本文由CIO发展中心根据长城汽车大数据项目总监扈旭龙在CIO发展中心汽车BOM联盟“走进长城汽车”活动演讲整理

2018年12月14日，在CIO发展中心汽车BOM联盟“走进长城汽车”会上，长城汽车大数据项目总监扈旭龙主要做了《数据赋能未来》的演讲。他介绍说，大数据项目在长城汽车被称为数据赋能项目，是集团级项目，目前部分模块已经走入运营阶段。他在此次会议中跟大家分享了长城汽车数据赋能项目中的一些经验及思考。

长城汽车  大数据项目总监  扈旭龙

一、数据赋能——数据赋予未来无限可能。

数据赋能是长城汽车的大数据项目。过去，万物因数据而互联；未来，一切因数据互联而变得无限可能。数据的价值关键在于数据的互联，独立的数据没有任何价值。用户营销、产品营销、产品运营都是把数据进行不断完善、不断互联，进而产生价值，通过数据互联进行消费升级、产业升级以及衍生新的商业形态。

对于车企来说，数据互联有哪些趋势呢？

首先，是互联的营销、销售和服务。越来越多的用户更愿意通过互联网去做一些决策、分析，车企也越来越注重通过互联网把用户和车以及各种生态关联到一起，通过数字化渠道去做市场营销和用户运营，客户也更愿意通过数字渠道结合经销商网络来做决定。

其次，是互联的整车。互联的整车不仅局限于把简单的车联网功能集合在一起，而是如何把更多的生态和用户想要的东西连接在车上，驱动更多个性化客户体验和持续服务。比如说：通过车可以控制智能家居、可以办公、娱乐、缴费、消费等等，这也是越来越多的车企选择与BAT合作的原因，因为BAT公司有很多优势的生态可以集成。

再次，是互联的企业运营。对于车企和制造业来说，成本、效率、风险的控制依然是企业制造和运营的关键因素。企业通过生产互联、物流互联，后勤办公互联，工业互联，可以有效降低成本，控制风险。

最后，是互联的产品创新。现在，产品创新已经不仅仅是闭门搞研发了，它更加关注用户的需求，所以目前的趋势是智能互联的产品驱动整个开发过程的创新。

基于数据互联的创新也是车企在数字化转型过程中非常重要的部分，是各车企的新机会、新机遇。

车企做数字化转型非常艰难， “Connected”意味着大量业务数据的整合，车企数据复杂度非常高，所有数据的获取非常耗时，非常耗费成本，这时候“数据中台”的概念就被提出来了，它可以很好的解决这个问题。

二、数据中台

数据中台是什么？

数据中台是一个数据运营的业务模式，是战略高度的思想，甚至需要企业从组织架构等方面进行布局数据。

数据中台的定位是向下抽取业务数据，包括系统中的用户数据，内部大数据，外部大数据，在数据中台上来做数据的打通和互联，向上来做业务支持。可以说数据中台能够有效的解决数据的“存——一切业务数据化”“通——链接数据孤岛”“用——一切数据业务化”等难题。

企业数据中台架构

数据中台是向下抽取所有的原始数据。车企的原始数据一共分为三类：

第一类是第三方数据：主要来源于政府机构、银联机构、电信、BAT、互联网电商。

第二类是外部大数据：我们称之为互联网大数据，包括：友商的促销、报价、新闻评论、论坛上边用户对车企的评论、质量投诉，都可以给我们提供这些数据。目前互联网大数据是越来越多，如果不能有效利用的话将会是企业很大的损失。

第三类是内部大数据。除了研、产、供、销这些内部大数据之外，还有现在越来越重要的车联大数据。

数据中台是把底层原始数据统一抽取上来，做数据处理、数据拉通和数据服务，向上支撑各个领域数据的运营。数据中台建立以后，成为数据计算存储和集团数据服务的能力中心。这就要求集团各个业务平台需要高度统一，车企的产业链非常大，除了整车的生产、销售之外，还有出行、金融、保险、车联等等，如果是各自分割的数据中台，那么其价值就不大了。

企业数据中台建设理念首先是数据的拉通，中台的基础是打破传统IT烟囱式建设方式，构建新型企业DT架构，把企业所有业务数据都拉通；然后共享，数据中台的建立能够尽可能统一业务、复用业务、实现业务数据实时、统一、在线。数据中台将成为企业创新很有营养的土壤，以前做业务创新，数据来源、数据质量无从保证，有了数据中台之后，就能够有效的解决这些问题，就能够快速、低成本孵化企业创新业务，甚至带来企业组织的变革。数据中台是企业整合数据资源，挖掘智能大数据能力的基础，所以也成为企业里边做智能化项目的有效数据整合途径。总之，数据中台是企业构建数字化能力的坚实基础。

三、战略实践

基于目标的实施策略思考（定位）

做数据赋能项目，如何去定位？

从深度来看分为下策（Infrastructure）、中策（运营场景支撑）、上策（业务化数据运营）三层：下策不可取，建立数据中台或者大数据平台就只是为了做一个平台，具体如何跑业务，怎么用，不去统筹规划，这样的平台称之为下策，往往是没有任何意义的；中策是指运营场景的支撑，目前汽车行业有很多数据运营的场景，在做项目的过程中，把主要的场景支撑起来并且落地，同时构建数据中台，这称之为中策，建议把中策作为企业构建数据赋能项目的起点；上策指业务化数据运营，它从企业集团的高度去审视集团里边有效数据有哪些？能做哪些创新？是对企业业务模式的思考。企业未来要发展到这个阶段的话，建议现在就从中策开始做，既能实现业务场景创新、把业绩做出来，也能够把数据中台建立起来，进而支撑上策的实现。

从广度上来看有三个层次：全自建、自建+合作、外包。刚开始缺乏经验，可以进行外包，逐渐可以向全自建去偏移。整体战略实施定位应该是起步于中策，布局于上策。数据的抽取、计算、存储、私有云建设等方面偏技术架构，交给厂商去做比较好。而数据的治理、拉通、整合、业务场景的应用、数据运营等体现核心竞争力的方面应该车企自己去做，起步阶段可以选择与厂商协作去做数据支撑，指标体系、用户标签体系等等，甚至可以协同厂商一起做具体场景落地。

数据中台的构建策略思考

硬件/云的架构分三条路径: X86集群、私有云和混合云、公有云。在其他条件允许的情况下尽量选择私有云和混合云，因为私有云相对于公有云更加安全；私有云不是简单的IaaS层或硬件资源的弹性虚拟化，它是基础架构应用资源的整体云化；把计算，存储，数据库，应用，安全等等这些资源进行云化，从而提升基础架构的应用效率，进而支撑企业构建其数据资产拥有能力，提升企业存储数据，处理数据的能力。

大数据技术平台的三条路径：Hadoop生态免费版本、Hadoop的生态商业版本、闭源封装版本，闭源封装版主要是指阿里。目前大数据技术已经非常成熟，不论哪种路径都能够满足企业使用需求，需要注意的是：企业需要掂量自主的技术能力，审视组织的战略定位。如果要用Hadoop的原生生态版，会产生大量的平台封装、平台调优、上层开发工作，所以需要掂量自身有没有那么高的技术能力、精力、时间去做这些东西。未来车企的IT定位，是要发展成为科技公司，还是服务好客户？如果要发展成为科技公司，那就必须要做Hadoop原生生态版来建立自己的产品，作为核心竞争力。商业版本有更高的稳定性，有更好的技术专业知识。除此，还需要考虑平台的稳定性，持续迭代性，平台集成组件的强大性。

大数据产品对比

选择大数据相关产品的时候，还应该从哪些方面考虑呢？做了几个产品的举例，将阿里（Maxcompute）、Cloudera（CDH商业版）、星环（TDH）、华为（Fusion Insight）、百度（鲁班）等产品从Gartner魔力象限、技术特点、开发套件、平台管理套件、数据治理工具等维度进行对比：进入Gartner全球魔力象限，不论处于哪个象限，阿里、Cloudera和华为都是2018年的，星环是2017年的。技术特点：阿里是基于Hadoop自助重构研发的一套平台，含核心组件和管理组件；其他平台都是基于Hadoop核心组件进行封装、优化。其次还要从开发套件是否能够提升未来的开发效率、平台的管理工具是否能够提升平台管理的便捷性、数据治理工具能否有效帮助企业目视化数据治理过程等方面进行对比。企业选择技术平台要根据自身的情况，合适的是最好的。

数据的应用场景的支撑

这部分不必多讲，每个车企目前都做了一些大数据应用的场景，但是可能不是基于数据中台，可能比较分散。在前面也提到过，这是做数据赋能项目的很好的切入点，能做的场景有很多，以下是长城汽车已经做的几个应用场景举例。

1、内部运营：数字化工厂运营分析，通过数字化工厂监控平台，能够做到对生产、物流的各个环节实时监控和预警；

2、质量品质提升：通过400数据、4S店索赔数据、网络舆情数据等，对各车型的质量问题进行分析，通过车型的后市场反馈以及用户的反馈来排查哪个车型什么问题比较多；

3、用户满意提升：互联网的舆情口碑分析，大家都是怎么评价自己的车的，分析用户抱怨点、中意点，输入给生产企划、产品研发、质量控制部门进行自我提升；

4、车辆技术研发：车联数据分析，对车联的电池的性能曲线进行分析，与地理位置、环境、驾驶特点等进行关联分析等等。

数据运营商业形态悄然成熟

数据运营是做数据赋能项目的关键，数据赋能的商业形态已经悄然成熟。为什么能够免费使用百度搜索，这家公司还可以有如此高的收入呢？为什么不拥有一辆出租车的UBER成了最大的出行平台？不拥有一个房间的Airbnb成了最大酒店平台？其实，当人们接触或者使用很多APP的时候，衣、食、住、行等所有日常行为都会被这些APP所记录，这些APP将这些日常行为数据整合出来，产生了巨大的商业价值，所以说专业的数据营销现在已经非常成熟。

只有让数据流动起来，形成交叉的有关联的数据才更加有价值，因此随着数据营销者以及数据需求者的出现，以企业需求为导向的数据交易平台悄然成立，更加促进了大数据运营商业形态的成熟。截止目前国内已经有三个大数据交易平台，三个大数据交易所，十个大数据的交易中心。

数据运营的本质

数据运营是探索数据应用价值的过程，将一切可利用的数据进行整合应用，促进原有业务运营升级、创造新的商业模式。数据运营的本质是利用数据设计业务模式的创新。目前，我们所了解的商业模式很可能只是冰山一角，真正体现未来竞争力的，具有更大价值的部分往往是我们看不见的，而这些潜在的价值才是造就高维度竞争力的关键。那么简单来讲数据运营的关键在于盘活数据资产以及应用数据资产。

组织建立策略

做数据运营项目，需要建立专业的团队：

IT与业务结合。 Gartnar在2018年的研究报告里边对数据运营的组织模式做了一些比较，最好的模式就是业务与IT结合，组成销售领域、车联领域等产品小组。IT与业务相结合的组织模式在响应度、业务领域专业性、规模效应、结果导向等方面都要优于分散模式或集中模式。

端到端的完整领域覆盖，即用户端到企业的任何一端做完整的覆盖。企业各个业务部门的数据很多都是孤立的，没有达到互通互用的程度，这其实给企业运营造成很多的数据浪费，打通端到端的数据运营能够切实得解决数据来源的问题。

Ultimate Leader。这个领导一定要能够拥有掌控数据管理，业务分析，数据挖掘等各个环节的职能，并且能够掌控所有端到端的业务。但是对于车企来说，业务链条比较长，往往不可能让一个领导去掌握销售、生产、研发、出行、金融、保险等业务，所以难度会非常大。总之，做数据运营需要一个尽量覆盖多业务链条的Ultimate Leader。 

未来的发展趋势

数据应用场景模式化。在未来，数据营销、用户运营、远程故障诊断等常见的场景一定会模式化，形成范式。

车企同时会成为数据的消费者和营销者。随着车企所能够纳入的数据量越来越大，在做项目的时候要随时能够整合这些数据，要随时能够向外输出。

数据相关法律法规的完善。随着相关法律的不断完善，企业做大数据的难度将会有所增加，建议企业尽早规划。

社会化数据平台逐渐完善。随着法律法规的完善，社会化数据平台，像征信、公安、医疗等数据平台不断完善，数据的来源会越来越成熟，越来越全面，成本会越来越低，所有涉及到的社会化数据，企业将会越来越容易获得。

总结：实现有效的数据运营不是一蹴而就的，它不是简单的大数据技术选择，也不是单一的业务行为。数据运营更应该是一个企业级的系统工程，需要业务应用规划、数据规划、技术规划协同开展，应作为企业战略整体策划，协同实施。