车企数据治理的障碍是什么?

如兽般的姿态

2023-01-05

车企数据治理具有典型的通用性和行业特殊性的双重特征，主要表现在：车企数据治理普遍面临着业务数据分散建设、数据资源多头管理、数据全生命周期管理不完整等痛点，所以，实现核心数据的可视、可管、可控、可用成为普遍诉求。

同时，车企作为重资产、长生态链的离散型生产，在客户需求导向模式的冲击下，有三大业务矛盾越来越突出，同时也对车企数据治理提出了更高的要求：

1、周期长、响应慢。产品从研发到车辆交付给客户的花费时长与快速响应客户需求的矛盾。车企的生态链很长，从设计研发到发布上市环节多、周期长，而客户需求越来越多样化、个性化，以客户需求拉动生产的运营模式（C2M）对企业数据质量发起了更高的挑战。

2、业务单元强、集团整体弱。车企业务整体性与业务单元（系统）分散管理之间的矛盾。汽车公司完整的生态链包括研发、采购、生产制造、质量、物流、售后等业务单元，汽车企业业务上的整体性决定了数据一致性的特点。然而，工厂分散、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。

3、集中管理与区域自治之间的矛盾。汽车企业，一般都是“中央集权”。总部决定品牌战略和全球的营销计划，各个市场的销售单元相对独立运作，生产厂也分布于全国/世界各地。分散的制造工厂都有很强的独立性。中央集权和区域自治之间的矛盾是需要长期协调、平衡的。车企在设计数据体系、制定数据标准时，需要考虑市场、工厂的统一和差异的平衡。

汽车产业链智能化升级、智能汽车产品复杂度提升、业务的转型升级和跨产业的紧密协作，导致数据量指数级增长，不管是应对型、还是主动型数据治理，对车企而言已迫在眉睫。基于汽车的业务现状，目前遇到的数据问题，可以总结为5点：流程长、歧路多、数据孤岛、标准难统一、安全合规监管难。