy tisztességes használt autóhoz jussanak.

Nos, bármennyire is szeretnénk mágikus képességekkel rendelkezni, az igazság sokkal egyszerűbb, viszont annál érdekesebb. Cikkünkben elmagyarázzuk, hogyan készülnek a carVertical járműtörténeti jelentései.

VIN-kód: kulcs a jármű történetének megismeréséhez

A legtöbb carVertical jelentés egy járműazonosító számmal (VIN) kezdődik. Lássuk tehát, hogy mi ez, és miben jelent nekünk segítséget!

Szinte minden 1981 után gyártott autónak van egy egyedi, 17 karakterből álló alvázszáma (VIN-kódja), amely a jármű ujjlenyomataként szolgál. Az alvázszámot különböző intézmények – például a rendőrség, biztosítótársaságok és szervizek – használják az autók életében bekövetkezett jelentősebb események rögzítésére. Balesetek, lopások, kilométeróra-ellenőrzések, tulajdonosváltások és sok más esemény is ezzel a számmal kerül nyilvántartásba.

Mivel digitális korban élünk, ezen adatok nagy része nyílt, illetve privát adatbázisokban van tárolva. Az alvázszám (VIN-kód) a kulcs ahhoz, hogy hozzáférjünk ezekhez az adatokhoz.

Így készülnek a carVertical jelentések: bepillantunk a kulisszák mögé

Míg a jelentés egyszerű és könnyen érthető, a mögötte álló technikai folyamat meglehetősen összetett, dinamikus és folyamatosan fejlődik. Vessünk egy pillantást arra, hogyan alakítjuk át a nyers adatokat egyértelmű, használható információkká a számodra.

1. A VIN-kód használata adatok keresésére

Amikor megadod az alvázszámot a carVertical alkalmazásban vagy a weboldalon, automatikusan több mint 40 ország 900-nál is több adatforrásában keresünk. Ezek között szerepelnek az alábbiak:

• Bűnüldözés
• Országos rendőrségi adatbázisok
• Pénzintézetek
• Országos/állami nyilvántartások
• Apróhirdetések
• Nonprofit szervezetek

2. Az adatok tisztítása és használható szakaszokra rendezése

A különböző forrásokból kapott adatok általában nyersek, amelyeket több lépésben még fel kell dolgoznunk. Nézzünk egy példát, ami szemlélteti a folyamatot:

Tegyük fel, hogy kapunk egy svéd dokumentumot egy fekete Mercedes-Benz GLC 300-ról, amelynek kilométerórája 2021. június 12-én 5000 skandináv mérföldet (50 000 kilométert) mutat. Mielőtt felhasználnánk ezeket az információkat, a következőket kell tennünk:

• Javítjuk a hibákat/ellentmondásokat. Az adatok bevitele a rendszerekbe gyakran manuálisan történik, így előfordulhatnak elírások vagy más hibák.
• Szükség esetén lefordítjuk az adatokat.
• Az információkat releváns kategóriákba rendezzük, például:
  • Rögzítés dátuma: 2021. június 12.
  • Ország: Svédország
  • Gyártási év: 2020
  • Gyártmány: Mercedes-Benz
  • Modell: GLC 300
  • Szín: fekete
  • Kilométerszámláló értéke: 5000
  • Kilométerszámláló egysége: skandináv mérföld

Innentől már csoportosítani tudjuk ezeket az adatokat más nyilvántartásokból származó információkkal, és felhasználhatjuk őket a jelentés elkészítéséhez.

3. A rendszerezett adatok hozzárendelése a jelentés megfelelő szakaszaihoz.

Hogy közelebbről lássuk, hogyan válik az adat a carVertical jelentések részévé, vegyük ismét a fekete Mercedes példáját.

A fenti dokumentumból tudjuk, hogy a kilométeróra állása 50 000 km volt, amikor ezt az információt rögzítették.

Ezt onnan tudjuk (vagyis a carVertical rendszer onnan tudja), hogy elemeztük a dokumentumot, és elkülönítettük ezt a három információt – „Kilométeróra állása: 5000,” „Kilométeróra mértékegysége: skandináv mérföld,” és „Rögzítés dátuma: 2021. június 12.”.

Most tegyük fel, hogy találtunk még két adatbejegyzést erről a Mercedesről, amelyek a következő információkat tartalmazzák:

• 1. dokumentum:
  • Bejegyzést készítő ország: Svédország
  • Kilométerszámláló: 187 000 km
  • Regisztrálás dátuma: 2022. október 20.
• 2. dokumentum:
  • Bejegyzést készítő ország: Finnország
  • Műszaki vizsga dátuma: 2023. szeptember 7.
  • Kilométerszámláló: 105 000 km
  • CO2-kibocsátás: [x g/km]

Ez az információ már önmagában is sokat elárul – nekünk csak össze kell raknunk a teljes képet.

Az információtípusokat a jelentés egyes szakaszaiba kell csoportosítanunk. Ebben az esetben van 3 kilométeróra-állásunk, és ismerjük a rögzítési dátumokat. Ezek a jelentés Kilométeróra-állás szakaszában fognak megjelenni. Eközben a műszaki vizsga adatai a Jogi státusz és az Idővonal szekciókba kerülnek, stb.

4. Statisztikai modellek használata az információk előállítására és javítások végrehajtására

Most már rendelkezésünkre állnak az adatok, és fel is dolgoztuk őket a carVertical jelentéshez. De még bőven maradt tennivalónk a háttérben – főként statisztikai modellek és egyéb technológiai megoldások használatával ki kell javítanunk a hibákat és ki kell egészítenünk a jelentést.

Túl sok felhasználási területe van ezeknek a technológiáknak ahhoz, hogy mindet felsoroljuk, de példaként említhetjük a statisztikai modelleket, amelyeket arra használunk, hogy további információkkal lássuk el a felhasználókat (hogy össze tudjuk hasonlítani a példánkban szereplő Mercedes futásteljesítményét más, ugyanolyan modellű, korú stb. autókéval).

Ez a folyamat mindkét irányban működik: statisztikai modelleket használunk a jelenlegi jelentés bővítésére, és a jelenlegi jelentés adatait is felhasználjuk statisztikai modelljeink fejlesztéséhez.

5. A jelentés elkészítése

Ezen a ponton minden összegyűjtött, megtisztított, rendszerezett és kibővített információt felhasználunk a carVertical jelentés elkészítéséhez. Térjünk vissza a Mercedeshez egy utolsó példa kedvéért. Íme, hogyan nézhet ki a jelentésben a Kilométeróra-állás szakasz:

Bár ez a fekete Mercedes vonzónak tűnhet, a fenti grafikon bármelyik potenciális vásárlót elgondolkodtatna.

A jelentésből a felhasználók azt is megtudhatják, milyen utat járt be az autó – megérkezett Svédországba, ott eladták egy másik tulajdonosnak, majd végül Finnországba került. Statisztikai modellek segítségével meg tudjuk adni az autómodell árkategóriáját, valamint egy átlagos futásteljesítmény-grafikont is (bár az utóbbiban nem lenne jelentős eltérés, tekintve a kilométeróra visszatekerését!), és még sok egyebet.

Károk, futásteljesítmény és minden más: Melyik adat milyen forrásból származik?

Anélkül, hogy a jelentéseinkhez használ konkrét adatbázisokat vagy információforrásokat említenénk, áttekinthetünk néhány általános szabályt arra vonatkozóan, honnan származhatnak bizonyos típusú adatok.

Mielőtt azonban ezt megtennénk, fontos megérteni néhány dolgot:

• Ugyanaz a típusú információ különböző forrásokból is származhat. A futásteljesítmény-adatok (akár ugyanaz az adat) származhatnak például egy karbantartás eseményből, rendőrségi nyilvántartásból vagy máshonnan.
• Országonként sokféle eltérés lehet. Az azonos típusú intézményeknek országonként különböző szerepük lehet a nyilvántartási rendszerekben.

Hol találhatod meg tehát ezeket a károkat, a kilométer-számláló állásait és egyéb részleteket?

A carVertical ISO/IEC 27001:2017 tanúsítvánnyal rendelkezik

Mivel cégünk rengeteg adattal foglalkozik, nagyon komolyan vesszük a biztonságot. Elkötelezettségünk jeleként a carVertical megszerezte az ISO/IEC 27001:2017 tanúsítványt – az információbiztonság globális szabványát.

Ez mit jelent?

Az ISO/IEC 27001:2017 tanúsítvány megszerzéséhez a vállalatnak olyan eszközöket és eljárásokat kell bevezetnie, amelyek védelmet nyújtanak minden szóban, írásban és elektronikusan kapott, küldött, létrehozott, kezelt és használt információ számára minden lehetséges fenyegetés ellen: legyen az külső, belső, szándékos vagy véletlen.

A tanúsítás azt jelenti, hogy szigorú intézkedéseket vezettünk be annak érdekében, hogy minden szóbeli, írásbeli és elektronikus információt megóvjunk bármilyen fenyegetéstől – legyen az külső, belső, véletlen vagy szándékos.

Mit jelent ez a számodra? A személyes adataidat, a jelentés adatait és a pénzügyi adataidat mind a legmagasabb szintű biztonsági rendszerek védik. További részletekre is kíváncsi vagy? Olvasd el az Adatbiztonsági szabályzatunkat és Információbiztonsági irányítási rendszerünket (ISMS).

Ismerd meg a carVertical adatszakértői csapatát!

A carVertical jelentés egyszerű és könnyen áttekinthető, de ebben az egyszerűségben sok munkánk van. Ennek ékes bizonyítéka az adatokat kezelő csapatunk: a carVertical jelenleg közel 200 alkalmazottjának 15%-a adatokkal dolgozik.

Ez a sok ember mind kiválóan ért a matematikához!

Az adatszakértői osztályunk négy szakosodott csapatból áll:

• Data Acquisition: Az adatgyűjtés csapata a nyers adatok összegyűjtésére összpontosít
• Data Engineering: Az adatmérnökök csapata felel az adatinfrastruktúránk és az adatfolyamaink kiépítéséért és karbantartásáért
• Machine Learning Engineering: Ez a csapat gépi tanulási modelleket fejleszt és telepít
• Data Analytics: Az adatelemzők az adatokat tanulmányozzák, hogy információkhoz jussanak és támogassák az üzleti döntéseket

Ezek a csapatok mind kulcsfontosságú szerepet játszanak a carVertical jelentések elkészítésében – nélkülük szó szerint nem is léteznénk!