如獸般的姿態

2023-01-05

車企數據治理具有典型的通用性和行業特殊性的雙重特征，主要表現在：車企數據治理普遍面臨著業務數據分散建設、數據資源多頭管理、數據全生命周期管理不完整等痛點，所以，實現核心數據的可視、可管、可控、可用成為普遍訴求。

同時，車企作為重資產、長生態鏈的離散型生產，在客戶需求導向模式的沖擊下，有三大業務矛盾越來越突出，同時也對車企數據治理提出了更高的要求：

1、周期長、響應慢。產品從研發到車輛交付給客戶的花費時長與快速響應客戶需求的矛盾。車企的生態鏈很長，從設計研發到發布上市環節多、周期長，而客戶需求越來越多樣化、個性化，以客戶需求拉動生產的運營模式（C2M）對企業數據質量發起了更高的挑戰。

2、業務單元強、集團整體弱。車企業務整體性與業務單元（系統）分散管理之間的矛盾。汽車公司完整的生態鏈包括研發、采購、生產制造、質量、物流、售后等業務單元，汽車企業業務上的整體性決定了數據一致性的特點。然而，工廠分散、部門隔離、系統孤島等客觀因素的存在，造成了車企內部流程冗長、系統之間存在斷點、協作效率低下等問題。

3、集中管理與區域自治之間的矛盾。汽車企業，一般都是“中央集權”。總部決定品牌戰略和全球的營銷計劃，各個市場的銷售單元相對獨立運作，生產廠也分布于全國/世界各地。分散的制造工廠都有很強的獨立性。中央集權和區域自治之間的矛盾是需要長期協調、平衡的。車企在設計數據體系、制定數據標準時，需要考慮市場、工廠的統一和差異的平衡。

汽車產業鏈智能化升級、智能汽車產品復雜度提升、業務的轉型升級和跨產業的緊密協作，導致數據量指數級增長，不管是應對型、還是主動型數據治理，對車企而言已迫在眉睫。基于汽車的業務現狀，目前遇到的數據問題，可以總結為5點：流程長、歧路多、數據孤島、標準難統一、安全合規監管難。