【无标题】

汽车产业是国民经济的重要支柱产业，在国民经济和社会发展中发挥着重要作用。汽车制造作为汽车工业的重要组成部分，其规模和技术的不断提升是汽车工业繁荣发展的前提和关键环节。

国内车企尤其是自主品牌车企，一方面受到激烈的市场竞争，另一方面需积极响应国家数字化转型政策指引，通过全链条全方位的数字化能力提升，助力企业发展。全国各地均出台了相关政策，比如上海2022年10月印发的《上海市制造业数字化转型实施方案》中明确提出“到2025年制造业企业数字化转型比例不低于80%”。

—  01  —

汽车行业数字化转型指的是什么？

 “数字化转型”是利用数字化技术，如云计算、大数据、人工智能、物联网、区块链等技术和能力，来驱动组织商业模式创新和商业生态系统重构的途径和方法。

就汽车行业而言，通俗的理解就是对汽车产业链相关生产业务过程进行的重塑，使其更加适应当前市场环境、生产环境、互联网环境，从零部件采购、产品研发、整装生产、到4S店营销、到用户车机端驾驶体验，以及售后服务，全业务环节数字化。强调通过数字技术对商业模式重塑，不只是单纯的解决企业某个管理问题或业务问题，而是通过数字化技术赋能企业商业模式创新和突破的核心力量。

汽车行业在数字化转型的浪潮下，底层技术的发展与行业之间的碰撞，正在成为变革的巨大力量。汽车行业的“数字化转型”是利用新的技术驱动行业的创新与发展，改善用户体验、重构商业模式、降本增效。比如现在的新能源车企蔚小理，直接通过车主APP实现汽车的销售、服务，直接跳过了传统的4S店销售模式。

工业4.0的关键是数据，是一场以数据为驱动的工业革命。同理，汽车行业作为工业4.0的重要组成，同样也需要以数据来驱动车企的数字化转型。

汽车行业数字化转型的基数是数据，因此首先需要采集汇聚各类数据，一方面包括生产全流程采存供销人财物各业务系统数据，比如SRM、MES、ERP 、DMS和 SCRM 等系统，以及生产设备、制造过程产生的控制、过程等工业物联网数据；另一方面智能网联数据，也就是车联网数据包括TBOX、APP卖点、人机交互等海量数据也需要实时采集、分析处理，运用大数据平台以及人工智能技术实现实时数据处理以及海量数据挖掘，并利用从中获得的洞察提升车企各个领域的决策和自动化水平，支撑车企的多领域数字化应用，比如智能制造、数字供应链、智慧物流、数字运营、数字营销等。

—  02  —

汽车行业数字化转型的障碍是什么？

通过对汽车行业的调研和分析，作为重资产、长生态链的离散型生产，在客户需求导向模式的冲击下，汽车行业的数字化程度乃至信息化程度不高，数据普遍面临着业务数据分散建设、数据资源多头管理、数据全生命周期管理不完整等问题。其数字化转型的最主要障碍可以归类为以下几个方面。

1. 对数字化转型理解片面或存在误区

车企管理团队对数字化转型理解可能存在误区，比如认为“实现数字化就实现了转型”。更有甚者认为“实现信息化也就能达到数字化转型的目的”，把业务系统如SRM、MES、ERP、SCRM等系统的升级改造理解为数字化转型得手段和目标。

车企管理团队要充分意识到“数字化转型”是利用数字化技术，如云计算、大数据、人工智能、物联网、区块链等能力来驱动组织商业模式创新和商业生态系统重构的途径和方法。

2.无理论支撑、无现成的行业数字化转型方案

数字化转型作为一个大课题，不是一蹴而就的，需要倾全公司全集团之力进行长期规划和分阶段建设才能实现。

目前，每家车企差异较大，汽车行业还没有形成一套成型的数字化转型方案，如果不借鉴通用的数据管理知识体系理论作为支撑，最终会演变成头疼医头、脚痛医脚的情况，和原始初衷相差甚远。

3.项目预算不足、人员储备不足

数字化转型项目由于没有统筹规划，也就无法按照整体估算和分期投入进行评估。同时管理层有些会将数字化转型项目对标于BI数据分析项目，要求周期短、见效快；因此受限于项目预算、项目成果又无法短期见效，最终导致数字化转型效果不佳。

另外一个人才方面，每家车企都要基于自身现状进行数字化转型战略部署，尤其是组织架构、人员岗位职责、管理制度进行配套落地。数字化转型需要用到很多技术和能力，比如云计算、大数据、人工智能、数据治理、物联网、区块链等，对企业人才需求多要求高，需要一专多能，这样的人才在互联网公司都是香饽饽、高薪岗位，作为车企若要招聘到、培养出、挽留住这些人才也需要极高的成本，并且需要创造对应的环境和岗位与之匹配。

4.无平台保障、无行业标准

“数字化转型”是利用数字化技术，如云计算、大数据、人工智能、数据治理、物联网、区块链等技术和能力，因此需要一个技术平台来融合各方面的技术和能力，比如企业大数据平台、数据中台、数据治理平台来承载数字化技术和能力，来支撑车企各类业务、数据方面的需求。

然而，和运营商、金融等行业相比，现阶段汽车行业并没有一套通用的平台能支撑车企的数字化转型诉求，需要各车企基于自身需求来整合相应的技术和平台能力。

另外汽车行业竞争激烈、业务变化迅速，导致汽车行业缺乏对应标准规范，缺乏车企数据标准、安全管理规范，即便有也在不断的更迭中。

—  03  —

汽车行业数字化转型落地方案参考

1.步骤一：数字化转型自评估

对标DAMA（《数据管理知识体系》）和DCMM（《数据管理能力成熟度评估模型》）的框架标准和指南，调研分析车企DAMA或DCMM各能力域的不足及需求，分析原因，提出改进思路。

可按照DCMM评估模型，从组织、制度、流程、技术对数据管理能力进行了分析、总结，具体包括组织数据管理的八大过程域，即：数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准、数据生命周期，共包含28个过程项，441项评价指标进行分析和评估。判断企业所处等级，并提出提升目标和改进方案。

2.步骤二：明确战略，制定数字和业务协同目标

制定车企数字化转型战略目标，比如为车企构建标准化、流程化、自动化、一体化的数据管理体系，有效确保数据架构合理、条理清晰、过程可控、完善数据来源。

具体内容可以包括：建立主数据统一管理、数据标准体系，提高数据质量、数据安全，提升数据价值。

3.步骤三：规划项目，制定合理的实施路径及分期目标

打造车企集团和事业版块统一的数字化转型及运营体系，建议按”119”整体架构进行方案设计。实现高效积累数据资产，赋能业务应用场景，助力企业构建扎实的数据根基，实现数字化经营。

第一个“1”指一套体系，包括与车企数字化转型相匹配的战略规划、组织架构、制度规范，具体包括数据战略定位、目标、建设步骤，领导小组、执行小组、组织角色与权责，与数据管理各过程域相匹配的制度规范、业务流程、考核办法等。

第二个“1”指一个平台，既是数据整合处理平台，对企业内外部数据进行集中采集、存储、计算、加工，构建数据统一模型，保证数据一致性；也是数据治理平台，制定数据标准、追踪数据链路，提升数据质量、保障数据安全，实现数据资产化；也是数据共享服务平台，沉淀共性数据服务能力，规范数据服务标准，支撑数据消费层的各项数据分析、数据共享交换。

第三个“9”指九项能力，按照数据采、存、管、用四大环节，构建数据采集、主数据、元数据、数据资产、数据标准、数据质量、数据安全、数据服务、数据指标等能力项。

—  04  —

汽车行业数字化转型案例参考

1.某车企智能化业务数据治理平台

作为某大型车企控股集团的智能化板块，围绕集团整车在研发、制造、营销、用户服务等全生命周期的数字化、智能化布局。

项目背景：智能化版块缺乏统一数据视图、存在数据孤岛现象、数据质量不佳。基于数据驱动数字化转型的理念，需建立一个数据治理平台，让集团数据资产开发、运维、治理、运营过程更安全、敏捷、精益、自动化、服务化和智能化。通过项目实现一站式端到端的数据资产开发与标准化管控治理，提高数据使用效率，降低数据使用成本。

平台建设内容： 该集团与亿信华辰合作，将数据治理平台架构于数据湖之上，采集数据湖及中台层、应用层各系统及服务的元数据模型，构建标准、进行质量管控，实现资产化运营。

2. 某商用车集团数据治理

某商用车集团数据治理工作是该集团的大数据建设规划中的一部分。通过数据治理工作，亿信华辰积极配合该商用车集团，按照数据治理实施线路有序推进数据摸底、数据标准化、数据资产化工作，推进数据治理体系化、制度化、标准化。在集团信息化建设的基础上，依托数据治理平台的搭建，构建落实集团数据治理体系，对数据接入、数据分发、数据加工、数据应用过程中存在的数据问题进行收集、分析、治理，从而提升车企集团数据管理水平及核心数据的价值。