车企数字化转型：数据，不只是技术

数据不只仅是个技术问题，更是关乎企业数字化转型生死攸关的关键因素，数字化转型的首要问题就是数据战略问题，那么数据战略问题具体如何解决？

1 数字化转型的本质是信息技术驱动商业变革

什么是数字化转型？

数字化转型应该如何定义？

对于以上问题，一千我的或许就有一千个回答。目光所及，这些回答覆盖了战略、管理、技术、业务、用户中心等等企业经营的不一样领域，从工业4.0、消费互联网到产业互联网，各自有各自的描述和解释。

那么，通过这么多年的转型实践，咱们回头来看，最重要的驱动因素究竟是什么？

让咱们回到工业时代的最初。

尽管有着蒸汽机的帮助，人类的体力和脑力仍然是工业生产中必不可少的因素。通过这么多年的发展，机器愈来愈多地替代了人类的体力，可是脑力仍然是上个世纪最重要的驱动力量，哪怕是最初的计算机，也只是在加强人类的脑力而不是取而代之。

直到最近十年，状况发生了改变。

过去10年中，云计算、大数据和人工智能技术的发展，不断驱动机器智能替代体力和脑力，那些高频的重复的体力和脑力工做，愈来愈多地被机器智能所取代；而脑力赖以生存的经验公式（方法论、思惟工具等等），也愈来愈多地被算法所代替。从这个意义上，算力才是这个时代真正的驱动力量，算力对于体力和脑力的替代，是过去十年来，人类面临的最大挑战之一，既往的运营和商业模式不断被颠覆。

因此，站在今天的角度，咱们或许能够清晰地定义数字化转型，本质上就是以算力、算法和数据为表明的信息技术，以数字化的方式驱动社会总体的改变和变革。 数字化转型的将来清楚指向人工智能的发展，从而让人作人该作的事情，让机器作机器该作的事情，人类和机器脑力算力协同发展。

人类所面临的挑战并不止于此。

曾经有一本名为《富足》的书指出，当人类社会从物资材料的供不该求到供过于求的富足状态以后，社会的组织模式和商业模式都发生了巨大的改变。吃不饱穿不暖，曾经是过去几千年来人类社会的主题，可是今天，当这些再也不是问题的时候，人们迷茫了，咱们到底须要追求什么？

用一样的视角去观照数据，咱们会发现什么？

下图来自于互联网女皇的报告，从图上咱们能够看到，进入2010年以来，人类社会的数据量有了巨大的增加。原图没有告诉咱们的一点是，2015年是人类社会数据增加的一个关键节点，由于在2015年，其一年产生的数据量是人类过去历史上产生的数据量的总和。换句话说，人类的数据量自此进入了指数级增加，2015年以后，数据量每一年增加40%-50%，这也被称为「新摩尔定律」：人类有史以来的数据总量，每过18个月就会翻一番。

若是你还记得那个阿拉伯童话中国王和算师关于在棋盘上放满米的故事，那么，你就会知道，这种指数级增加的数据增量有多么巨大。 人类社会或许即将从数据的供不该求到数据的供过于求的状态。从这里咱们或许能够理解，为何马老师说将来全部的公司都将是「数据公司」。

阿里巴巴曾经就是经历过这种数据增加的公司，在很长一段时间内，日益增加的数据存储费用和仍然稀缺的数据应用之间的矛盾一直都是阿里巴巴的主要矛盾。阿里巴巴为何要「去IOE」？传说王坚给马老师算了一笔帐，若是仍然使用IOE架构来存储数据，那么，十年后，阿里巴巴的数据存储费用将10倍于其收入，届时，阿里巴巴必将破产。

目前，大部分的公司仍然处于数据的加法阶段，可是，在车企身上，咱们已经看到了数据跨越式增加的苗头。这个苗头叫作「车联网」。

随着车企的电动化、智能化、网联化，车企也收集到了至关庞大的数据，一天4G、一年2.5亿行、3年后至少超过200T……相似这样的描述，在大部分的车企都能听到。或许，车企的数据量增加还不能称为指数级增加，可是，相比以前，至少已是乘数级的增加了。

那么，怎么办？

做为一家已经跨越了数据指数级增加的公司，阿里巴巴的经历或许能够给咱们启示。

2 阿里巴巴如何跨越数据指数级增加奇点

2007年，阿里巴巴在战略会议上决定阿里将来要成为一家数据公司。但真正在数据上有所建树，却要把这个时间延后到2009年，阿里云也诞生在这一年。大致上能够把阿里的整个跨越过程分红三个阶段：

第一个阶段：2009-2012年，主题是「看见」。

从2003年成立以来，淘宝收集了大量的数据，其中90%是非结构化的日志数据，当有了这些数据以后，全部人都想看见数据背后的真相：个人用户从哪里来，他们买了什么，为何购买，转化率如何……这些问题咱们大致均可以归结为两个基本问题：发生了什么？怎么发生的？

和「去IOE」同步发生的，是阿里加大了对于BI（商业智能）的需求，用数据「看见」答案的BI，在这个阶段是阿里存储和计算资源消耗的主力军。阿里巴巴也是第一个设立CDO（Chief Data Officer，首席数据官）的公司，第一任CDO是后来的阿里巴巴CEO陆兆禧，有意思的是，后来成立的数据平台部所以也习惯性被内部称为CDO。顺带一提，老陆也是奇点云的天使投资人。

第二个阶段：2012-2015年，主题是「使用」。

一个标志性的事件是2012年数据平台部的成立，这个被称为CDO的部门，源于七公组建的数据平台团队，在这个团队手上，诞生了一系列数据分析和挖掘工具，包括在云端、数据魔方、淘宝时光机、淘宝指数、TCIF等等。这里特别要提一下TCIF（淘宝消费者数据工厂），由如今奇点云的创始人行在创立，拉通了阿里巴巴全部的消费者数据，而且完成了3000+标签体系的建设，这些标签每一个用阿里妈妈作精准营销的同窗应该都见过，就是达摩盘里面那些勾选的选项。

2012年的标志性事件，就是TCIF的存储和计算消耗量超过了BI，以TCIF为表明的人群定向成为了计算资源的消耗大户；另外一个标志性的指标是，阿里巴巴有50%的服务器再也不处理任何事务，而仅仅用于处理数据。

这个阶段，阿里巴巴开始真正实现了用数据预测将来的问题，更好地帮助业务去回答：为何发生？将来将发生什么？

第三个阶段：2015年至今，主题是「赋能」。

一样，2015年也有两个标志性事件：一是阿里云数加平台的成立（行在创立），这表明阿里巴巴开始把内部造成的大数据能力外化，赋能社会去创建大数据能力；二是推千人千面算法，推荐算法一跃成为了存储和计算资源的头号消耗大户。

推荐算法不只仅是咱们看到的淘宝界面那么简单，在某种程度上，推荐算法让阿里巴巴跨越了「从人指挥机器到机器指挥人的奇点」，今天阿里巴巴75%以上的GMV都由机器来运营，流量由机器来精准分配，相比之下，天猫淘宝等等所有合在一块儿也只有几千个运营小二，人效高得可怕。

通过这三个阶段，咱们能够认为，阿里巴巴已经围绕数据完成了数据工业化生产链条的搭建，而且围绕着数据链条创建了丰富的数据生态。相比之下，太多的公司还处于数据的手工劳做阶段，而这给企业的数字化转型带来了很是很差的影响。

包括最初的链接买家和卖家的阶段在内，链接——看见——使用——赋能四个阶段，让阿里巴巴成功跨越数据指数级增加的奇点。

PS：具体的技术发展阶段能够参看玄难的 《阿里巴巴业务中台发展四阶段》和行在的 《阿里巴巴数据中台发展四阶段》。

3 积极进取的车企数字化转型

除了互联网公司以外，汽车行业是最积极拥抱互联网的行业之一。特别是随着车联网、电动车和新能源车在近些年的日新月异，车企也投入了大量的资金和精力在IT基础建设和先进技术研发上。

大致上，这些尝试除了生产制造端（这是另一个大话题，更偏向工业4.0），能够分为

01 以车和服务为中心的技术重构

好比，以电动化、网联化、智能化为导向的将来汽车战略，以及围绕数字化出行打造全方位的服务能力等等。根据普华永道思略特的估计，到2030年，供应商业务、车辆销售和售后市场等传统行业的利润份额将从71%降至41%，车企须要向出行服务商方向转型。

02 从以车为中心转向以人为中心

车企传统上都围绕车的价值链来构建其组织结构，也就是图中右边那个半圆，而把人的价值链指定给销售或者市场营销来负责。但今天，愈来愈多的车企发现，人的价值链应当和车的价值链处于相同的地位，像蔚来这样的造车新势力，甚至其组织架构彻底围绕用户来构建。从核心场景上看，车企都须要打通人车数据，构建人和车的全生命周期管理能力，经过数据资产化和业务智能化来突破业绩瓶颈。

03 消费者海量个性化需求倒逼车企推进四化

2010年以来，随着电子商务、社交网络和移动互联网的发展，个性化、多样化的消费需求海量涌现。好比，有的消费者但愿像淘宝购物同样，能看到买车的所有物流过程；有的消费者但愿能定制个性化的颜色……可是，这些需求，仅仅依靠主机厂传统的信息管理系统和架构，没法获得知足。车何时能到店？何时能提货？这些简单的信息都还没有实如今线可查询，就更不要说提供复杂的个性化服务了。车企很早就意识到这一点，而且开启了云化、服务化的进程，来实现大规模精细化的人车匹配，只是结果难称满意，缘由会在稍后表述。

愈来愈多的车企认识到，那些重复性的机械劳动，将来必定会被人工智能所取代，其中不只有事务性和劳务性的工做，甚至有不少知识性的工做，也有极大可能被机器所取代。那么，接下来，车企就将面临严峻的挑战，须要重塑人工智能赋能的员工和团队，以及，车企将来的核心竞争力和吸引力也未来自于企业经过人工智能为员工提供支持、预测新型需求和推进工做职能的能力。

4 被忽略的数据，或将成为车企数字化转型的阿喀琉斯之踵

尽可能已经在技术上和业务上作了众多的尝试，乃至找了传统的咨询公司来为数字化转型出谋划策，可是车企遇到的数字化问题却愈来愈多了。

新技术的普遍使用，在部分解决老问题的同时，又带来了更多的新问题：为何我采集的数据，一半是空值？我有了那么多数据，要如何变现？如何对业务产生价值？就算用了新的系统，为何仍是黑箱决策？

在作咨询的时候，我第一时间都会观察，或者直接提问，这家公司的数字化转型是否有核心项目？（也就是一般所说的「一号工程」）是不是公司或部门最高领导直接出任负责人？以及，技术规划是否有效解决了现有问题？

一般状况下，所获得的答案在数字化转型的重要性上，表述相对清晰；可是落地到总体的项目规划，以及项目对业务的贡献，就会变得面目模糊。以及，常见一种表述，「数字化转型是公司一号工程」，然而，再往下，「数字化转型」的实际定义千差万别，有建数据库的，有建平台的，有开展创新项目的……惟一的共性大概是「先试试水」。

试水的好处在于，暴露了问题；坏处在于，试水所总结的经验经常并没有助于解决问题。

总结下来，目前车企试水暴露的问题主要有三个：

✨1.数字化转型缺少顶层规划和设计，各个部门各自为阵，基于各自的数字化转型理解，开辗转型工做；

✨2业务问题背后经常体现为数据问题，好比数据质量不行，数据统计口径不一致，数据不通等等；

✨3.IT和业务的配合问题，业务所表达的需求，一般不是真正的业务诉求和痛点，而更多体现为「别人有的功能我也要有」。

先说第一个问题： 顶层设计。

首先须要明确一点，全部的技术、全部的项目都为实现公司战略目标服务，可是公司的战略资源有限，须要在合理规划前提下，最大化利用现有资源和技术，而后才是项目管理的问题，这是顶层设计的初衷。

所以，全部的顶层设计问题，都须要回到本源「为何样的客户提供什么样的价值」上来，从业务价值的角度倒推到项目优先级上，而后再考虑项目管理的问题；

其次，一般认为，项目的质量由money、time、scope三个因素决定，这也构成了一个项目管理的不可能三角：要想少花钱、短期覆盖大量业务需求，那么项目质量就不会好。要么多花钱，要么多花时间，要么就明确少许的业务需求，只有这样，数字化转型项目才能比较高质量地转化成业务成果。

再说第二个问题： 数据问题。

这是一个常常被管理者和员工挂在嘴上，可是并无被企业提高到战略高度来正视的问题。

SKOTT评估法认为，企业数字化转型须要关注战略、KPI、组织、数字技术和数字人才五个维度，才能减小和避免转型风险。咱们很是承认而且对此进行了量化（量化方法容后描述），以及根据信息技术的特色，把数字技术拆分红了算力、数据和算法三个维度，来对企业的数字化转型现状进行评估。

评估结果，一句话描述就是： 缺少清晰的数据战略拖了车企数字化转型的后腿。或者说，到目前阶段，车企数字化转型首先要解决数据战略问题。

一般车企在战略部署和算力部署上都走得相对靠前，可是，很遗憾，若是把全部的7个维度拉成进度条，那么，数据的进度是最慢的。不只如此，一般车企在KPI、组织和人才也都相对表现不佳，而这些也都多多少和数据进度有关系。

好比说，由于缺少数据战略，因此公司在数据相关的组织设立上，一般也行动缓慢，在数据和算法须要的相关人才招募和培养上，也缺少相应的薪酬体系和激励机制，更不清楚目前缺什么人才和角色。顺带一提，根据咱们的咨询经验，目前企业广泛最缺的角色是业务架构师、产品经理和数据分析师。

由于数据不通和数据质量问题，企业也很难从指标上对于数字化转型进行KPI定义，好比说，数字化业务利润占比，那么，哪些业务算数字化业务利润，哪些又不算呢？占比多少合理呢？这也致使缺少有效的KPI来指引公司的转型事务，只能各个部门各自来定义。

以阿里为标杆，咱们从数据的「存通用」角度也对车企的数字化转型现状进行了评估，从下图能够看到，数据还没有中心化，是如今车企广泛的现象。数据不通和数据质量问题也进一步致使了车企有算法但没有成果，有数据采集但没有质量，有算力部署但没有数据变现。

从这个评估来讲，车企就像看着已经被IT武装到牙齿的希腊英雄阿喀琉斯，可是却由于对数据这个脚踵不够重视，一旦被业务的流箭射中就经常步履维艰。

因此咱们常说，你不琢磨数据，数据就会琢磨你。

最后再说下第三个问题： 业务配合问题。

这实际上是一个很大的命题。

首先， 这是一个组织问题。传统定义上，业务做为前台部门，要如何和IT这个后台部门分工合做，有一套传统的流程，可是今天，这种分工合做流程愈来愈不能适应企业数字化转型的需求，须要打破体制，包括项目预算、方案设计、KPI等等都须要从新设计。

其次， 这也是一个业务问题。传统前台业务一般把IT视为系统和工具的提供者，IT不须要懂前台业务，IT在业务分工里只是一个保障角色。当企业说业务价值的时候，一般说的是前台工做，而较少说起IT的价值。可是，当今天愈来愈多的技术创意引领公司业务，当业务落地须要技术交付的时候，IT就不仅要解决技术问题，还须要理解业务，可以和前台一块儿解决业务问题。这不只须要跨界人才，也须要制度设计。

最后， 这固然是一个技术问题。让IT作业务，让业务作技术，这都是不现实的解决方案。那么，IT就须要可以面向将来，为业务提供技术保障。麻烦在于，今天的技术保障，不只仅是系统建设和IT部署这么简单，还包括数据和算法的解决方案规划、线下数据的收集能力建设、数据应用能力的建设等等一系列超出传统IT定义的建设部分。这里面，还有一些相似标签化这样，须要业务一块儿参与和沉淀的项目，以及拉通先后端供应链数据这样的跨业务领域项目，这些项目甚至须要IT从技术角度先进行规划，由IT来拉动整个项目合做。

5 数据，不只是技术问题

2015年，MIT斯隆管理评论和德勤一块儿，作了全球数字化企业高管调研，研究结论也成为了后来报告的标题，《战略，而不是技术，在推进数字化转型》。其研究代表： 「数字化架构企业这个能力很大一部分程度上依赖于一个清晰的数字化战略，一个是被领导人所培育的可以改变和创新的文化支持的战略。」

只是就研究自己而言，只停留在数字技术的运用上，而并无任何说起数据的地方，或许，其研究对象都把数据视为数字技术的一部分，或者把数据视为面向客户分析的材料而已。

对数据的忽视也是今天谈大数据经常陷入困局的缘由。

对于大多数企业而言，并无十分迫切的海量数据处理需求，在增量时代生意很好作，也并不须要经过数据挖掘来辅助精细化运营、数据化决策等等。可是当市场进入了存量拼杀时代，每一个公司都须要在保有自身份额同时，从竞争对手手上抢夺存量市场，业务对数据质量和数据挖掘的需求忽然就爆发出来。每一个人都想知道，经营问题到底出在哪里？如何推进业绩继续增加？

另外，人工智能在近几年的发展，也引起了有识之士的关注。咱们常常听到的问题包括：若是全部高频的重复的机械做业，都将被机器所取代；若是全部事务性和劳务型的工做，都将被人工智能所取代，那么，企业将会是一个什么形态？在人工智能主导的社会里，企业最重要的战略资产是什么？

进一步拆分算力、数据和算法的获取方式，能够发现，算力和算法均可以经过公共供给来得到，好比说上云，或者开源算法，惟独数据很难从市场上得到。并且，随着国家和民众对于我的隐私和我的信息的重视，在没有成熟的数据交换市场以前，数据将愈来愈难以经过购买方式获取。

简单来讲， 数据是惟一一个须要经过企业自身积累而来的要素，然而，和汽油相似，一旦没有炼油厂去处理石油原油把数据变成可用的汽油，没有加油站去给汽车加油，那么，数据就是躺在数据仓库里的原油而已，看得用不得。

这点，车企应该深有体会，特别是随着车联网和电动车的推动，车企沉淀了大量的相关数据，天天至少几个G的增加量，却没有产生任何业务价值。「我能用这些数据干什么？」这是调研过程当中最常被问到的问题。

以及，正如上文所描述的三个问题， 数据如何处理和消费，历来就不仅是一个技术问题，而是涉及到业务价值、技术规划和组织保障三个领域的综合战略问题。要想解决技术问题，也须要从这三个维度入手。

6 如何从数据资产管理的角度推进企业数据战略

根据个人研究结果，目前有三种推动企业数据战略的主要方式：

01 总体评估，组织先行

这是及其少见的一种推动方式，目前也仅仅在阿里和华为等少数公司身上有所体现。在这些公司，随着公司战略调整，首先就会先进行组织调整，好比阿里巴巴在马老师提出「新零售」以后，就会迅速在人力资源层面增长「HR-新零售线」，来统一进行人力资源的规划和安排。这件事情有多可怕呢？借用一位老师的观点。他说传统理论都认为「船大难掉头」。可是，现状倒是，像阿里巴巴这样的巨型企业，由于拥有了优秀的基础设施，面对市场变化，能够迅速地掉头；而小企业反而由于缺少数据缺少有效规划「船小难掉头」。这就颠覆了传统的管理理论。

02 业务先行，小步快跑

经验数据，90%-95%的公司都会选择这种方式来推动企业数字化转型。简单来讲，IT部门会先从业务最迫切的需求、或者最可以出成果的需求入手，使用数字技术手段来推进业务「试水」。若是有成果，那么就能够把该项目变成明星项目，说服企业高管和其余业务部门继续采用数字技术；若是失败，那么就继续寻找下一个明星需求。主要就是经过小步快跑试水累积数据、累积技术能力，以及来为下一步的技术规划提供判断。

03 技术先行，大步前进

这类企业一般都有比较明确的数据中台（平台）建设和数据资产管理体系的建设需求，尽管可能并无明确数据在企业内的重要地位，以及如何去规划和建设数据中台和数据资产管理体系，可是都通过了前期研究和讨论，明确了建设需求。从个人理解来看，这些企业都但愿用数据中台（尽管词义模糊不清）实现企业数字化转型的跨越式发展。这类企业，对于数字化转型咨询的需求也最为迫切。

无论是哪一种方式，咱们认为，其内在的发展逻辑都会相似于阿里巴巴的经历，先经过低成本的业务在线化「链接」企业和客户，再经过数据在线化「看见」业绩和顾客，而后创建数据「使用」能力来预测将来，最后用数据智能「赋能」业务转型成服务公司或者平台公司。

相对而言，咱们更推荐「技术先行」的方式，由于无论选择哪一种方式，都会须要数据中台以及数据资产管理体系，像经营人力资产同样经营企业的数据资产。

固然，也能够寻求以数据资产管理为核心的大数据咨询。

大数据咨询是奇点云针对市场需求所提供的服务定义。

从上图能够看到，传统的咨询一般是针对某一二个领域进行战略咨询和规划，好比管理咨询、财务咨询、品牌咨询和人资咨询等等，其方法论基于经验总结而来，经过跨层级跨部门的调研，为企业提供第三方的中立数据以及规划建议，便于企业高层决策。可是这些经验里面，并不包括数据资产管理经验，所以，须要有相应经验的公司来提供咨询服务。这也是提出大数据咨询的初衷。

另外一方面，大数据咨询的特殊之处在于，除了商业因素和组织因素，还须要把IT和数据考量在内，而且从能力建设的角度提供解决方案的建议，也就是不只要面向需求端解决问题，更须要面向解决端提供能力，这也意味着大数据咨询须要有端（需求）到端（解决）的解决能力。这也是大数据咨询和其余咨询方式的不一样。

ps:更多大数据咨询内容及详细的数据智能解决方案尽在9月25日云栖大会「数智商业论坛」上独家发布的 《大数据咨询白皮书》，敬请期待！