近年来，车企的数据种类和体量都迎来爆发式增长，与此同时国家对数据的监管也愈加严格，面对数据孤岛、数据安全合规人才稀缺等问题，车企必须要有清晰的自我认识，结合自身的数据基础和业务场景进行数据战略定位。
北汽新能源是中国新能源车企上市第一股，还是中国第一个具有完整的服务链、产业链和生态链的新能源车企，已形成辐射全国的产业布局，大大增强了技术实力和研发实力。
极狐是北汽新能源打造的高端智能新能源汽车品牌，产品由北汽新能源与全球知名豪华车制造商麦格纳在华合资公司蓝谷麦格纳生产。2022年5月，arcfox极狐阿尔法s全新hi版上市，新车是全球首款搭载hi华为全栈智能汽车凯发在线的解决方案的量产车、全球首款支持城市道路高阶智能驾驶的量产车、全球首款搭载华为智能座舱-鸿蒙车机os的高端纯电量产轿车。
北汽新能源信息数字化总监刘伟霞在2023北京部委央企及大型企业cio年会(春季)上分享了“数据驱动在车企的思考和实践”。刘伟霞介绍了北汽新能源在数仓建设、平台架构升级以及构建数据资产体系等方面的一点思考，并着重分享了其在cdp、车辆监控预警、算法识别、综合数据服务能力、数据治理等领域的一系列落地实践。
北汽新能源信息数字化总监 刘伟霞
车企的数据应用思考与挑战
过去，车企看中机会性增长，产品受短期利润驱动的情况非常普遍。而在新时代，企业承压前行，必须考虑企业的持续性发展，也就是考虑顾客的长期价值和品牌建设，并以此为主导。2022年，埃森哲调研发现：自疫情以来，一些企业大量裁员，中国消费者信心指数下降。对车企而言，在销售过程中必须考虑到这一因素。而汽车价值链相对较长，涉及研产供销服全链路场景以及众多职能部门，汽车价值链微笑曲线的两端(研发和服务)已经发生了很大变化。
北汽新能源在研发层面聚焦数字化产品，主要指智能网联汽车。实际上，如今智能网联车已成为标配。互联网造车企业有原生的数字化基因，善于做数字化运营，这也是4年前有300~400家造车新势力大量涌现的原因。而最近1年里，经过快速迭代，活下来的新造车势力只剩70~80家，这表明懂得车企玩法才能真正活下来。
“虽然传统车企有自己原生的生态和价值链，但未来的竞争已经不只局限在做好自己的产品，而是要开放地展开跨界合作，实现生态融合。”刘伟霞如是说。数字化时代，需求和场景灵活多变，在时间和预算有限的情况下，企业发展的驱动力正从计划驱动向价值驱动转变，通过场景和目标价值反推该如何实现。
如何考虑数据的应用?
她认为：从事信息化工作要站在公司运营的角度实现运营能力支撑，实现数据驱动运营。企业数字化的核心是对关键业务流程的梳理和打通，产生数据流，形成连接、数据和智能的核心价值业务链，提升客户体验。
在考虑数据应用时，要实现业务数据化、数据资产化、资产服务化、服务价值化，达到从业务到数据、再回到业务的完整闭环。
如今车企的业务应用系统不仅有pdm(生命周期管理系统)和srm(供应商管理系统)，为了对客户有更全面的认知，还有数字营销平台、车联网以及私域埋点，数据源头已经发生了变化，因此业务数据化是第一步。第二步是数据资产化，大数据平台中的数据不断积累，形成数据资产目录，可以以“授人以渔”的方式被更多部门使用。it部门还可以从数据挖掘和算法的角度提供支撑，通过资产服务化的方式为内部提供服务，让数据能够真正产生价值。
目前，北汽新能源侧重以下几个方面的数据应用：一是研发侧，实现电池的报警预警;二是库存车的管理，将电池、胎压等安全风险降至最低;三是通过用户的特征挖掘支撑营销端实现精准营销和动态决策;四是以用户为中心，以凯发在线的售后服务质量驱动，形成研发和生产过程质量的闭环，加速产品改进，为消费者提供安全可靠的驾驶体验。
对数据的认知陷阱
在进行数据应用的过程中，要对数据有清晰的认知，避免认知陷阱。
首先，数据收集，并非越大越好。并非当数据量足够大就能实现用数据思考、用数据管理、用数据说话、用数据决策等分析目标。数据的准确性、有效性和全面性都非常重要。全面性是要将公司的所有数据都收集过来吗?刘伟霞认为还是要以价值驱动，找到业务场景，以业务的痛点和痒点为依据，进行数据的收集，从而对每个点逐个击破。同时她强调，在逐个打点(痛点、痒点)的过程中，cio要有架构思维和全局观，在初始时考虑全面，在落实的过程中人、预算和能力都有限，因此一定要聚焦。
其次，并非有数据就一定有真相。实际上，有了数据后，数据处理的够不够准确，建模是不是及时有效，都至关重要，如果这两项工作做的不到位，有了数据也不一定能得到真相，也许还会产生一些歧义。这一点必须要有清醒的认识。
第三，数据不一定让管理变得更简单。这里指对数据分析结果的解读，不同部门对数据分析结果的解读是否都清晰明了?是否能对分析结果的理解达成共识?能否将分析结果运用到生产、销售等各环节的业务管理当中?如果不能，则不一定让管理更有效。
以上三点，是企业在进行数据能力建设过程中必须要思考的数据认知问题。
更加严格的数据监管
数据时代，数据使用必须合理合法。除《网络安全法》、《个人信息保护法》外，《汽车数据安全管理若干规定》、《icv准入和上路通行试点》等针对汽车行业的数据安全管理规定和智能网联汽车的试点管理办法也将逐渐落地实施，监管机构对汽车行业亦发起了多项监管行动，而伴随国家数据局的成立，车企将面临更加严格的数据监管挑战。
监管法规要求智能网联车要保护个人的隐私数据。智能网联车配有智能摄像头，支持语音采集和语音转换，而这些信息不允许上传到车企的云监控平台，数据只能保留在车端进行相应的处理。在严格的数据监管之下，车企如何进行数据分析以及数据安全保护是一大难题。
此外，主机厂不仅要考虑自身的数据安全问题，还要考虑到供应商的数据安全。智能网联车有大量车联网生态伙伴，车企需要全盘考量整个供应商链条的安全问题，才能获得icv准入及上路通行试点资格。
总而言之，数据环境越来越复杂，对数据质量的要求越来越高，安全风险以及合规性要求也越来越高，因此企业数字化建设必须善于变通和思考。
车企需要有清晰的自我认识
车企进行数据分析主要围绕两个方面：一个是业务，另一个是数据。车企必须要有清晰的自我认识，结合自身的数据基础和业务场景进行数据战略定位。
业务方面，业务场景要考虑同客户接触的关键渠道触点够不够多?关键触点的数字化程度够不够高?是否支持对相应数据的采集?对触点是否有管控权?与客户之间的交互是否做到端到端管控?车企需要通过反推对系统进行改造，以满足业务场景的需求。
数据方面，车企要了解自身掌握多少一方数据?数据的完整程度如何?数据的整合与打通程度达到什么水平?从潜客产生、试乘试驾、交小订大订到最后交付成为保客，整个过程中客户的数据流是否拉通?是否通过唯一id与客户在各个触点进行交互?数据治理工作如何展开?后续如何更好地将潜客转化成保客?这些都是车企需要去考虑的问题。
车企面临的六大挑战
刘伟霞总结了车企在数据应用过程中面临的六个主要问题。
一是缺乏基于场景的决策支持;
二是缺少数据思维能力;
三是数据孤岛;
四是匹配的组织结构举步维艰;
五是数据安全合规缺乏专业人才;
六是数据运营能力有待提升。
她强调：数据没有产生价值，最大的问题是数据没有被拉通，未进行有效的业务流程梳理。因此先要拉通业务流程，保证信息流是拉通的，才能进行数据分析，使数据产生相应的价值。
关于数据驱动的思考与应用
从线下渠道，到线上线下打通(app、小程序等)，再到对智能网联数据和生态服务进行整合，车企的数据种类和体量正迎来爆发式增长。“车企业务交付的流程已经发生了变化，前端不只是需求，还要有场景，数字化一定是聚焦在一些场景，找出痛点和痒点在哪里，以此为数字化转型的抓手和锚点，才能更好的实现技术落地。”刘伟霞提到。
在整个业务交付的流程中，业务与it之间的结合显得越来越重要。从以往瀑布式的交付方式，过渡到联合交付，实现敏捷的业务迭代，我们看到车企业务与数字化之间的结合已经越来越紧密。
要想实现数据驱动，需要从三个维度展开。
首先是持续进行数仓建设。包括持续的数据融合，用数据量化企业的经营情况，建设数仓评估体系，明确迭代数仓的方向和目标，以提高效率。
其次是进行平台架构升级。减少任务依赖流程，提高任务产出效果，通过收口数据导出和应用规范，统一数据脱敏等，保障数据安全。
第三是构建数据资产体系。包括构建数据资产地图，帮助使用人员快速找到所需数据;构建指标管理平台，明确统计分析口径;进行业务数据治理，持续提高企业的数据质量。
北汽新能源的数据平台架构，底层是数据源，中间层是数据中枢，涉及数据集市、沉淀数据资产、数据建模、数据质量、数据治理、数据安全等数据能力，顶层是大数据平台、数据服务、报表平台以及分析平台等服务体系。据悉，it团队搭建好数据模型后，20~30%的业务部门在服务平台上自助完成报表，包括跨部门的报表，而it团队可以节省时间专注于cdp应用、车辆监控预警、算法识别异常行为、提供综合数据服务能力、进行数据治理等更重要的工作。
以客户为中心绕不开对cdp平台的应用。在cdp应用方面，北汽新能源整合人-车oneid体系，构建客户旅程时光轴以及客户360视图;将从各个交互触点收集到的整合信息应用于产品营销、客户服务、客户运营与触达等各个业务环节。如通过云外呼等更易被消费者接受的方式进行营销沟通，在外呼过程中对通话内容进行质检，提取通话中的关键字作为线索继续流转到各个业务环节等等。
新能源车辆电池的稳定性以及报警、预警是车企必须要考虑的问题。在车辆监控预警场景：对于正在行驶的车辆，北汽新能源通过建立实时数仓，实现实时车辆数据接入，保障数据处理与干预能力;建立监控指标规则维护和管理体系，为后期车辆监控、预警、干涉、管控提供技术平台。对于库存车，北汽新能源为实现主动管控，提供主动动力电池、轮胎预警和主动维护，风险点对点消除，点对点管控，降低服务商经销商库存质损费用，保修争议100%可溯源，库存质损率降低为 “0”。
针对薅羊毛行为，北汽新能源通过对有疑似薅羊毛行为的种子用户进行识别，以特征工程识别数据特征，挖掘出包括集中注册、集中登录、集中消费等在内的几十个特征。通过建立算法模型，定期标记可疑用户，北汽新能源识别出9000多可疑用户，模型准确率高达90%。据悉，相关模型算法已逐步应用到其他业务节点中。
在实现数据价值的过程中，不得不考虑数据的安全和质量。在进行数据治理的过程中，北汽新能源在加固数据安全的同时，建立数据质量的闭环。目前，北汽新能源已初步搭建数据湖治理体系框架，实现对数据质量的自动监控，对重点主题域的源头数据清洗和数据质量问题进行长期监控和迭代优化，并通过系统改造不断完善在建模型数据资产、数据血缘等的交付迭代。
结语
最后，刘伟霞引用了彼得·德鲁克的一句名言：“企业唯一的使命是创造客户，用‘由外而内’的视角审视我们的事业”。
这句话告诉我们，现在要转变成客户的思维和客户的视角，来思考企业内部的一些工作。这句话在数据思维和数据工作中同样适用。“当我们做数据分析时，会发现只要流程没有梳理得很好，流程没有被很好的打通，信息流没有打通，后来的数据80%都用不上。”刘伟霞说：“所以在这个过程中我们要站在客户视角审视我们自己的信息化工作，让我们的工作未来做得更有价值，能给企业带来更多贡献。”
关于企业网d1net(www.d1net.com)：
国内主流的to b it门户，同时在运营国内最大的甲方cio专家库和智力输出及社交平台-信众智(www.cioall.com)。同时运营19个it行业公众号(微信搜索d1net即可关注)