汽车行业：汽车数字化转型下的数据运营白皮书

�'t*�*1t�ffilr B1J�fflfilJi!ElBl� ■ 目录 引言：“危”与“机”02 03 一、传统车企数据运营的三大挑战 二、数据涅槃，数字化能力再造08 11三、数据赋能场景落地解决方案 四、相关案例实践23 33联系我们 1汽车数字化转型下的数据运营白皮书 引言：“危”与“机” 中国汽车行业发展至今，伴随着新能源的加速推进、新智能技术的演变及新玩家的入局，近年迎来加速转型变革期。中国汽车市场也逐步从增量市场演变为存量市场，并在市场结构上呈现新能源替代与中高端替代的结构化增量。与此同时，商业模式也从传统经销商制发展出直营、代理及混合等模式，区域及城市管理也随之成为新课题。 在这场变革中，对于行业传统玩家，无论是外资合资还是民营车企，同时面临着“新能源转型”与“数字化转型”的双重挤压，如何在转型期生存并发展，如何在保证业绩增长与市场份额的同时完成转型，是所有车企面临的课题。而对于数字化转型，虽其必要性及价值已成为共识，但车企仍面临着一大核心矛盾：即数字化及数据变现的长期性复杂性，与业务及管理层对数字化及数据赋能价值兑现的迫切性有效性的矛盾。 在本篇白皮书中，我们将根据项目实践及行业思考，从数据到赋能的四要素（数据、平台、组织及运营）体系中，尝试解决这一转型矛盾并提出破解之道。 汽车数字化转型下的数据运营白皮书2 3汽车数字化转型下的数据运营白皮书 1 非数字原生挑战：在经验驱动与数据驱动之辨前， 先从线上化数据留痕的基础开始 区别于数字原生的平台型企业，如美团平台、京东平台等，非数字原生企业最大的差别在于业务是否天然构建于平台之上，业务能力是否平台化产品化。非数字原生企业的线上化程度低、数据留痕依赖度低，所以不得不面临从数据埋点及数据治理等基础工作开始。首先业务线上化实现数据采集留痕，然后数据逐步替代经验，带来业务应用乃至商业模式变化。总结下来，非数字原生企业的“数字化三步走”如下： 1.业务线上化，数据留痕（如各类App、企微工具、用户运营平台等） 2.决策智能化，数据驱动（业务场景中数据及建模如何辅助或替代经验） 3.数据赋能业务，实现营销、销售、生产、管理及组织变革等 与此同时，传统车企要利用好经销网点及区域队伍的线下优势，借鉴链家网等类似传统企业的转型样板，通过数据与平台加持，带领经销商伙伴与区域队伍完成转型。 但在这过程中，一边是通过平台积累数据，一边是应用平台之后发生的业务流程变化、管理模式变化乃至组织人员变化，数据工作往往与业务变革变化双向交织，混杂着推进。这无论对管理层、业务部门还是IT部门都提出了巨大挑战。 2 业务挑战：持续业务数字化下的不得不转身， 躬身入局抑或外援加持 在车企逐步走向数字化的过程中，如何利用数字化工具，如何利用数据对业务赋能，乃至如何应对数字化之后业务模式的变化、组织新能力的变化，都是亟待解决的问题。 首先，关于业务模式的线上化数字化 随着数字化技术发展，汽车行业的营销销售模式也已经发生变化，包括数字化营销的普及、私域建设的兴起、汽车城市展厅、以及D2C直营模式的发展。在此发展趋势下，车企如何把业务流程搬到线上化平台进行重构以支撑新模式，如何让经销商网络及自身队伍接受新工具新方式，特别是传统车企在业绩压力下如何带动伙伴与队伍转型，成为首要挑战。 其次，关于数据应用价值效果的挑战 在业务线上化数字化过程中，伴随着数据留痕积累，车企逐步在营销销售、售后业务、车端屏用户运营以及管理等场景进行数据应用。但如何识别数据应用场景的价值，如何满足数据需求，如何考虑成本效益，又将是下一步挑战。特别是对于传统车企队伍，如何证明数据可以替代甚至超越经验，让前线人员接受并推广数据场景落地，也是亟待解决的障碍。 最后，数字化或数据能力如何建设 随着车企数字工具应用的普及，业务线上化数据化日渐成熟。如直营业务的开展带来App平台持续建设与数据迅速累积，并伴随着营销销售场景中更敏捷更进阶的数据应用需求。如经销商与区域企微工具的推广，也催生着新的业务流程及总分管理流程，并带来数据在管理闭环与效率提升中的应用。这一过程，业务部门往往面临着两种数字化能力的构建方式： 1.躬身入局：在各业务部门中建立数字化团队，形成更敏捷更懂业务的数据能力 2.外援加持：从IT孵化跨业务部门的数字化中台团队，实现可共享统一的数据能力 无论是何种方式，业务部门都将面临新技能新人员如何融于业务的挑战，以及在数据运营协作过程中，既要实现部门内的数据能力敏捷，又要避免能力重复建设，同时保证“业务+数据+IT”的高效协作与合理分工。但实际情况往往是，业务建立数据能力与IT升级数据能力同时存在，如何协同也是所有数据赋能场景落地变现的关键业务挑战。 3 科技挑战：数字化需求加速下的能力重构与 角色转变，新能力与新角色 承接业务挑战与变革需求的传导，车企的传统IT部门也面临变化。首先IT部门面对的不仅仅是系统需求，还有与日俱增的数据需求乃至建模需求。与此同时，数据场景的应用涉及多系统多数据流，需要高效的敏捷迭代、AB测试验证以及多部门协作推广落地，这都需要传统IT部门角色转变。 从技术基建，到更懂业务的产品经理（类互联网产品经理） 在过去很长一段时间内，IT部门在车企更多是一个服务部门，为企业内部的各个板块提供IT基础建设服务，包括硬软件支持、IT系统建设与运维、网络与信息安全等。但随着业务数字化程度越来越高，业务平台更多地直面C端客户，各类系统也逐步从PC应用演变为更移动化App化。业务需求优化更频繁，系统迭代周期更短，IT能力逐步从传统系统建设能力，逐步发展到围绕平台进行持续建设优化。这一过程下，IT部门从后端走向前台，对业务理解的要求更高，其角色也从围绕系统建设为核心的传统BA（商业分析师）及开发角色，需要向围绕平台运营为核心的类互联网产品经理角色进行转变。 从IT系统类的项目制管理，到产品平台类的敏捷迭代运作 车企IT部门不是成本中心，而应该是利润中心— —这几乎成为数字化转型企业的共识。为支撑这一转变，IT能力与业务的协作模式也需要转变，从系统建设的项目制协作，转向基于平台的产品制敏捷协作，实现业务与IT的深入融合。 一直以来，业务与IT的关系是建立在职能分割的基础上，无论直接或间接，IT作为收单的乙方来承接业务甲方的投资项目。这种项目制的思维，以管理确定性驱动，强调计划、预算、分工、人员利用效率，因此可能会造成IT与业务的目标割裂，导致开发与运维成本增高，交付周期变长等问题。随着车企IT部门规模日渐扩大以及数字化需求的增加，这些问题将越来越严重，成为车企应对不确定性、持续创新的严重掣肘。大多数车企的IT组织已经意识到了这个问题，在敏捷转型的同时，也开始了由项目制到产品制的转型。 产品经理制思维和项目管理制思维最本质的区别是，项目制是以确定性（IT要解决的问题是确定的）为基础的，因而以计划、预算和职能为中心；产品制的基本规则是以解决问题为中心且要解决的问题都是高度变化的，因此要求管理的核心要素从项目的范围、时间和成本转向给用户带来的实际价值和质量。IT部门需要不断挖掘用户的真正需要，持续迭代更新解决方案，一切以提供给用户的价值为目标。 业务数字化加速下的多条线海量数据，如何从“建好”到“管好”再到“用好” 面对业务数字化加速下产生的海量数据，数据也成为企业重要的资产。数据全生命周期管理是车企实现其数据价值持续释放的必经之路，并逐步从聚焦“建”，到未来更多地聚焦“管”和“用”。首先要“建好”数据底层基建，根据应用需求，收集数据，并统一数据标准，建立校验机制，确保数据质量。其次要“管好”数据，短期以主数据与指标治理为目标，同时推动长效的数据质量标准与“内外兼修”的数据管理机制落地以治本。最后要“用好”数据，充分释放数据价值，实现赋能业务，如报表可视化应用，业务场景模型优化等。 汽车数字化转型下的数据运营白皮书8 普华永道思略特基于对汽车行业数据应用实践的研究与洞察，总结了一套数据能力体系建设的方法，基于汽车行业价值链，以场景赋能为抓手，从数据、平台、组织、运营四个方面再造企业数据能力。 图：数据能力体系建设框架 A 面向产品的ToB赋能 基于汽车行业价值链的应用场景框架 面向客户旅程的ToC赋能 ToM管理 能力沉淀 1. 产品规划 2. 工程研发 3. 营销/销售 4. 售后维修 5. 使用服务 6. 经营管理 场 景场景书架 体应用共识 系 B 数据产品 数据探索服务 数据分析看板 业务运营看板 数据合规审批 营销自动化MAP 用户画像 数 数据平台 数据标签平台 数据模型 客户互联数据平台 CDP 据可复用 中可持续 台迭代的 能场景 力 数据资产 第三方数据 车端 C端/B端 C 组织合力+运营机制 组 织人员 运数据能力 营 数据：从业务线上化的数据留痕开始、到数据底座中台的构建 不同业务数据能够有序、完整、合规地留痕，经过统一的治理与整合后，实现不同业务环节数据的打通，形成企业级的数据湖。同时随着数据治理以及整合能力的提升，企业将能够对数据进行高效筛选以及可视化，业务相关的决策将更加辅以企业所掌握的数据资产。 平台：数据能力共享中台化输出，依托数据平台形成常态产品沉淀 构建一个业务化、服务化及开放化的数据平台，形成“数据-分析-洞察-决策”支撑的产品化和常态化。对于数据分析产品化，可通过企业战略规划、数据应用场景设计、数据洞察分析这一过程的牵引，不断推动数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营。而对于分析工作常态化，需要持续维护数据分析产品并监测实际使用效果，为业务与职能部门提供数据分析支持，并对其日常使用中的问题及时进行解答。 组织：建立数字化的组织，重新定义团队、部门乃至企业的运行模式 以跨各部门协同更加清晰、高效、灵活为目标，重新梳理组织所需的数字化能力，明确组织的能力建设方向，形成组织合力。 运营：支撑数据赋能业务的常态化运作，使数据赋能成为业务新常态 数据运营需要建立一套从整体目标出发，引导数据变现链路上的业务、数据、IT部门分工协作的工作机制，因此需要部门间共识目标、协同配合，取代各自为战的状态，这样才能真正实现数据赋能的目的。 汽车数字化转型下的数据运营白皮书10 11汽车数字化转型下的数据运营白皮书 1 数据应用的常见问题 目前众多传统车企处于数字化转型和新能源发展的关键时期，数据基础能力初现雏形，同时业务需求高频迸发，在此宏大背景之下，车企往往面临诸多挑战：如何提升和沉淀数据能力，如何实现数据赋能业务，以及如何促进业务、数据与IT部门力出一孔。 同时，在实施过程中，车企常面临如下四种执行痛点，导致转型效果不如预期： 业务认知问题：业务部门偏向对经验的判断与理解，对数据模型不理解、不认同；业务对数据摸底情况不清，需求与数据条件不匹配。 模型效果问题：数据模型验证通过后，在实际业务流程中试点效果不如预期；场景设计中，存在流程断点环节（非端到端）。 沟通协作问题：缺乏各部门沟通统一的工作方法，协同难；各部门使用不同工作模板，沟通成本高。 系统资源问题：数据场景上线过程中，出现预期之外的延迟因素，如系统权限申请、签报流程、审批等。 2 解决思路是什么：从场景到数据落地，多方协同的 标准化运营 整体场景蓝图及场景书架 数据业务场景可分为ToC场景和ToB场景。其中，ToC场景是指在客户生命周期（或客户旅程）中，企业结合数据分析计算，适时提供给客户所需的产品或服务，例如在汽车领域，ToC场景还可进一步细分成客户端和车端场景。而ToB类场景则聚焦企业经营和管理需求，包含对内的经营分析预测，及对合作伙伴（例如经销商）的监督赋能等。 绘制数据业务场景蓝图是建设数据能力不可或缺的一环。一份合格的场景蓝图不仅需要融合行业发展趋势，同时需要契合企业的业务发展方向。 图：数据场景蓝图示例 汽车行业常见的ToC