当前位置:CIO新闻中心 → 正文

数据对车企数字化转型举足轻重

责任编辑:cres |来源:企业网D1Net  2023-05-11 16:03:58 原创文章 企业网D1Net

5月10日,由企业网D1Net举办的2023全国CIO大会盛大召开。本届大会以“企业承压,IT怎么干?”为主题,汇集300+企业CIO及IT高管,旨在搭建CIO与同行交流的高质量交流和社交平台,通过观点与思想的激烈碰撞,可落地的实战干货分享,帮助CIO用户群化解困惑和焦虑,助力广大CIO找准数字化机遇、少走弯路,应对数字化转型过程中的诸多挑战。主论坛外,另设新安全、数据赋能、新技术增效三个分论坛。包括CIO中年职业危机应对也是本次大会的议题之一。
 
以下是现场速记。
 


北汽新能源信息总监 刘伟霞
 
刘伟霞:非常有幸参加这么大规模的会议,之前都是在北京分享,车企行业也有自己的圈子,所以大家分享的内容跟我们这次看到的会有一些不太一样。车企现在面临的问题是需要包容、开放、协同、共享,就是这样的一个状况。大家也有看到,不管是特斯拉从国外企业进入国内市场还是新造车势力蔚小理这些公司的入局,其实对车企来说都面临着比较大的挑战。全国CIO大会对我来说还是一个很好的机会,可以听到不同行业对数字化转型以及数据方面的思考,这些对车企来说都是有很多可以借鉴、可以学习的地方。
 
之前我的题目是“数据对车企举足轻重”,后来改成“以数据为中心”。大家可能会奇怪,都在讲数据驱动,为什么我要讲以数据为中心?因为现在发生了一点变化,并不是谈数据就够了,而是要真正考虑数据的质量、数量,数据的变数,要把这些点都考虑在里面,然后才能更好地做到能够让数据对企业产生赋能、带来价值。
 
最近我们也在考虑企业承压,IT怎么干,其实不管怎么干,一定不能躺平,就是面对困难持续解决,坚持走下去。大家可以看到这样一个典型的公式,就是时间的复利效应,也是利滚利的概念。如果今天是一,再过一年以后原地踏步,应该还缺少一的三百六十五次方还是一。如果今天你原地踏步,三百六十五天以后你还是一,但如果稍微走一步,可以看到区别会多大。只要比你努力多一点的人,未来就可以甩你几条街。作为IT也是面临同样的问题,就是不能躺平,不能等,应该更卷一些,不管是对内卷还是对外卷。
 
北汽新能源2018年9月是新能源汽车的第一股,也就是北汽蓝谷600733。我们2019年前连续七年的纯电动第一,后面的几年由于这些新势力的进入,再由于我们自己在自主品牌上不断地进行尝试和努力,所以现在转变的方式就是更多地有所为有所不为。我们现在有更多合作出来,跟华为是2020年8月开始合作,后来是和欧洲高端制造品牌厂商麦格纳合作高端智能工厂,所以自主品牌中高端车型都是在镇江的高端合资工厂生产。
 
我们跟华为合作过两次:2020年4月的Alpha-T,主要是搭载华为高端智能座舱方案,现在是跟华为合作Huawei Insight。华为的合作模式是提供零部件、智能座舱和智能驾驶解决方案的整体引入。智选其实就是和赛力斯的合作模式,代工厂+售后服务,是由主机厂来做,剩下的都是华为来做的模式。我们之前跟华为已经有HI模式,后续也在尝试其它方式,可能对北汽自主品牌的发展来说想要更多尝试。这也是大家可以看到的汽车行业没有最卷,只有更卷。虽然我们作为国企,但一直想的都是不断地变,不断地合作,不断地创新。
 
现在我们直营的销售和直营的服务,包括代步出行、现场救援、一键上门取送车,这些都是现在提供的服务。
 
现在对车企来说,数据到底起到什么作用?数字化转型对车企意味着什么?图中讲的就是逐步以产品为驱动转向客户长期价值和品牌性的追求,汽车行业面临的挑战还是很大的。因为现在是数据专场,我把数据价值挖掘的合规性放在前面,但并不代表这是最重要的,其他因素对我们的影响也比较大。供应链就不用讲了,主要是零部件缺货缺芯,原材料的涨价也是车企面临的比较大的问题。绿色转型ESG是上市公司都会面临的,包括环境、社会和我们自己的治理能力,车企在碳中和、碳达峰面临的挑战更多。海外市场的拓展,现在国内的车企如果要有更多的发力,需要走向海外,不管是比亚迪还是吉利,大部分占比比较高的销量都是来自海外更多。
 
车企要以客户为中心,之所以逼着看客户走直销,也是希望尽可能做到DTC,平均购车周期是5.1个月,过去我们买车的时候,大家觉得周期就是3-6个月,基本上就已经落定,模式也很简单,就是上网查一查价格和汽车配置,然后就去4S店试乘试驾,之后差不多就能够决策,现在大家可以看到分化比较大。66%的客户都是在3个月以后的状态才会成交,尤其还有8%的客户12个月以上才会成交,我们把这种客户叫做等等看客户。我们现在还不能把这些客户抛掉,只要是6个月开始的客户,我们都会想怎么才能更好地给他们做这样的转化,需要持续保持跟他们的沟通。1个月以内就成交的客户占到13%,其实也不低了,也有一些需要快速决策的。
 
大家可以看到车企的分化还是比较厉害的,1个月到12个月的变化,我们怎么提供服务呢?如果都是一成不变地按照以前的方式来做,现在竞争这么激烈,怎么把握住自己的客户,怎么在市场上真正分到那一杯羹?其实是比较难的。大家可以看到最终购车品牌来源,原来选择初始品牌以后,就像2019年到2021年,短短两年都有发生15%的变化。第一次选中的品牌和最后真正定下来的时候会有15%的变化,大家就要更加注重怎样更好地了解客户,怎样更好地粘住客户,怎样更好地让客户得到转化。
 
图中就是我们讲的微笑曲线,制造业的都知道,我们略微做了一点转化。微笑曲线的仰角越来越大,研产供销服的价值链两头是大家都能够着重聚焦和发力的:一个是研发,一个是后续的销售和服务。产品研发不用多说,都是智能网联车,电动车出来以后为什么智能网联发展得这么快?主要有两个原因:真的是从原来的燃油车模拟信号到现在电动车数字信号的转变,日系电动车的零部件只占到燃油车的1/3,德系是1/6,但行业内的常规数据是1/10。现在零部件在大量减少,但具备数字化的属性,所以可以更好更精准地控制。大家可以看到智能网联一定就是在产品更需要发力,也是核心竞争力。
 
讲到软件定义汽车,上个世纪七十年代,软件和电子系统应该占到汽车成本的3.5%,但在2020年已经是10倍,相当于已经占到35%。我们相信随着时间的推移,软件和电子系统的成本只会越来越高。基于这样的数据,为什么现在这么多互联网公司都在玩车?因为属性已经发生变化,都在考虑怎么更好地把智能化、网联化利用起来,从而驱动后面的服务。为什么2025年汽车后市场价值要占到价值链的55%?未来车不是只卖出去就结束了,会有出行共享、自动驾驶、OTA,通过远程的刷新可以做到对汽车迭代升级。最早当然是来自特斯拉的概念,买了一辆车,可以告诉你五年以后还是不落伍,因为特斯拉主打的是智能驾驶,网联不是主打的,主要是智能驾驶。产品发生变化导致销售和服务,溢价和附加价值的曲线会发生比较大的变化。
 
车企核心竞争力发生偏移了吗?图中就是传统车企,基本上会关注什么?关注规模、成本、质量、差异化。为什么这里写的只是发生重心的偏移,并没有完全不做?质量和差异化这件事情还是需要关注,毕竟车是跟生活紧密相关,但又安全系数极高,所以这里发生侧重点的变化。我们考虑的是产品力、渠道力、品牌力。原来对车来说品牌力就是需要去考虑的,现在看到如果没有中间的这个点,其实对车企来说这是现在极大的挑战。大部分车企原来就是To B,占到原来的99%,但现在再考虑产品力、渠道力和品牌力的话,不从用户运营的角度思考,怎么考虑这些点,更好地以客户的视角做到推广、落地和应用?很难让产品在客户那里得到认可和销量质的变化。
 
不管是老的还是新的核心竞争力偏移,数据都是核心生产要素,我们会发现如果真的想把一件事情做好做细都离不开数据。
 
数据思维首先看到的是数据,没有问题,数据肯定是首要考虑的,但思维是什么?很多人说就是要看数据能干什么,其实就是解决问题的思维,一定是拿来解决问题。大家不要想着有数据展现出来就可以,最主要的就是提出问题、分析问题、解决问题。
 
整体来看,如果要以数据思维来看数字化的工作转型,从组织的支撑、技术的支撑、数据的平台再到上面,为什么把中间的研产供销服价值链做成智能连接数据?有了智能化的手段、智能化的工业物联网、智能化的工具,可以让万物产生互联,生产厂的工业物联网互联到销售端跟产业互联网的互联,中间过程中会产生数据,然后积累、沉淀,又把智能化做得更好。这些就是一个思路,大家需要不断以此作为驱动。
 
我们可以看到车企研产供销,后续会想怎么共享、怎么生态,所以有的车企讲自己是出行公司或者科技公司,我还在想未来车企会慢慢发展成为零售公司,因为我们更多地都在考虑怎么卖车DTC。我们原来做的更多的是业务数据化,怎么把业务系统建立起来。应该说车企过去这么多年做的都是这件事情,现在这些数据怎么发挥价值?应该把数据平台做成资产,然后资产还要提供服务。这里有一个数据模型库,就是模型、算法都要考虑起来。
 
大家都在讲ChatGPT的核心是什么,就是三个部分:算法、算力的支撑、模型和大的数据量,但这样的工作对车企来说,尤其是每个企业的情况不一样,有所为有所不为,大家还是要去考虑什么是最适合你的。数据模型库、算法库的建立,提供出来的这些服务需要以场景驱动来看,怎样支撑研产供销服每个领域的业务场景应用。
 
数据收集是不是越大越好?有数据就一定有真相吗?数据让管理变得简单吗?每个人都清楚,不一定。经过三年的疫情,相信每个企业都面临比较大的挑战,包括今年对北汽新能源来说也是收缩的态势,因为我们的销量也是受到比较大的挑战。在这种情况下,我们不可能像其他企业那样做数据治理、做数据中台,全面铺开,研产供销服,哪里有数据做哪里,哪里复杂做哪里。就像昨天乔总分享的内容,就是要找准我们自己的方向。我们需要考虑的其实是找到对应的场景,完成我们该做的事情。
 
《个人信息保护法》、《数据安全法》大家经常看到,其实我们还有《汽车数据安全规定》、《ICV准入和上路通行试点》,这些都是由于智能网联车的发展,包括现在直接To C,所以会有车端的摄像头、个人隐私数据的采集,包括会有我们的急呼APP,这些都是半自研半委外的方式来做,同样也有个人隐私数据。ICV准入怎样管理供应商,让供应商对数据的安全做到和车企一样的保证?我们也在修改一些安全保密的条款,APP运营会有商城、积分兑换、会员管理,牵涉到交易,包括我们的车机打开以后也可以有些购买服务或者产品功能,车厂要有自己的责任和义务拿到授权和许可才可以做这些事情。原来这些都是模糊地带,现在变成必须严格执行,所以对车企来说都是很大的挑战,国家数据出来以后对这些地区的要求会复杂得多。
 
企业数据方面需要认清楚自己的状况,业务方面也要考虑到底需要做到什么程度,场景在哪里,触点是不是足够丰富,拿到的数据源是不是足够丰富。基于场景的决策支持,场景很关键,就是怎么找对业务场景,安全合规缺少专业人才,因为出来得太快。我们公司内部一直在摸索新的组织结构,应对现在针对ICV智能网联车的准入要求,组织结构应该怎么去搭?现在需要拉动五六个部门,包括我们的战略、政策、法规、智能网联、IT相关的部门,销售和售后服务。
 
实际上对我们来说,最底下的部分是我们需要优先去干的,但不是一蹴而就,全部建设起来就可以支撑所有应用和服务,驱动一样是自上而下的,就是核心价值,能够给业务带来的价值和数据带来的价值。大家可能不知道业务和数据怎么分开来说,我们的研发和营销到底能够提供哪些价值,数据就是从经营管控的角度来说。大家可能觉得经营管控是老生常谈,其实已经发生了变化,由于我们在To C,很多数据采集员都要把数据快速反馈到管理层进行管理,现在都已经发生变化。
 
我们需要整合全渠道的数据,就是指面相对更宽,但还是要聚焦到业务场景拉动应该拿到哪些业务域,应该做到什么深度的数据,形成客户的统一视图,在此状态下搭建标签以及对高价值的业务场景去做支撑。
 
实际上我们对客户有一个时间轴的管理,现在也有一些数据的融合,因为都是北汽集团下属的。企微也是我们直接面向客户必须做的转变,原来我们是卖给经销商,经销商卖给客户,很难拿到经销商的数据,因为经销商有自己的考虑,也会担心被其他经销商切单。现在我们做的事情就是搭建企微平台,企微云外呼就代表跟客户的交互,不管是一开始的潜在客户还是已经邀约到店或者试乘试驾,直到转化成为真正的客户,这个过程全部都由企微沟通。企微主要是解决现在电话打出去以后被认为是骚扰电话,根本不会接,短信也不会看。企微平台内嵌一个云电话,只要是语音交流和文字交流都会被后台采集进行质检,那样我们可以知道是否按照我们的要求去干该干的活,我们给的钱是不是给得值,直营更不用说了,就是直接用我们的平台。
 
电池占到电动车40%-50%的成本,电池安全极其重要,所以我们一直在匹配电池的报警和预警,不只是路上跑的车,电池如果有异常就会及时通过客服给到客户,库存车也是同样。因为电池跟燃油车不一样,长期放在那里不动,不只是损耗的问题,也有安全的问题,长时间会爆炸。按照这种状况,我们都会对电池进行监控,我们也会对自己的其它零部件做到能做到的报警预警。
 
大家可能会觉得像我们这种国企,理论上很少思考这种问题,但也被逼得没有办法。因为我们APP会开展很多活动,刚开始都会有很多薅羊毛的特殊场景出来,在这种情况下靠算法去看哪些疑似薅羊毛,目前可以达到90%的准确率,但还是会有一些问题。
 
如何授之以渔?所有的事情不能都是IT来干,因为人不够,周期上也不太能够有这个耐心等你。我们搭建平台,让他们自己在上面自建报表,只有涉及到大的算法和模型建立是由IT来做。
 
前面讲的就是一点应用,如果所有这些工作不从资产目录的角度把资产沉淀下来、管理清楚,后面是很难得到一个很好的应用,包括刚才讲的授之以渔,至少要让业务知道数据在哪里,数据是怎么用的,然后才能用好。
 
这些是我们的一点思考,不多赘述,我们当时也考虑ChatGPT到底要不要应用到现在的场景,但最大的问题就是数据的质量和数量。为什么现在应用比较多的场景,不管是文本、回话还是音乐,其实数据就是来自网络,网络上能够找到的数据都可以应用,但找不到中国数据的话,我们如果问到有些中国领域特色的事情,其实很难给到比较合理的反馈。
 
作为车企来说,我们当时想是不是把ChatGPT进行更好地应用,后来发现也有问题,最大的一块来自于制造厂,智能制造会有大量的设备数据、质量数据和监测数据,包括智能网联的数据,这些数据其实都是车企自己在做的,并不能够吸取众家所长,每个车企的状况有些不一样。除了32960规定的100个字段,剩下的千奇百怪,我们采集的频率也不一样,毫秒级是为了安全,也有秒级,智能网联车1天大概上传10TB的数据,但真正能够拿ChatGPT进行更好的应用吗?其实还是打问好的,不管算法模型是否成熟,至少数据的数量和质量能否支撑ChatGPT的应用。
 
我们现在正在做的就是给业务种草,以前总是说业务是给客户种草,我们是给业务种草。因为我们不能抛离业务去做事情,包括产品的定义和价值的产生。如果要让业务自己去做,现在都会面临一个问题,不管能不能理解,数字化转型的感悟力是怎样的,但现在是忙于自己的业务更多,就是忙着去销售,我们更多的是给他们种草,种草新的工具、平台和技术,让他们看到最新的技术带来的价值。我们已经成功种草企微活动中台,支付中台,其实都是我们联合自己的业务来做,主要就是跑得比较积极主动。
 
彼德德鲁克说过,动荡时代最大的危险不是动荡,而是延续过去的逻辑。不要躺平,就是要动,就是要变。

关键字:数字化转型

原创文章 企业网D1Net

x 数据对车企数字化转型举足轻重 扫一扫
分享本文到朋友圈
当前位置:CIO新闻中心 → 正文

数据对车企数字化转型举足轻重

责任编辑:cres |来源:企业网D1Net  2023-05-11 16:03:58 原创文章 企业网D1Net

5月10日,由企业网D1Net举办的2023全国CIO大会盛大召开。本届大会以“企业承压,IT怎么干?”为主题,汇集300+企业CIO及IT高管,旨在搭建CIO与同行交流的高质量交流和社交平台,通过观点与思想的激烈碰撞,可落地的实战干货分享,帮助CIO用户群化解困惑和焦虑,助力广大CIO找准数字化机遇、少走弯路,应对数字化转型过程中的诸多挑战。主论坛外,另设新安全、数据赋能、新技术增效三个分论坛。包括CIO中年职业危机应对也是本次大会的议题之一。
 
以下是现场速记。
 


北汽新能源信息总监 刘伟霞
 
刘伟霞:非常有幸参加这么大规模的会议,之前都是在北京分享,车企行业也有自己的圈子,所以大家分享的内容跟我们这次看到的会有一些不太一样。车企现在面临的问题是需要包容、开放、协同、共享,就是这样的一个状况。大家也有看到,不管是特斯拉从国外企业进入国内市场还是新造车势力蔚小理这些公司的入局,其实对车企来说都面临着比较大的挑战。全国CIO大会对我来说还是一个很好的机会,可以听到不同行业对数字化转型以及数据方面的思考,这些对车企来说都是有很多可以借鉴、可以学习的地方。
 
之前我的题目是“数据对车企举足轻重”,后来改成“以数据为中心”。大家可能会奇怪,都在讲数据驱动,为什么我要讲以数据为中心?因为现在发生了一点变化,并不是谈数据就够了,而是要真正考虑数据的质量、数量,数据的变数,要把这些点都考虑在里面,然后才能更好地做到能够让数据对企业产生赋能、带来价值。
 
最近我们也在考虑企业承压,IT怎么干,其实不管怎么干,一定不能躺平,就是面对困难持续解决,坚持走下去。大家可以看到这样一个典型的公式,就是时间的复利效应,也是利滚利的概念。如果今天是一,再过一年以后原地踏步,应该还缺少一的三百六十五次方还是一。如果今天你原地踏步,三百六十五天以后你还是一,但如果稍微走一步,可以看到区别会多大。只要比你努力多一点的人,未来就可以甩你几条街。作为IT也是面临同样的问题,就是不能躺平,不能等,应该更卷一些,不管是对内卷还是对外卷。
 
北汽新能源2018年9月是新能源汽车的第一股,也就是北汽蓝谷600733。我们2019年前连续七年的纯电动第一,后面的几年由于这些新势力的进入,再由于我们自己在自主品牌上不断地进行尝试和努力,所以现在转变的方式就是更多地有所为有所不为。我们现在有更多合作出来,跟华为是2020年8月开始合作,后来是和欧洲高端制造品牌厂商麦格纳合作高端智能工厂,所以自主品牌中高端车型都是在镇江的高端合资工厂生产。
 
我们跟华为合作过两次:2020年4月的Alpha-T,主要是搭载华为高端智能座舱方案,现在是跟华为合作Huawei Insight。华为的合作模式是提供零部件、智能座舱和智能驾驶解决方案的整体引入。智选其实就是和赛力斯的合作模式,代工厂+售后服务,是由主机厂来做,剩下的都是华为来做的模式。我们之前跟华为已经有HI模式,后续也在尝试其它方式,可能对北汽自主品牌的发展来说想要更多尝试。这也是大家可以看到的汽车行业没有最卷,只有更卷。虽然我们作为国企,但一直想的都是不断地变,不断地合作,不断地创新。
 
现在我们直营的销售和直营的服务,包括代步出行、现场救援、一键上门取送车,这些都是现在提供的服务。
 
现在对车企来说,数据到底起到什么作用?数字化转型对车企意味着什么?图中讲的就是逐步以产品为驱动转向客户长期价值和品牌性的追求,汽车行业面临的挑战还是很大的。因为现在是数据专场,我把数据价值挖掘的合规性放在前面,但并不代表这是最重要的,其他因素对我们的影响也比较大。供应链就不用讲了,主要是零部件缺货缺芯,原材料的涨价也是车企面临的比较大的问题。绿色转型ESG是上市公司都会面临的,包括环境、社会和我们自己的治理能力,车企在碳中和、碳达峰面临的挑战更多。海外市场的拓展,现在国内的车企如果要有更多的发力,需要走向海外,不管是比亚迪还是吉利,大部分占比比较高的销量都是来自海外更多。
 
车企要以客户为中心,之所以逼着看客户走直销,也是希望尽可能做到DTC,平均购车周期是5.1个月,过去我们买车的时候,大家觉得周期就是3-6个月,基本上就已经落定,模式也很简单,就是上网查一查价格和汽车配置,然后就去4S店试乘试驾,之后差不多就能够决策,现在大家可以看到分化比较大。66%的客户都是在3个月以后的状态才会成交,尤其还有8%的客户12个月以上才会成交,我们把这种客户叫做等等看客户。我们现在还不能把这些客户抛掉,只要是6个月开始的客户,我们都会想怎么才能更好地给他们做这样的转化,需要持续保持跟他们的沟通。1个月以内就成交的客户占到13%,其实也不低了,也有一些需要快速决策的。
 
大家可以看到车企的分化还是比较厉害的,1个月到12个月的变化,我们怎么提供服务呢?如果都是一成不变地按照以前的方式来做,现在竞争这么激烈,怎么把握住自己的客户,怎么在市场上真正分到那一杯羹?其实是比较难的。大家可以看到最终购车品牌来源,原来选择初始品牌以后,就像2019年到2021年,短短两年都有发生15%的变化。第一次选中的品牌和最后真正定下来的时候会有15%的变化,大家就要更加注重怎样更好地了解客户,怎样更好地粘住客户,怎样更好地让客户得到转化。
 
图中就是我们讲的微笑曲线,制造业的都知道,我们略微做了一点转化。微笑曲线的仰角越来越大,研产供销服的价值链两头是大家都能够着重聚焦和发力的:一个是研发,一个是后续的销售和服务。产品研发不用多说,都是智能网联车,电动车出来以后为什么智能网联发展得这么快?主要有两个原因:真的是从原来的燃油车模拟信号到现在电动车数字信号的转变,日系电动车的零部件只占到燃油车的1/3,德系是1/6,但行业内的常规数据是1/10。现在零部件在大量减少,但具备数字化的属性,所以可以更好更精准地控制。大家可以看到智能网联一定就是在产品更需要发力,也是核心竞争力。
 
讲到软件定义汽车,上个世纪七十年代,软件和电子系统应该占到汽车成本的3.5%,但在2020年已经是10倍,相当于已经占到35%。我们相信随着时间的推移,软件和电子系统的成本只会越来越高。基于这样的数据,为什么现在这么多互联网公司都在玩车?因为属性已经发生变化,都在考虑怎么更好地把智能化、网联化利用起来,从而驱动后面的服务。为什么2025年汽车后市场价值要占到价值链的55%?未来车不是只卖出去就结束了,会有出行共享、自动驾驶、OTA,通过远程的刷新可以做到对汽车迭代升级。最早当然是来自特斯拉的概念,买了一辆车,可以告诉你五年以后还是不落伍,因为特斯拉主打的是智能驾驶,网联不是主打的,主要是智能驾驶。产品发生变化导致销售和服务,溢价和附加价值的曲线会发生比较大的变化。
 
车企核心竞争力发生偏移了吗?图中就是传统车企,基本上会关注什么?关注规模、成本、质量、差异化。为什么这里写的只是发生重心的偏移,并没有完全不做?质量和差异化这件事情还是需要关注,毕竟车是跟生活紧密相关,但又安全系数极高,所以这里发生侧重点的变化。我们考虑的是产品力、渠道力、品牌力。原来对车来说品牌力就是需要去考虑的,现在看到如果没有中间的这个点,其实对车企来说这是现在极大的挑战。大部分车企原来就是To B,占到原来的99%,但现在再考虑产品力、渠道力和品牌力的话,不从用户运营的角度思考,怎么考虑这些点,更好地以客户的视角做到推广、落地和应用?很难让产品在客户那里得到认可和销量质的变化。
 
不管是老的还是新的核心竞争力偏移,数据都是核心生产要素,我们会发现如果真的想把一件事情做好做细都离不开数据。
 
数据思维首先看到的是数据,没有问题,数据肯定是首要考虑的,但思维是什么?很多人说就是要看数据能干什么,其实就是解决问题的思维,一定是拿来解决问题。大家不要想着有数据展现出来就可以,最主要的就是提出问题、分析问题、解决问题。
 
整体来看,如果要以数据思维来看数字化的工作转型,从组织的支撑、技术的支撑、数据的平台再到上面,为什么把中间的研产供销服价值链做成智能连接数据?有了智能化的手段、智能化的工业物联网、智能化的工具,可以让万物产生互联,生产厂的工业物联网互联到销售端跟产业互联网的互联,中间过程中会产生数据,然后积累、沉淀,又把智能化做得更好。这些就是一个思路,大家需要不断以此作为驱动。
 
我们可以看到车企研产供销,后续会想怎么共享、怎么生态,所以有的车企讲自己是出行公司或者科技公司,我还在想未来车企会慢慢发展成为零售公司,因为我们更多地都在考虑怎么卖车DTC。我们原来做的更多的是业务数据化,怎么把业务系统建立起来。应该说车企过去这么多年做的都是这件事情,现在这些数据怎么发挥价值?应该把数据平台做成资产,然后资产还要提供服务。这里有一个数据模型库,就是模型、算法都要考虑起来。
 
大家都在讲ChatGPT的核心是什么,就是三个部分:算法、算力的支撑、模型和大的数据量,但这样的工作对车企来说,尤其是每个企业的情况不一样,有所为有所不为,大家还是要去考虑什么是最适合你的。数据模型库、算法库的建立,提供出来的这些服务需要以场景驱动来看,怎样支撑研产供销服每个领域的业务场景应用。
 
数据收集是不是越大越好?有数据就一定有真相吗?数据让管理变得简单吗?每个人都清楚,不一定。经过三年的疫情,相信每个企业都面临比较大的挑战,包括今年对北汽新能源来说也是收缩的态势,因为我们的销量也是受到比较大的挑战。在这种情况下,我们不可能像其他企业那样做数据治理、做数据中台,全面铺开,研产供销服,哪里有数据做哪里,哪里复杂做哪里。就像昨天乔总分享的内容,就是要找准我们自己的方向。我们需要考虑的其实是找到对应的场景,完成我们该做的事情。
 
《个人信息保护法》、《数据安全法》大家经常看到,其实我们还有《汽车数据安全规定》、《ICV准入和上路通行试点》,这些都是由于智能网联车的发展,包括现在直接To C,所以会有车端的摄像头、个人隐私数据的采集,包括会有我们的急呼APP,这些都是半自研半委外的方式来做,同样也有个人隐私数据。ICV准入怎样管理供应商,让供应商对数据的安全做到和车企一样的保证?我们也在修改一些安全保密的条款,APP运营会有商城、积分兑换、会员管理,牵涉到交易,包括我们的车机打开以后也可以有些购买服务或者产品功能,车厂要有自己的责任和义务拿到授权和许可才可以做这些事情。原来这些都是模糊地带,现在变成必须严格执行,所以对车企来说都是很大的挑战,国家数据出来以后对这些地区的要求会复杂得多。
 
企业数据方面需要认清楚自己的状况,业务方面也要考虑到底需要做到什么程度,场景在哪里,触点是不是足够丰富,拿到的数据源是不是足够丰富。基于场景的决策支持,场景很关键,就是怎么找对业务场景,安全合规缺少专业人才,因为出来得太快。我们公司内部一直在摸索新的组织结构,应对现在针对ICV智能网联车的准入要求,组织结构应该怎么去搭?现在需要拉动五六个部门,包括我们的战略、政策、法规、智能网联、IT相关的部门,销售和售后服务。
 
实际上对我们来说,最底下的部分是我们需要优先去干的,但不是一蹴而就,全部建设起来就可以支撑所有应用和服务,驱动一样是自上而下的,就是核心价值,能够给业务带来的价值和数据带来的价值。大家可能不知道业务和数据怎么分开来说,我们的研发和营销到底能够提供哪些价值,数据就是从经营管控的角度来说。大家可能觉得经营管控是老生常谈,其实已经发生了变化,由于我们在To C,很多数据采集员都要把数据快速反馈到管理层进行管理,现在都已经发生变化。
 
我们需要整合全渠道的数据,就是指面相对更宽,但还是要聚焦到业务场景拉动应该拿到哪些业务域,应该做到什么深度的数据,形成客户的统一视图,在此状态下搭建标签以及对高价值的业务场景去做支撑。
 
实际上我们对客户有一个时间轴的管理,现在也有一些数据的融合,因为都是北汽集团下属的。企微也是我们直接面向客户必须做的转变,原来我们是卖给经销商,经销商卖给客户,很难拿到经销商的数据,因为经销商有自己的考虑,也会担心被其他经销商切单。现在我们做的事情就是搭建企微平台,企微云外呼就代表跟客户的交互,不管是一开始的潜在客户还是已经邀约到店或者试乘试驾,直到转化成为真正的客户,这个过程全部都由企微沟通。企微主要是解决现在电话打出去以后被认为是骚扰电话,根本不会接,短信也不会看。企微平台内嵌一个云电话,只要是语音交流和文字交流都会被后台采集进行质检,那样我们可以知道是否按照我们的要求去干该干的活,我们给的钱是不是给得值,直营更不用说了,就是直接用我们的平台。
 
电池占到电动车40%-50%的成本,电池安全极其重要,所以我们一直在匹配电池的报警和预警,不只是路上跑的车,电池如果有异常就会及时通过客服给到客户,库存车也是同样。因为电池跟燃油车不一样,长期放在那里不动,不只是损耗的问题,也有安全的问题,长时间会爆炸。按照这种状况,我们都会对电池进行监控,我们也会对自己的其它零部件做到能做到的报警预警。
 
大家可能会觉得像我们这种国企,理论上很少思考这种问题,但也被逼得没有办法。因为我们APP会开展很多活动,刚开始都会有很多薅羊毛的特殊场景出来,在这种情况下靠算法去看哪些疑似薅羊毛,目前可以达到90%的准确率,但还是会有一些问题。
 
如何授之以渔?所有的事情不能都是IT来干,因为人不够,周期上也不太能够有这个耐心等你。我们搭建平台,让他们自己在上面自建报表,只有涉及到大的算法和模型建立是由IT来做。
 
前面讲的就是一点应用,如果所有这些工作不从资产目录的角度把资产沉淀下来、管理清楚,后面是很难得到一个很好的应用,包括刚才讲的授之以渔,至少要让业务知道数据在哪里,数据是怎么用的,然后才能用好。
 
这些是我们的一点思考,不多赘述,我们当时也考虑ChatGPT到底要不要应用到现在的场景,但最大的问题就是数据的质量和数量。为什么现在应用比较多的场景,不管是文本、回话还是音乐,其实数据就是来自网络,网络上能够找到的数据都可以应用,但找不到中国数据的话,我们如果问到有些中国领域特色的事情,其实很难给到比较合理的反馈。
 
作为车企来说,我们当时想是不是把ChatGPT进行更好地应用,后来发现也有问题,最大的一块来自于制造厂,智能制造会有大量的设备数据、质量数据和监测数据,包括智能网联的数据,这些数据其实都是车企自己在做的,并不能够吸取众家所长,每个车企的状况有些不一样。除了32960规定的100个字段,剩下的千奇百怪,我们采集的频率也不一样,毫秒级是为了安全,也有秒级,智能网联车1天大概上传10TB的数据,但真正能够拿ChatGPT进行更好的应用吗?其实还是打问好的,不管算法模型是否成熟,至少数据的数量和质量能否支撑ChatGPT的应用。
 
我们现在正在做的就是给业务种草,以前总是说业务是给客户种草,我们是给业务种草。因为我们不能抛离业务去做事情,包括产品的定义和价值的产生。如果要让业务自己去做,现在都会面临一个问题,不管能不能理解,数字化转型的感悟力是怎样的,但现在是忙于自己的业务更多,就是忙着去销售,我们更多的是给他们种草,种草新的工具、平台和技术,让他们看到最新的技术带来的价值。我们已经成功种草企微活动中台,支付中台,其实都是我们联合自己的业务来做,主要就是跑得比较积极主动。
 
彼德德鲁克说过,动荡时代最大的危险不是动荡,而是延续过去的逻辑。不要躺平,就是要动,就是要变。

关键字:数字化转型

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^