文 | 熊大勇   编辑丨付媛媛

来源 |首席数字官

在“汽车行业数字化转型论坛暨探营吉利”上，Informatica技术顾问总监熊大勇发表了《智能数据管理驱动数字化转型》的主题演讲，他认为，汽车行业里有五大颠覆性趋势：新能源汽车及出行解决方案、客户体验、市场整合、新商业模式、互联汽车及大数据。以下是「首席数字官」根据其演讲内容整理而成：                         

Informatica技术顾问总监熊大勇

图片来源：首席数字官

企业数字化转型是颇具挑战性的事情，需要企业先练好内功。企业的数据文化和自身的数据能力能否伴随和支撑企业做转型，是无法忽视的话题。

欧洲汽车供应商协会的后市场总监Frank Schlehuber提出“自动驾驶和新能源汽车几乎每天都受到媒体的关注，汽车后市场最重要的游戏规则改变者却是连通性和基于数据的商业模式，正在发生且发展迅速。”

我将此理解为互联网与汽车的深度融合：互联网汽车不光是产品，也是一种商业和生活模式，就像阿里不仅仅是一个电商平台，他们已经深度地影响了每个人的日常生活。汽车企业也一样，要打造车+网络+生活。

▌汽车行业的五大颠覆性趋势

五大颠覆性趋势

图片来源：熊大勇演讲PPT

我认为，在汽车行业里有五大颠覆性趋势。在新能源汽车及出行解决方案、互联汽车及大数据方面，车企未来的业务领域不光是设计和制造汽车，还包括运营汽车，变成一种出行服务和生活服务，并与城市的智能交通挂钩，与智慧城市的运营对接。不光是产品制造与销售，而是把眼光和目标延伸至更广阔的空间。

在客户体验方面，企业的竞争优势将主要来源于最佳化的客户体验。现在车企在进行销售和服务时都在把客户触点前伸，并尽量电子化，以全渠道方式来建立与客户的立体式沟通，这是客户体验的重点。

在市场整合方面，目前中国汽车市场存在着效率、竞争、开销、环保等方面的问题。为解决这些问题，可以在很多层面上进行融合与整合，包括汽车零部件的生产制造和供应、汽车后市场、二手车交易等。甚至可以和那些跨界颠覆者合作，比如互联网企业和电商企业。所以互联网企业进入汽车领域，以及汽车领域自身的互联网化，这些改变最终会碰撞到一起。比如，从2017年开始，福特汽车、长安福特与天猫合作，为解决车辆试驾难的问题，在广州白云区率先建了汽车自动贩卖机大楼——一个开放式、智能型的立体车库。符合条件的用户可以通过手机淘宝进行预约并采集人脸信息。预约成功后，再现场“刷脸”就可以直接领取车钥匙，智能升降系统会把车送到面前，之后就可以开始为期三天的免费试驾。这对于一些开展租车业务的企业来讲是具有很大冲击的。可见，为避免同质化竞争，市场上的新玩法会层出不穷，企业需要寻找更多的新点子，寻找突破口。

在商业模式方面，秉承智能制造、工业4.0的理念，汽车的设计也不再是闭门造车。目前，最主要的趋势包括：设计师直接对接客户、柔性和小批量生产、定制化的车辆订购过程、O2O的融合销售等。

汽车行业价值链

图片来源：熊大勇演讲PPT

我们展示了这张汽车行业传统的价值链图。从设计、采购、生产制造、物流、销售，到内部的管理，哪个环节会率先成为企业在变革和转型时的抓手领域或者突破口？哪个领域将不得不接受重新定义？企业中包括CIO在内的高层管理人员也未必能准确地预测。

市场和企业业务需求的变化越来越剧烈。如何让企业快速的适应变化，主要靠两个字：“内功”。其实内功的修炼有很多方面，这里重点说一下企业数据管理领域：数据是驱动企业创新的最重要的资产。对于业务敏捷型、智能型企业而言，一个关键点就是数据驱动，而要实现数据驱动却并不容易。

▌从四段典型旅程看企业数字化转型

从四段典型旅程看企业数字化转型

图片来源：熊大勇演讲PPT

作为专注于数据管理领域解决方案的全球领导者，Informatica认为可以从四个方向与大家一起探讨数字化转型与创新，它们分别是“云/混合”、“下一代数据分析”、“全方位业务联结”以及“数据治理与合规”。

云/混合

图片来源：熊大勇演讲PPT

第一，云/混合。现在的汽车越来越互联网化，包括生产经营也在朝这个方向演进。互联网化的特点是信息端点分散在任何地方，例如马路上、停车库里等。对于众多的信息产生点而言，最适合的数据汇聚地是公有云，而不是通过专线导流的企业自建数据中心。

随着企业信息化的推进，一些企业已经将某些数据仓库建在云上了，未来还会考虑把越来越多的应用也直接建在云上，并且会通过按需构建的新流程串起混合环境下的云应用和传统应用。

下一代分析

图片来源：熊大勇演讲PPT

第二，下一代分析。进入快速创新、微创新的年代，需要不断的快速迭代。这就要求企业敢于试错，敢于推行试验型的企业文化，特别是在To-C领域的营销端，其变化会更迅速，所以要鼓励试错和探索。以往的企业数据分析是以生成KPI报表为主的，但新一代企业数据分析是为了探索新模式、规律，预测未来的变化。这种分析绝对不是把来自少数业务应用和数据集拢在一起，构建数据仓库，并在前端输出报表，而是存在大量的探索式的数据准备和分析工作。在这个过程中，需要提供自助式分析能力，需要解决分析师之间的协作问题和效率问题。在这种场景下的企业数据湖，绝不是单纯的数据堆场，而是一个为更好地开发利用数据而营造的工作环境。所以我们的想法是在数据湖的基础架构上增加一些智能，可以帮助我们根据主题词快速找到相关的数据集合，可以把企业存量数据和创新业务的数据高效地导入湖中，让数据之间完成碰撞，用外部数据所包含的信息来拓展我们从企业内部应用所获得的对客户、供应商和产品等的认知。

全方位业务联结

图片来源：熊大勇演讲PPT

第三，全方位的业务联结。企业生产经营者与关键业务实体之间不是简单的进行对接，而是实现更紧密的联结。无论是与客户、供应商，还是产品市场营销过程中面对的全营销渠道，都需要实现更紧密的联结，掌握全方位的信息。所以，Informatica不仅为客户提供底层的技术工具，也提供直接交付价值的业务应用，帮助大家更全面地了解关键的生产要素和对象。

数据治理与合规

图片来源：熊大勇演讲PPT

第四，数据治理和合规。首先要清楚企业数据治理的出发点是什么、业务的真实需求是什么、为什么要治理、能解决什么问题等；一旦有了思考，就要尽早开始建立数据治理框架。这个治理体系也是一种工作模式。工作模式建立起来以后，数据文化也会随之慢慢起来，大家会越来越重视基于数据的协同与管理。 

重要的关键企业数据能力

图片来源：熊大勇演讲PPT

大家都在谈企业数据中台。我所理解的数据中台，它既是企业的数据资源中心，也是基于数据并面向业务的服务中心，更是企业中关键的公共的数据能力的复用平台。

那么，汽车企业的数字化转型，到底应该建立和强化哪些公共的数字能力呢？

数据集成能力讲求的是数据的“贯通”和“融通”，消除数据孤岛。元数据管理能力是帮助企业数据用户来发现、理解和洞悉企业数据，并最终通过数据来洞悉业务。数据质量能力是为了让信息化环境脱离因数据质量问题形成的“亚健康”。主数据管理能力是为了让各业务条块在企业主数据生成和维护方面打破各自为政的老格局，让技术、管理制度和业务流程形成合力来有效解决主数据的分散、冗余和不一致问题。隐私保护能力，是守住企业的数据隐私，保持企业已取得的竞争优势，并预防合规失败的风险。综合能力的能力是指企业内部若要真正借力上述能力带来实效，是需要将这些数据能力有效地结合起来，而不是仅依赖其中的某一两项。

企业智能数据管理平台

图片来源：熊大勇演讲PPT

这是 Informatica 的企业智能数据平台，也就是我们为众多企业客户赋能的整合的数据基础平台。目前，这一平台正为宝马、特斯拉、戴姆勒、梅赛德斯-奔驰、大众、丰田、本田、尼桑、三菱、蔚来、宇通集团、博世、潍柴动力、佳通轮胎等诸多整车及零部件制造企业提供数据管理的能力。

接下来要分享的是国内某商用车企业的数据管理案例。该车企原有的传统信息化建设缺乏对数据架构的顶层设计，营销本部亟需对客户数据价值深度挖掘，以支撑营销决策。面对数出多头、缺乏标准、质量不高、应用不足等问题，请了外部咨询公司集中管理核心主数据、统一管理数据标准和元数据、全企业范围的数据质量管理。

在确定落地方案的过程中，面临着很大的挑战，比如：预设的项目周期只有三个月，时间是非常紧张的；并且有36个业务实体，280多项属性，100多个字典表，存量客户数据超过千万；需要对经销商主数据和集团公司主数据进行融合；并且有多套异构系统，对数据质量与元数据管理的平台兼容性、功能就绪性有很高的要求。

项目的目标是建立顶层的企业数据架构，产出标准化数据。最终，通过用户和Informatica的共同努力，确定了统一的数据标准，从源于多个系统的近千万条包含重复客户信息的数据记录中，识别出重复数据，完成客户信息整合，为集团公司提供一套全企业客户统一视图。400 多个经销商也借助该项目拥有了自己的客户主数据。借助元数据与数据质量平台的管理功能，快速监测和追踪数据质量问题，并生成对应的质量检查报告；在销售公司与经销商之间形成了长期的质量反馈-提升的长效机制。

该项目最终顺利完工，并取得了满意的成果。