1.一种汽车行业平台数据智能监测分析处理方法，其特征在于：该方法包括：S1、检索信息导入：提取目标汽车生产企业对应输入的检索汽车，作为待分析汽车；

S2、汽车平台数据调取：从汽车信息平台中调取待分析汽车的相关数据，包括宣发投入比、售后服务数据、起售时间以及在各销售月的销售量和计划销售量；

S3、汽车运营状态解析：基于各销售月的销售量和计划销售量，分析待分析汽车的运营状态信息；

S4、车辆运营状态评定：判断待分析汽车的运营状态，当待分析汽车的运营状态为正常，启动S5步骤，反之启动S6步骤；

S5、车辆运营数据统计：统计待分析汽车的运营状态吻合指数；

S6、车辆运营优化决策：根据所述宣发投入比和售后服务数据，确认待分析汽车的优化方案；

S7、车辆运营分析反馈：将S5步骤或者S6步骤的分析结果反馈至目标汽车生产企业对应检索界面；

所述分析待分析汽车的运营状态信息，包括：

以销售月为横坐标，以销售量为纵坐标，构建待分析汽车的销售变化曲线，并提取出各谷值点所处销售月和所处销售量；

将各谷值点所处销售量与各谷值点所处销售月的计划销售量进行差值计算，将差值记为销售计划差；

若某谷值点的销售计划差为负值且小于设定参照销售差，将该谷值点标记为关注点，以此筛选出各关注点；

将各关注点按照其所处销售时间先后进行排序，将排序第一位的关注点记为选取点，将选取点所处销售月记为起始低谷月，将销售变化曲线和起始低谷月作为待分析汽车的运营状态信息；

所述判断待分析汽车的运营状态，具体判断包括：从起售时间中提取起售月，若起售月与起始低谷月相同，从所述销售变化曲线中截选出位于起始低谷月之后的销售变化曲线段，通过运营状态判定规则判定得到待分析汽车的运营状态，运营状态为正常和异常中的一个；

若起始低谷月位于起售月之后且起始低谷月与起售月的间隔月数目大于或者等于设定的参照间隔月数，将正常作为待分析汽车的运营状态，若起始低谷月与起售月之间的间隔月数目小于设定的参照间隔月数，将异常作为待分析汽车的运营状态；

所述运营状态判定规则具体判定过程如下：

将位于起始低谷月之后的销售变化曲线段记为分析曲线段，提取分析曲线段的斜率，进而将 作为运营状态判定规则的判定条件1；

从分析曲线段中截选出位于起始低谷月对应销售量上方的曲线段总长，记为 ，同时将分析曲线段的长度记为 ，将 作为运营状态判定规则的判定条件2；

从分析曲线段中定位出波动点的位置，依据各波动点位置对分析曲线段进行分割，得到分割后的各子分析曲线段，提取各子分析曲线段的斜率；

将斜率大于或者等于0的子分析曲线段作为达标曲线段，将斜率小于0的分析曲线段作为未达标曲线段；

提取各达标曲线段的长度和各未达标曲线段长度，分别求和得到达标曲线段总长 和未达标曲线段总长 ，将 作为运营状态判定规则的判定条件3；

若分析曲线段满足判定条件1、判定条件2或者判定条件3中的任意一个，将正常作为待分析汽车的运营状态；

若分析曲线段均不满足判定条件1、判定条件2和判定条件3，将异常作为待分析汽车的运营状态；

所述统计待分析汽车的运营状态吻合指数，包括：将与待分析汽车对应起售月相同的销售汽车记为同期销售汽车，统计同期销售汽车数目 ；

从汽车信息平台中提取各同期销售汽车在各销售月的销售量，记为 ，表示同期销售汽车编号， ，表示销售月编号， ，并将待分析汽车在各销售月的销售量记为 ；

将起始低谷月与起售月的间隔月数目作为销售维持月数 ，按照 的确认方式同理确认得到各同期销售汽车的销售维持月数 ；

从汽车信息平台中提取目标汽车生产企业对应销售汽车的平均市场占比，记为 ；

统计待分析汽车的运营状态吻合指数 ，

， 为设定参照维持月数

差， 为设定的运营状态吻合评估补偿因子；

所述运营状态吻合评估补偿因子的具体设定过程如下：从待分析汽车的销售变化曲线中提取波动点数目 、幅值 和斜率 ；

若 ，将0作为运营状态吻合评估补偿因子 ， 为设定参照的销售变化率；

若 ，将 作为运营状态吻合评估补偿因子 ，

分别为设定参照的第一波动点数目、第一变化幅值；

若 ，将 作为运营状态吻合评估补偿因子

， 分别为设定参照的第二波动点数目、第二变化幅值；

所述确认待分析汽车的优化方案，包括：

从售后服务数据中提取售后服务次数、各次售后服务的服车牌号、时间、售后导因和售后日志；

将售后导因为零件故障和事故维修的售后服务分别标记为Ⅰ类服务和Ⅱ类服务，统计Ⅰ类服务次数 和Ⅱ类服务次数 ；

对各次Ⅰ类服务和各次Ⅱ类服务进行筛分，将筛分后的Ⅰ类服务和Ⅱ类服务分别记为关注Ⅰ类服务次数和关注Ⅱ类服务，统计关注Ⅰ类服务次数 和关注Ⅱ类服务次数 ；

将 和 导入优化类目识别模型中，输出待分析汽车的优化类目，优化类目为宣发改进、零件改进和结构改进中的一个或者多个；

当优化类目为宣发改进时，从汽车信息平台中提取各同期销售汽车的宣发投入比，通过宣发评估模型评估得到改进宣发投入比，并作为优化信息；

当优化类目为零件改进时，确认改进零件，并作为优化信息；

当优化类目为结构改进时，确认改进结构，并作为优化信息；

当优化类目为零件改进和结构改进时，将改进零件和改进结构作为优化信息，并将优化类目和优化类目下的优化信息组合生成待分析汽车的优化方案。

2.如权利要求1所述的一种汽车行业平台数据智能监测分析处理方法，其特征在于：所述对各次Ⅰ类服务和各次Ⅱ类服务进行筛分，包括：基于所述售后日志，设置设定各次Ⅰ类服务和各次Ⅱ类服务的参照维护间隔时长；

将各次Ⅰ类服务和各次Ⅱ类服务的时间与起售时间之间的间隔时长，作为各次Ⅰ类服务和各次Ⅱ类服务的起售间隔时长；

将起售间隔时长小于其设定参照维护间隔时长的Ⅰ类服务和Ⅱ类服务分别记为关注Ⅰ类服务和关注Ⅱ类服务，以此对各次Ⅰ类服务和各次Ⅱ类服务进行筛分。

3.如权利要求1所述的一种汽车行业平台数据智能监测分析处理方法，其特征在于：所述优化类目识别模型的具体表示公式为： ，为各优化类目识别评定条件， 表示 ， 表示

且 ， 表示 且 ， 表示 ，

为设定参照的许可提前售后服务比。

4.如权利要求1所述的一种汽车行业平台数据智能监测分析处理方法，其特征在于：所述宣发评估模型的具体评估过程如下：将待分析汽车的销售变化曲线记为对照曲线，构建各同期销售汽车的销售变化曲线，并与对照曲线进行重合对比，得到未重合曲线段总长和位于对照曲线上方的曲线段总长；

将 的同期销售汽车记为参照销售汽车，将待分

析汽车的宣发投入比记为 ，进而将各参照销售汽车的宣发投入比与 进行作差，得到宣发投入比差；

将宣发投入比差位于设定参照宣发投入比差区间内的参照销售汽车记为b类汽车；

将宣发投入比差大于设定参照宣发投入比差区间上限值的参照销售汽车记为a类汽车，同时将a类汽车的宣发投入比差进行均值计算，并将计算结果记为 ；

将宣发投入比差小于设定参照宣发投入比差区间下限值的参照销售汽车记为c类汽车；

统计a类汽车、b类汽车和c类汽车数目，分别记为 、 和 ；

将 、 和 作为宣发评估模型的输入，将改进宣发投入比作为宣发评估模型的输出，宣发评估模型具体表示公式如下：， 为改进宣发投入比，

为设定补偿宣发投入比。