上汽乘用车的数据能力建设和数据应用实践丨爱分析访谈

随着汽车行业迈入智能网联时代，来自消费者和IoT设备端的数据规模快速增长；与此同时，车企也面临着空前激烈的市场竞争。如何挖掘数据价值，赋能业务降本提效、提升市场竞争力，显得愈发迫切。当前，车企也正在研发设计、智能排产、供应链协同、智能营销等众多场景落地数据应用。

近期，爱分析访谈了上汽乘用车流计算负责人杨鸿渐，就汽车行业的数据应用与数据平台建设进展，以及上汽乘用车释放数据价值的相关实践进行了交流。

上汽乘用车是上汽集团旗下全资二级子公司，成立于2007年，主要承担上汽集团自主品牌产品的研发、制造和销售。目前，乘用车公司已拥有荣威、MG两大品牌，形成共6大系列，30多个品种的产品矩阵，涵盖了中高级车、中级车、大众普及型车及跑车等广泛领域。

同时，杨鸿渐将出席8月16日举办的爱分析第五届数据智能高峰论坛，并作为重磅嘉宾以企业用户视角为我们带来精彩演讲。更多高峰论坛相关介绍请移至文末了解。

爱分析：根据您对行业的观察和上汽乘用车的实践，汽车行业目前有哪些高价值度的数据应用场景？

杨鸿渐：主要有三个版块。第一是汽车的研发，比如车型设计、功能设计与消费习惯有很强的关联，但两套数据在过往是割裂的，难以进行关联分析。过往车企对消费者的了解主要来源于宏观的市场调研，调研结果在精度和可信度上都有一定欠缺。现在，随着消费者数据收集渠道增多，数据维度更加多元，丰富的消费数据能有效支持上汽乘用车的车型改进和功能优化。消费者数据来源包括车联网，以及小程序、微信、线上网站等线上渠道，可提供驾驶习惯、应用程序、行驶轨迹、城市、国家等数据。

第二是汽车制造环节，上汽乘用车已经有成熟的供应链系统，系统中包含多种类型、不同等级的供应商，但此前供应链整体信息更新的及时性不高，致使生产排产较为被动，对生产风险不能事先预测，只能事后解决。对此，我们对物流、零件质量以及财务等数据进行打通、融合以及打标签，通过高效的供应链系统支撑精益生产管理。

第三是汽车的销售营销端，这也是行业比较成熟的应用。上汽乘用车已经具备非常成熟的数字化营销体系，包括潜客的挖掘、基于APP端或汽车网站的埋点进行用户画像分析以及基于营销策略的个性化推送等。

需要强调的是，以上三方面在实际应用中是相互融合、信息共享的，共同服务于经营。

爱分析：上汽乘用车近两年比较亮点的数据应用是什么？是如何落地的？

杨鸿渐：举一个产销协同的例子。之前上汽乘用车生产端的产能与营销端、销售端的数据是割裂的，不能完全协同起来，可能会出现诸如销售端需求50万台车，但生产端只规划到30万台车的产能，产能不足带来的缺口直接影响潜在利润。

我们认为，数据可以作为纽带实现各端协同。在规划产能时，通过融合数据、借助大数据技术对销量进行预测，能对市场需求有更清楚的认知。并且，在实际生产过程中，将市场订单数据及时反馈到生产端，也能支撑产能季度调整，避免产能不足、产能过剩等情形，准确匹配市场需求。

在产销协同的场景下，我们遇到的最大的挑战是过往的数据分析以离线计算为主，难以及时感知数据的变化，并且在性能上难以支撑大规模数据量的计算。对此，上汽乘用车增加了实时计算链路，将数据的时效性提升到秒级，在计算方面也能支持每天TB级数据量的计算和处理。

爱分析：数字化转型过程中，上汽乘用车数据平台建设经历了怎样的演进过程？

杨鸿渐：汽车行业的数字化转型分为两个阶段，信息化和数字化。在前期信息化建设中，上汽乘用车主要做的是结构化数据系统的搭建，目的是将线下数据移植到线上系统中进行存储。而在当前数字化转型阶段，数据平台的需要完成两个任务。首先完成对海量多元异构数据的采集和清洗工作；之后实现对多源异构数据的融合计算，以及通过数据挖掘、AI算法等赋能数据应用。

目前上汽乘用车数据平台的功能已经覆盖数据生命周期全链路，包括数据采集、数据预处理、数据计算（包含离线计算、实时计算）、数据应用，且数据应用以API形式推送给业务方支持业务进行数据挖掘、数据分析。

爱分析：湖仓一体是比较前沿的数据架构，上汽乘用车是否在考虑这方面的落地？

杨鸿渐：我们近两年也在对湖仓一体展开调研和规划。刚提到IoT带来丰富的非结构化数据，数据湖是实现非结构化数据存储的最优解决方案，我们也在规划调研中。后续如何实现对结构化数据、非结构化数据的利用，现在行业中尚没有一个统一的、成熟的解决框架。对此，我们的规划思路是在现有系统架构基础上，引入前沿的、稳定的工具来实现后续数据处理能力的升级。

爱分析：数字化建设会涉及到IT、数据、业务等多个部门，在组织架构和协作机制上，上汽乘用车如何实现高效协作？

杨鸿渐：上汽乘用车的IT团队和数据团队目前是并行的。IT在信息化建设方面为数据提供基础设施，比如IaaS层、PaaS层。数据部门负责业务数据需求的对接和开发。

数据团队和业务协作时，考虑到业务部门的需求“业务”属性强，为提高协作效率，我们有专门的类似业务BP的岗位，负责将“业务语言”的需求转换成“技术语言”需求，再通过数据开发团队完成需求开发。在开发排期上，对于排期冲突的情况，数据部门也会就排期诉求或是解决方案与业务部门进行沟通。

另外，对于数据的使用、数据平台的使用，目前主要还是数据部门在用。降低数据平台的使用门槛、实现业务人员自助用数，这是我们未来的目标，同时我们也在考虑将这部分平台和数据的使用知识或技巧，通过培训让业务部门也能参与其中，这需要一定时间的去实现。

爱分析：上汽乘用车的数据平台建设、规划与上汽集团是什么关系，两者如何分工？

杨鸿渐：集团负责相应的规划方向、技术的入选、数据的标准和规范。对于上汽乘用车及其他子公司，在数据的标准和规范上需要与集团保持一致，在执行和落地上，需要结合公司情况开展相应的平台建设，如对于大模型的探索，集团人工智能实验室会提出大模型具体的应用领域建议，各子公司再进行探索。

爱分析：上汽乘用车会如何评估数据智能相关项目的ROI？

杨鸿渐：这是每个企业做数字化转型都需要考虑的问题。我们会制定衡量指标来衡量新技术应用价值，包括业务和IT部门两个维度。

业务侧的指标比如开工率、到货率、送货延迟率等。对于实施建设开发的IT部门，我们也有相应的管控指标，诸如资源使用率、开发效率、时效性等。此外，也有一些潜在的隐形指标待挖掘，如汽车生产效率、销量等与数据智能的关系。

整体上来看，部分指标我们已经达标，但部分指标还有待加强。对于未达成的指标，我们会去分析背后的原因，作为下一步技术优化的方向。

爱分析：在推动数据要素流通和变现方面，汽车行业进展如何？

杨鸿渐：在汽车行业，数据资产化还有很长一段路要走。数据资产化的前提是完成数据要素治理，这也是我们目前的工作重心，包括对海量数据进行分类分级、数据目录搭建、数据安全防护、用户隐私保护等，以及实现这些功能的自动化和智能化工具及服务支撑。这些要点是企业在数据资产变现之前需要考虑清楚的。

爱分析：未来在数据应用和数据平台建设方面，上汽乘用车会有哪些重点的投入方向？

杨鸿渐：当前重点考虑的是大模型和云原生两个方向。大模型是毫无疑问的热点，未来有很大的前景。而云原生的弹性资源调度、自由伸缩、智能运维等特性，能帮我们实现更多业务创新。

以上访谈展现了上汽乘用车数据应用落地进展，上汽乘用车对数据价值的探索是数智化浪潮汹涌前进的缩影。

在此特别预告，2023年8月16日，爱分析将以“激活数据资产，释放数据价值”为主题举办第五届数据智能高峰论坛，届时将为大家带来丰富的主题分享、案例解读以及技术趋势研判， 探索企业释放数据价值的有效路径。 更多议题内容和参会嘉宾请参见下图，诚邀您的报名参加。