汽車行業如何進行數字化轉型？
2022-10-31 10:57·億信華辰

汽車產業是國民經濟的重要支柱產業，在國民經濟和社會發展中發揮著重要作用。汽車制造作為汽車工業的重要組成部分，其規模和技術的不斷提升是汽車工業繁榮發展的前提和關鍵環節。

國內車企尤其是自主品牌車企，一方面受到激烈的市場競爭，另一方面需積極響應國家數字化轉型政策指引，通過全鏈條全方位的數字化能力提升，助力企業發展。全國各地均出臺了相關政策，比如上海2022年10月印發的《上海市制造業數字化轉型實施方案》中明確提出“到2025年制造業企業數字化轉型比例不低于80%”。

— 01 —
汽車行業數字化轉型指的是什么？

“數字化轉型”是利用數字化技術，如云計算、大數據、人工智能、物聯網、區塊鏈等技術和能力，來驅動組織商業模式創新和商業生態系統重構的途徑和方法。

就汽車行業而言，通俗的理解就是對汽車產業鏈相關生產業務過程進行的重塑，使其更加適應當前市場環境、生產環境、互聯網環境，從零部件采購、產品研發、整裝生產、到4S店營銷、到用戶車機端駕駛體驗，以及售后服務，全業務環節數字化。強調通過數字技術對商業模式重塑，不只是單純的解決企業某個管理問題或業務問題，而是通過數字化技術賦能企業商業模式創新和突破的核心力量。

汽車行業在數字化轉型的浪潮下，底層技術的發展與行業之間的碰撞，正在成為變革的巨大力量。汽車行業的“數字化轉型”是利用新的技術驅動行業的創新與發展，改善用戶體驗、重構商業模式、降本增效。比如現在的新能源車企蔚小理，直接通過車主APP實現汽車的銷售、服務，直接跳過了傳統的4S店銷售模式。

工業4.0的關鍵是數據，是一場以數據為驅動的工業革命。同理，汽車行業作為工業4.0的重要組成，同樣也需要以數據來驅動車企的數字化轉型。

汽車行業數字化轉型的基數是數據，因此首先需要采集匯聚各類數據，一方面包括生產全流程采存供銷人財物各業務系統數據，比如SRM、MES、ERP 、DMS和 SCRM 等系統，以及生產設備、制造過程產生的控制、過程等工業物聯網數據；另一方面智能網聯數據，也就是車聯網數據包括TBOX、APP賣點、人機交互等海量數據也需要實時采集、分析處理，運用大數據平臺以及人工智能技術實現實時數據處理以及海量數據挖掘，并利用從中獲得的洞察提升車企各個領域的決策和自動化水平，支撐車企的多領域數字化應用，比如智能制造、數字供應鏈、智慧物流、數字運營、數字營銷等。

— 02 —
汽車行業數字化轉型的障礙是什么？
通過對汽車行業的調研和分析，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，汽車行業的數字化程度乃至信息化程度不高，數據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問題。其數字化轉型的最主要障礙可以歸類為以下幾個方面。

1. 對數字化轉型理解片面或存在誤區
車企管理團隊對數字化轉型理解可能存在誤區，比如認為“實現數字化就實現了轉型”。更有甚者認為“實現信息化也就能達到數字化轉型的目的”，把業務系統如SRM、MES、ERP、SCRM等系統的升級改造理解為數字化轉型得手段和目標。

車企管理團隊要充分意識到“數字化轉型”是利用數字化技術，如云計算、大數據、人工智能、物聯網、區塊鏈等能力來驅動組織商業模式創新和商業生態系統重構的途徑和方法。

2.無理論支撐、無現成的行業數字化轉型方案
數字化轉型作為一個大課題，不是一蹴而就的，需要傾全公司全集團之力進行長期規劃和分階段建設才能實現。

目前，每家車企差異較大，汽車行業還沒有形成一套成型的數字化轉型方案，如果不借鑒通用的數據管理知識體系理論作為支撐，最終會演變成頭疼醫頭、腳痛醫腳的情況，和原始初衷相差甚遠。

3.項目預算不足、人員儲備不足
數字化轉型項目由于沒有統籌規劃，也就無法按照整體估算和分期投入進行評估。同時管理層有些會將數字化轉型項目對標于BI數據分析項目，要求周期短、見效快；因此受限于項目預算、項目成果又無法短期見效，最終導致數字化轉型效果不佳。

另外一個人才方面，每家車企都要基于自身現狀進行數字化轉型戰略部署，尤其是組織架構、人員崗位職責、管理制度進行配套落地。數字化轉型需要用到很多技術和能力，比如云計算、大數據、人工智能、數據治理、物聯網、區塊鏈等，對企業人才需求多要求高，需要一專多能，這樣的人才在互聯網公司都是香餑餑、高薪崗位，作為車企若要招聘到、培養出、挽留住這些人才也需要極高的成本，并且需要創造對應的環境和崗位與之匹配。

4.無平臺保障、無行業標準
“數字化轉型”是利用數字化技術，如云計算、大數據、人工智能、數據治理、物聯網、區塊鏈等技術和能力，因此需要一個技術平臺來融合各方面的技術和能力，比如企業大數據平臺、數據中臺、數據治理平臺來承載數字化技術和能力，來支撐車企各類業務、數據方面的需求。

然而，和運營商、金融等行業相比，現階段汽車行業并沒有一套通用的平臺能支撐車企的數字化轉型訴求，需要各車企基于自身需求來整合相應的技術和平臺能力。

另外汽車行業競爭激烈、業務變化迅速，導致汽車行業缺乏對應標準規范，缺乏車企數據標準、安全管理規范，即便有也在不斷的更迭中。

— 03 —
汽車行業數字化轉型落地方案參考

1.步驟一：數字化轉型自評估
對標DAMA（《數據管理知識體系》）和DCMM（《數據管理能力成熟度評估模型》）的框架標準和指南，調研分析車企DAMA或DCMM各能力域的不足及需求，分析原因，提出改進思路。

可按照DCMM評估模型，從組織、制度、流程、技術對數據管理能力進行了分析、總結，具體包括組織數據管理的八大過程域，即：數據戰略、數據治理、數據架構、數據應用、數據安全、數據質量、數據標準、數據生命周期，共包含28個過程項，441項評價指標進行分析和評估。判斷企業所處等級，并提出提升目標和改進方案。

2.步驟二：明確戰略，制定數字和業務協同目標
制定車企數字化轉型戰略目標，比如為車企構建標準化、流程化、自動化、一體化的數據管理體系，有效確保數據架構合理、條理清晰、過程可控、完善數據來源。

具體內容可以包括：建立主數據統一管理、數據標準體系，提高數據質量、數據安全，提升數據價值。

3.步驟三：規劃項目，制定合理的實施路徑及分期目標

打造車企集團和事業版塊統一的數字化轉型及運營體系，建議按”119”整體架構進行方案設計。實現高效積累數據資產，賦能業務應用場景，助力企業構建扎實的數據根基，實現數字化經營。

第一個“1”指一套體系，包括與車企數字化轉型相匹配的戰略規劃、組織架構、制度規范，具體包括數據戰略定位、目標、建設步驟，領導小組、執行小組、組織角色與權責，與數據管理各過程域相匹配的制度規范、業務流程、考核辦法等。

第二個“1”指一個平臺，既是數據整合處理平臺，對企業內外部數據進行集中采集、存儲、計算、加工，構建數據統一模型，保證數據一致性；也是數據治理平臺，制定數據標準、追蹤數據鏈路，提升數據質量、保障數據安全，實現數據資產化；也是數據共享服務平臺，沉淀共性數據服務能力，規范數據服務標準，支撐數據消費層的各項數據分析、數據共享交換。

第三個“9”指九項能力，按照數據采、存、管、用四大環節，構建數據采集、主數據、元數據、數據資產、數據標準、數據質量、數據安全、數據服務、數據指標等能力項。

— 04 —
汽車行業數字化轉型案例參考
1.某車企智能化業務數據治理平臺
作為某大型車企控股集團的智能化板塊，圍繞集團整車在研發、制造、營銷、用戶服務等全生命周期的數字化、智能化布局。

項目背景：智能化版塊缺乏統一數據視圖、存在數據孤島現象、數據質量不佳。基于數據驅動數字化轉型的理念，需建立一個數據治理平臺，讓集團數據資產開發、運維、治理、運營過程更安全、敏捷、精益、自動化、服務化和智能化。通過項目實現一站式端到端的數據資產開發與標準化管控治理，提高數據使用效率，降低數據使用成本。

平臺建設內容： 該集團與億信華辰合作，將數據治理平臺架構于數據湖之上，采集數據湖及中臺層、應用層各系統及服務的元數據模型，構建標準、進行質量管控，實現資產化運營。

2. 某商用車集團數據治理

某商用車集團數據治理工作是該集團的大數據建設規劃中的一部分。通過數據治理工作，億信華辰積極配合該商用車集團，按照數據治理實施線路有序推進數據摸底、數據標準化、數據資產化工作，推進數據治理體系化、制度化、標準化。在集團信息化建設的基礎上，依托數據治理平臺的搭建，構建落實集團數據治理體系，對數據接入、數據分發、數據加工、數據應用過程中存在的數據問題進行收集、分析、治理，從而提升車企集團數據管理水平及核心數據的價值。