车企数据体系建设蓝图规划.pptx

车企数据体系建设2024-02-24

01面临的挑战

车企数据体系建设面临的挑战01数据安全挑战2023年，全国发生20余起与车企相关的数据泄露事件，汽车数据安全正面临全新挑战；2024年以大模型为代表的AI技术创新将带来新的汽车数据安全风险和挑战，需提前进行防范和布局。02数据质量挑战随着应用场景的丰富性和广泛性，车联网数据的来源和类型越来越丰富，如何确保这些数据的准确性和完整性，成为了车企亟待解决的问题。03数据变现挑战在数字化转型中，传统车企面临的最大挑战是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和有效性之间的矛盾。04数据整合挑战车企数据治理普遍面临着业务数据分散建设，部门隔离、系统孤岛等客观因素的存在，造成了车企内部流程冗长、系统之间存在断点、协作效率低下等问题。05数据运营挑战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。06数据管控挑战数据资源多头管理、数据全生命周期管理不完整等痛点、缺乏统一的管理制度、流程、组织。

02数据体系建设蓝图

车企数据体系建设蓝图（平台、数据、应用、治理与运营体系）多云融合基础设施公有云虚拟化资源池私有云边缘云T-BOX、IVI统一云管车云协同湖仓一体数据底座数据集成工具数据存储平台数据计算引擎数据分析引擎DataLakeHouse数字底座数据治理平台数据资产管控数据运营提供更经济的存储成本提供更优的计算性能提供更强的安全能力提供更弹性的基础设施3构建完整的数据治理体系实现全域数据资产融合全面提升数据质量完善数据安全制度及技术手段实现统一的数据资产管控与运营平台怎么建2数据怎么治构建完整的数据运营体系，持续释放数据价值围绕车企价值流，构建应用场景地图，以场景赋能为抓手，建设有针对性的数据应用，实现业务赋能1资产如何用数据治理组织流程政策指引数据主官数字化转型领导组信息架构专家组管理信息架构管理数据质量管理数据分析信息架构管理企业数据管理总纲数据架构管理政策数据质量管理政策数据源管理政策数据服务管理政策数据质量管理数据治理体系业务数据（研发、制造、营销…）支撑管理（财务、人力、党建…）其他数据（行为、售后、车联网…)数据拉通数据融合数据治理过程数据质量评估评估维度完整性规范性一致性准确性唯一性关联性评估过程定义测量分析改进控制PDCA质量规则空值约束长度约束格式约束一致约束离散约束……稽核反馈批量稽核流式稽核自动验证质量监控质量报告报告发送车企价值流研发（战略、概念、设计、试制试验、预产、投产）生产（冲压、焊接、涂装、总装）营销（认知、互动、试驾、购买）供应链服务数据可视数据挖掘数据可用生成式AI主数据共享指标体系建设管理驾驶舱报表体系建设辅助决策预测模型文生图、语音文生视频…数据价值释放层次数据应用场景地图（营销域）

03数据运营

数据运营体系框架要点：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，真正实现数据赋能的目的；数据运营的关注重点是数据的利用和价值创造。数据运营体系框架运营平台目录管理（登记、变更维护…）运营组织运营流程运营核心内容目标：持续赋能业务，释放数据价值监测分析（使用分析、用户反馈…）服务管理（发布、流程管理…）价值评估（ROI…）全景预览（地图…）数据目录管理数据应用建设数据服务运营数据动态优化数据成本管理数据价值评估以CDO为首（决策、管理、执行三个层次）、明确权、责、利纵向横向构建业务、数据、IT的联合团队（明确需求从提出到实现各团队的职责）数据需求管理流程数据分析、应用建设管理流程数据审计管理流程绩效考核、利益分配管理流程变更维护导航检索…应用场景地图指标、标签、算法模型…培训宣贯数据可见、可懂、可用、易用…供需两端匹配数据使用评价…成本法评估收益法评估市场法评估…人力成本软硬件成本…

研发域：构建研发生命周期数据应用场景地图要点：随着数字化进程的推进，研发内外部相对孤立的情况将被打破，研发、生产、用户需求协同的流程变革已开启，对上一代车型设计缺陷、消费者需求的分析，能够更精准的对品牌、车型、车身等进行优化设计，甚至用户有机会参与研发，部分车企的研发周期从36个月降到18个月，甚至更少。战略阶段概念阶段设计开发试制试验及认证生成准备量试与投产G9G8G7G6G5G4G3G2G1预研启动项目启动方案批准项目批准设计冻结工艺验证预产试产投产通过分析上一代产品存在的问题、消费者的特征及诉求，为本次规划提供参考通过对上一代车型的规模化问题、零部件寿命及设计等问题进行综合分析，为产品迭代方案提供依据全面分析