汽车数字化转型下的数据运营白皮书.pdf

t*1tffilr B1J fflfil Ji!El Bl引言：“危”与“机”中国汽车行业发展至今，伴随着新能源的加速推进、新智能技术的演变及新玩家的入局，近年迎来加速转型变革期。中国汽车市场也逐步从增量市场演变为存量市场，并在市场结构上呈现新能源替代与中高端替代的结构化增量。与此同时，商业模式也从传统经销商制发展出直营、代理及混合等模式，区域及城市管理也随之成为新课题。在这场变革中，对于行业传统玩家，无论是外资合资还是民营车企，同时面临着“新能源转型”与“数字化转型”的双重挤压，如何在转型期生存并发展，如何在保证业绩增长与市场份额的同时完成转型，是所有车企面临的课题。而对于数字化转型，虽其必要性及价值已成为共识，但车企仍面临着一大核心矛盾：即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有效性的矛盾。在本篇白皮书中，我们将根据项目实践及行业思考，从数据到赋能的四要素（数据、平台、组织及运营）体系中，尝试解决这一转型矛盾并提出破解之道。汽车数字化转型下的数据运营白皮书2汽车数字化转型下的数据运营白皮书3非数字原生挑战：在经验驱动与数据驱动之辨前，先从线上化数据留痕的基础开始1区别于数字原生的平台型企业，如美团平台、京东平台等，非数字原生企业最大的差别在于业务是否天然构建于平台之上，业务能力是否平台化产品化。非数字原生企业的线上化程度低、数据留痕依赖度低，所以不得不面临从数据埋点及数据治理等基础工作开始。首先业务线上化实现数据采集留痕，然后数据逐步替代经验，带来业务应用乃至商业模式变化。总结下来，非数字原生企业的“数字化三步走”如下：1.业务线上化，数据留痕（如各类App、企微工具、用户运营平台等）2.决策智能化，数据驱动（业务场景中数据及建模如何辅助或替代经验）3.数据赋能业务，实现营销、销售、生产、管理及组织变革等与此同时，传统车企要利用好经销网点及区域队伍的线下优势，借鉴链家网等类似传统企业的转型样板，通过数据与平台加持，带领经销商伙伴与区域队伍完成转型。但在这过程中，一边是通过平台积累数据，一边是应用平台之后发生的业务流程变化、管理模式变化乃至组织人员变化，数据工作往往与业务变革变化双向交织，混杂着推进。这无论对管理层、业务部门还是IT部门都提出了巨大挑战。汽车数字化转型下的数据运营白皮书4业务挑战：持续业务数字化下的不得不转身，躬身入局抑或外援加持在车企逐步走向数字化的过程中，如何利用数字化工具，如何利用数据对业务赋能，乃至如何应对数字化之后业务模式的变化、组织新能力的变化，都是亟待解决的问题。首先首先，关于业务模式的线上化数字化关于业务模式的线上化数字化随着数字化技术发展，汽车行业的营销销售模式也已经发生变化，包括数字化营销的普及、私域建设的兴起、汽车城市展厅、以及D2C直营模式的发展。在此发展趋势下，车企如何把业务流程搬到线上化平台进行重构以支撑新模式，如何让经销商网络及自身队伍接受新工具新方式，特别是传统车企在业绩压力下如何带动伙伴与队伍转型，成为首要挑战。其次其次，关于数据应用价值效果的挑战关于数据应用价值效果的挑战在业务线上化数字化过程中，伴随着数据留痕积累，车企逐步在营销销售、售后业务、车端屏用户运营以及管理等场景进行数据应用。但如何识别数据应用场景的价值，如何满足数据需求，如何考虑成本效益，又将是下一步挑战。特别是对于传统车企队伍，如何证明数据可以替代甚至超越经验，让前线人员接受并推广数据场景落地，也是亟待解决的障碍。最后最后，数字化或数据能力如何建设数字化或数据能力如何建设随着车企数字工具应用的普及，业务线上化数据化日渐成熟。如直营业务的开展带来App平台持续建设与数据迅速累积，并伴随着营销销售场景中更敏捷更进阶的数据应用需求。如经销商与区域企微工具的推广，也催生着新的业务流程及总分管理流程，并带来数据在管理闭环与效率提升中的应用。这一过程，业务部门往往面临着两种数字化能力的构建方式：1.躬身入局：在各业务部门中建立数字化团队，形成更敏捷更懂业务的数据能力2.外援加持：从IT孵化跨业务部门的数字化中台团队，实现可共享统一的数据能力无论是何种方式，业务部门都将面临新技能新人员如何融于业务的挑战，以及在数据运营协作过程中，既要实现部门内的数据能力敏捷，又要避免能力重复建设，同时保证“业务+数据+IT”的高效协作与合理分工。但实际情况往往是，业务建立数据能力与IT升级数据能力同时存在，如何协同也是所有数据赋能场景落地变现的关键业务挑战。汽车数字化转型下的数据运营白皮书52科技挑战：数字化需求加速下的能力重构与角色转变，新能力与新角色承接业务挑战与变革需求的传导，车企的传统IT部门也面临变化。首先IT部门面对的不仅仅是系统需求，还有与日俱增的数据需求乃至建模需求。与此同时，数据场景的应用涉及多系统多数据流，需要高效的敏捷迭代、AB测试验证以及多部门协作推广落地，这都需要传统IT部门角色转变。从技术基建从技术基建，到更懂业务的产品经理到更懂业务的产品经理（类互联网产品经理类互联网产品经理）在过去很长一段时间内，IT部门在车企更多是一个服务部门，为企业内部的各个板块提供IT基础建设服务，包括硬软件支持、IT系统建设与运维、网络与信息安全等。但随着业务数字化程度越来越高，业务平台更多地直面C端客户，各类系统也逐步从PC应用演变为更移动化App化。业务需求优化更频繁，系统迭代周期更短，IT能力逐步从传统系统建设能力，逐步发展到围绕平台进行持续建设优化。这一过程下，IT部门从后端走向前台，对业务理解的要求更高，其角色也从围绕系统建设为核心的传统BA（商业分析师）及开发角色，需要向围绕平台运营为核心的类互联网产品经理角色进行转变。汽车数字化转型下的数据运营白皮书63从从IT系统类的项目制管理系统类的项目制管理，到产品到产品平台类的敏捷迭代运作平台类的敏捷迭代运作车企IT部门不是成本中心，而应该是利润中心这几乎成为数字化转型企业的共识。为支撑这一转变，IT能力与业务的协作模式也需要转变，从系统建设的项目制协作，转向基于平台的产品制敏捷协作，实现业务与IT的深入融合。一直以来，业务与IT的关系是建立在职能分割的基础上，无论直接或间接，IT作为收单的乙方来承接业务甲方的投资项目。这种项目制的思维，以管理确定性驱动，强调计划、预算、分工、人员利用效率，因此可能会造成IT与业务的目标割裂，导致开发与运维成本增高，交付周期变长等问题。随着车企IT部门规模日渐扩大以及数字化需求的增加，这些问题将越来越严重，成为车企应对不确定性、持续创新的严重掣肘。大多数车企的IT组织已经意识到了这个问题，在敏捷转型的同时，也开始了由项目制到产品制的转型。产品经理制思维和项目管理制思维最本质的区别是，项目制是以确定性（IT要解决的问题是确定的）为基础的，因而以计划、预算和职能为中心；产品制的基本规则是以解决问题为中心且要解决的问题都是高度变化的，因此要求管理的核心要素从项目的范围、时间和成本转向给用户带来的实际价值和质量。IT部门需要不断挖掘用户的真正需要，持续迭代更新解决方案，一切以提供给用户的价值为目标。业务数字化加速下的多条线海量数业务数字化加速下的多条线海量数据据，如何从如何从“建好建好”到到“管好管好”再再到到“用好用好”面对业务数字化加速下产生的海量数据，数据也成为企业重要的资产。数据全生命周期管理是车企实现其数据价值持续释放的必经之路，并逐步从聚焦“建”，到未来更多地聚焦“管”和“用”。首先要“建好”数据底层基建，根据应用需求，收集数据，并统一数据标准，建立校验机制，确保数据质量。其次要“管好”数据，短期以主数据与指标治理为目标，同时推动长效的数据质量标准与“内外兼修”的数据管理机制落地以治本。最后要“用好”数据，充分释放数据价值，实现赋能业务，如报表可视化应用，业务场景模型优化等。汽车数字化转型下的数据运营白皮书7汽车数字化转型下的数据运营白皮书8普华永道思略特基于对汽车行业数据应用实践的研究与洞察，总结了一套数据能力体系建设的方法，基于汽车行业价值链，以场景赋能为抓手，从数据、平台、组织、运营四个方面再造企业数据能力。图：数据能力体系建设框架图：数据能力体系建设框架人员数据能力可复用可持续迭代的场景基于基于汽车汽车行业价值链的应用场景框架行业价值链的应用场景框架场景书架应用共识1.产品产品规划规划2.工程工程研发研发3.营销营销/销售销售4.售后售后维修维修5.使用使用服务服务6.经营经营管理管理面向产品的To B赋能To M管理面向客户旅程的To C赋能数据产品数据产品数据平台数据平台数据资产数据资产C端/B端车端第三方数据客户互联数据平台CDP数据模型数据标签平台数据探索服务数据分析看板数据合规审批业务运营看板营销自动化MAP组织合力组织合力+运营机制运营机制场场景景体体系系数数据据中中台台能能力力组组织织运运营营能力沉淀能力沉淀用户画像ABC汽车数字化转型下的数据运营白皮书9数据：从业务线上化的数据留痕开始数据：从业务线上化的数据留痕开始、到数据底座中台的构建到数据底座中台的构建不同业务数据能够有序、完整、合规地留痕，经过统一的治理与整合后，实现不同业务环节数据的打通，形成企业级的数据湖。同时随着数据治理以及整合能力的提升，企业将能够对数据进行高效筛选以及可视化，业务相关的决策将更加辅以企业所掌握的数据资产。平台：数据能力共享中台化输出平台：数据能力共享中台化输出，依托数据平台形成常态产品沉淀依托数据平台形成常态产品沉淀构建一个业务化、服务化及开放化的数据平台，形成“数据-分析-洞察-决策”支撑的产品化和常态化。对于数据分析产品化，可通过企业战略规划、数据应用场景设计、数据洞察分析这一过程的牵引，不断推动数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营。而对于分析工作常态化，需要持续维护数据分析产品并监测实际使用效果，为业务与职能部门提供数据分析支持，并对其日常使用中的问题及时进行解答。组织：建立数字化的组织组织：建立数字化的组织，重新定义团队重新定义团队、部门乃至企业的运行模式部门乃至企业的运行模式以跨各部门协同更加清晰、高效、灵活为目标，重新梳理组织所需的数字化能力，明确组织的能力建设方向，形成组织合力。运营：支撑数据赋能业务的常态化运作运营：支撑数据赋能业务的常态化运作，使数据赋能成为业务新常态使数据赋能成为业务新常态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，这样才能真正实现数据赋能的目的。汽车数字化转型下的数据运营白皮书10汽车数字化转型下的数据运营白皮书11数据应用的常见问题目前众多传统车企处于数字化转型和新能源发展的关键时期，数据基础能力初现雏形，同时业务需求高频迸发，在此宏大背景之下，车企往往面临诸多挑战：如何提升和沉淀数据能力，如何实现数据赋能业务，以及如何促进业务、数据与IT部门力出一孔。同时，在实施过程中，车企常面临如下四种执行痛点，导致转型效果不如预期：业务认知问题：业务认知问题：业务部门偏向对经验的判断与理解，对数据模型不理解、不认同；业务对数据摸底情况不清，需求与数据条件不匹配。模型效果问题：模型效果问题：数据模型验证通过后，在实际业务流程中试点效果不如预期；场景设计中，存在流程断点环节（非端到端）。沟通协作问题：沟通协作问题：缺乏各部门沟通统一的工作方法，协同难；各部门使用不同工作模板，沟通成本高。系统资源问题：系统资源问题：数据场景上线过程中，出现预期之外的延迟因素，如系统权限申请、签报流程、审批等。汽车数字化转型下的数据运营白皮书121解决思路是什么：从场景到数据落地，多方协同的标准化运营整体场景蓝图及场景书架整体场景蓝图及场景书架数据业务场景可分为To C场景和To B场景。其中，To C场景是指在客户生命周期（或客户旅程）中，企业结合数据分析计算，适时提供给客户所需的产品或服务，例如在汽车领域，To C场景还可进一步细分成客户端和车端场景。而To B类场景则聚焦企业经营和管理需求，包含对内的经营分析预测，及对合作伙伴（例如经销商）的监督赋能等。绘制数据业务场景蓝图是建设数据能力不可或缺的一环。一份合格的场景蓝图不仅需要融合行业发展趋势，同时需要契合企业的业务发展方向。汽车行业常见的To C场景蓝图，是从客户旅程出发，逐级展开知晓、购买、拥有、复购等旅程阶段，通过数据分析定位旅程之下的对客户行为和体验有影响的MOT（关键时刻），设计可提供业务运营和决策建议的数据赋能场景。图：数据场景蓝图示例图：数据场景蓝图示例公司级场景（A类）品牌级场景（B类）基础类场景（C类）车端车端（数据断点打通、客户360、车辆360、客户价值管理等）车机运营类出行服务类产品优化类用户端用户端经销商经销商管理层管理层营销赋能类销售赋能类售后赋能类用户运营类经营分析异常预警决策支持线索跟进类销售活动量经销商售后类单店盈利提升数数据据能能力力场场景景书书架架To CTo BTo MTo V沉淀5类数据服务/产品数据治理短期及长期机制运营机制运营机制客户数据营销数据售后数据车端数据第三方数据宽表应用标签应用模型应用策略应用报表应用可扩展/分批落地数据产品数据产品数据基础数据基础汽车数字化转型下的数据运营白皮书132在场景蓝图的基础上，车企可进行体系化的场景梳理。场景从“0到1”一般会经过三个阶段，分别是场景规划、场景评估和场景详设。阶段一阶段一，场景规划阶段的核心工作是需求识别和记录。由于需求来源具有多样性，因此，在需求记录时，需要尽可能按照结构化的方式将需求表达清楚，避免理解歧义。同时，不同的需求提出方也决定了场景后续协作机制的不同，一般由业务部门提出需求的形态称为“推动”机制，由数据洞察提出的形态称为“拉动”机制。阶段二阶段二，场景评估阶段的核心工作是相关部门从业务价值、数据支撑、系统支撑三方面对场景进行可行性评估。阶段三阶段三，场景详设阶段不仅需要细化场景策略等工作，同时需要相关部门合理分工，才能保证场景工作落实到位。图：场景“图：场景“0到到1”建设路径示例”建设路径示例具体具体动作动作明确场景是否与定义中的场场景要素与准则景要素与准则匹配将场景需求细化并完成场景登记，以场景卡片（需求登以场景卡片（需求登记）为载体记）为载体，录入场景库标准化场景分类与字段输入标准化场景分类与字段输入，补全场景要素梳理业务流，识别数据来源，业务流，识别数据来源，模型与相关系统模型与相关系统初步评估场景业务价值、数据业务价值、数据支撑与系统支撑，支撑与系统支撑，决定场景是场景是否开发否开发对场景进行定量/定性的细化评估，确定开开展策略展策略产出产出物物场景库场景卡片（需求登记）场景书架场景卡片场景评估报告环节环节目标目标筛选符合定义的场景需求登记场景需求并输入场景库进一步深化场景库中的场景内容，并评估场景“做不做”明确场景开展策略为场景落地提供创新资源收集业务侧提出的业务需求从数据侧洞察反向输入场景需求点子阶段一：场景规划阶段一：场景规划阶段二：场景评估阶段二：场景评估S1S2S3场景场景开展开展策略策略场景需求登记场景需求登记场景初评场景初评场景需求收集场景需求收集场景详评场景详评业务需求提出数据洞察反向输入场景库场景库场景书架场景书架“场景需求登记”“场景需求沉淀”汽车数字化转型下的数据运营白皮书14在场景“0到1”的建设过程中，通过“场景卡片”将场景信息进行结构化存储，并通过“场景书架”进行体系化管理，方便后续追溯和借鉴。图：场景卡片示例图：场景卡片示例汽车数字化转型下的数据运营白皮书15NEV私域新用户促活留存高价值行为挖掘和应用场景私域新用户促活留存高价值行为挖掘和应用场景场景场景目标目标深入分析与洞察影响用户在App上活跃留存的行为，针对这些行为开展策略优化，提升用户App活跃率用户运营部门负责人负责人规划中现状现状1更新更新日志日志填写场景卡片更新更新内容内容XXXX更新人更新人XXXX更新时间更新时间2数据应用方法：数据应用方法：模型模型/算法：算法：建模分析App订单用户行为与促活留存之间的关联，筛选出与促活留存关联度最高、价值最大的用户行为营销实现方法：营销实现方法：运营策略优化：运营策略优化：围绕新用户促活留存设计3个高价值行为的App运营优化方案场场景景信信息息业务环节：业务环节：知晓/研究-收集信息场景概述：场景概述：建模分析已完成转化的订单用户行为，挖掘行为价值，并针对新用户开展3个高价值行为业务策略优化方案，实现App新用户活跃留存提升场景规则：场景规则：已完成转化的订单用户=所有通过App完成下定的小订、大定用户与车主；新用户=注册时间小于等于7日的App用户关键指标：关键指标：新用户第七日活跃留存率，新用户第七日活跃留存人数场景描述场景描述场景实现方式场景实现方式场景对象：场景对象：潜客卡片字段定义卡片字段定义基本信息区域：基本信息区域：场景所处位置：场景所处位置：场景库/书架场景编号：场景编号：场景类型-L1旅程-L2旅程-序号场景版本：场景版本：场景更新情况、更新人、更新时间、内容等场景目标：场景目标：场景的目的与预期达成的效果1内容信息区域：内容信息区域：业务环节：业务环节：场景在旅程所处环节场景概述：场景概述：场景内容的简要描述场景规则场景规则*：场景中的内容字段定义关键指标：关键指标：涉及的指标与KPI数据应用方法：数据应用方法：建模/标签/分析营销实现方法：营销实现方法：线索下发/营销物料下发2场景卡片示例场景卡片示例场景卡片示例场景卡片示例3数据来源数据来源一方数据：一方数据：App用户行为数据（阅读、转发、购车等），App用户活跃留存数据数据模型数据模型HVA高价值行为挖掘模型场景业务流场景业务流生成效果分析报告数据导入与模型调优HVA行为建模订单用户数据提取高价值行为洞察运营优化策略方案设计优化策略实施4场景初评场景初评提效率提效益提体验降成本业务价值业务价值010501001050千万十万百万数据维度数据维度数据量数据量系统支撑系统支撑全自动手工半自动卡片字段定义卡片字段定义数据信息区域：数据信息区域：场景业务流与系统：场景业务流与系统：场景执行的业务流程与相关系统数据来源：数据来源：一方/二方/三方数据数据模型（选填）：数据模型（选填）：涉及的数据模型3场景初评区域：场景初评区域：场景评估参与方填写4个评估模块的各自负责部分4汽车数字化转型下的数据运营白皮书16场景实施路径场景实施路径单个数据场景的实施路径可以分为6步：第一步，场景定义收集需求和想法，找到业务提升机会点第二步，设计方案进行场景评估，并完善场景方案第三步，数据准备数据探查并验证需求第四步，模型设计锁定因子并明确算法第五步，开发上线模型落地与系统改造第六步，应用推广业务效果的监控和验证体体系系化化场场景景梳梳理理场景手册1.场景定义场景定义2.需求方案需求方案4.模型设计模型设计5.开发上线开发上线6.应用推广应用推广3.数据准备数据准备WhyHowWho找到业务提升机会点痛点分析指标拆解明确目标业务或数据团队发起立项从一句话需求变成方案数据模型需求系统改造需求资源评估计划排期业务+数据团队评审需求数据探索并验证需求数据归集根据模型补充优化数据团队+IT共同准备锁定变量因子并明确算法设计变量因子设计数据流向明确算法数据团队设计模型模型落地与改造业务系统模型验证工程化部署系统改造数据团队+IT验证与开发验证模型的业务效果AB测试效果监测推广/宣导业务+数据团队监测与推广宽表/标签应用模型业务宣导SOP迭代优化平台优化数据场景“数据场景“6步”落地建议步”落地建议(以单一场景实施为例）数据团队能力沉淀场景书架汽车数字化转型下的数据运营白皮书17场景管理体系场景管理体系基于场景样板间的运营实战经验，成熟的场景管理体系需具备以下三大支柱：流程体系、协作机制与组织架构。流程体系流程体系主要由三大部分组成：管理流程、管理准则与管理工具；围绕场景从孵化到设计、开发到最后运营四大阶段，向内打开子级流程，明确场景管理的“关键路径”。组织架构组织架构设置场景管理团队和场景执行团队。通过场景管理团队的横向拉通，以保障任务的高效响应和场景的稳步落地。协作机制协作机制首先是机制理念的转变，以拉齐认知、识别风险、协助方案落地为核心，实现高效跨部门协作，端到端串联场景管理的跨部门多方协作机制；流程机制的优化形成以场景管理团队为中轴串联，业务、数据、IT部门各司其职的联合运营部署。汽车数字化转型下的数据运营白皮书18基础构建：数据+平台数据：数据基础能力数据：数据基础能力，包含各业务数据采集和整合包含各业务数据采集和整合、数据治理数据治理、数据合规数据合规及隐私等及隐私等线上化数据留痕或补埋点线上化数据留痕或补埋点基于业务流程的关键节点，梳理并完善与消费者、企业客户和供应商的交互流程，实现核心业务过程线上化留痕，关键节点的数据得以通过埋点进行采集并存储，随时可供调用。数据整合数据整合随着数据留痕的程度逐渐加深，完整捕获数据并进行清洗的难度也逐渐加大。数据整合工作需在梳理业务需求和现阶段数据逻辑的前提下，搭建可迭代的指标字典，建立一套统一的数据质量管理标准体系，计算逻辑和口径保持一致性。数据平台数据平台经过线上留痕和整合清洗后，需通过构建用户数据服务来调取并挖掘数据价值。业界常用的手段包括建设CDP平台，通过One ID实现全域数据打通，内嵌数据可视化套件和数据运营套件，并将采集的数据进行打标签，形成用户画像。通过对不同业务场景下的用户行为分析，驱动运营优化。场景化数据建模场景化数据建模利用CDP平台采集的数据，通过机器学习算法构建例如购车意向、线索评分等模型，对不同价值的用户采用差异化运营策略，以多种方式自动触达用户，实现精细化运营、个性化营销。其中最重要的是，要基于场景进行建模，再看模型的复用性。汽车数字化转型下的数据运营白皮书193平台：数据服务平台产品化平台：数据服务平台产品化，如数如数据平台据平台、数据产品等数据产品等数据具有散落、孤立、抽象等特征，无法直接发挥应用价值，将数据从生产要素到隐形资产需要经过工具化、平台化、产品化三个阶段。以车企搭建CDP平台为例，搭建平台的过程可以分为以下阶段：工具化：工具化：完成数据接入、数据集成、数据查询等平台基础功能建设，与关联平台实现数据接口和文件传输的功能打通。平台化：平台化：整合企业数据资产，以One ID为主键打通底层数据源构建数据模型和宽表，实现数据共享和资源集中，打破部门间数据不透明，口径不一的壁垒。产品化：产品化：与业务应用场景深入融合，构建客户分群，产品推荐等应用类画像标签，以产品形式进行封装，对外输出能力，并通过运营迭代不断打磨优化数据产品。汽车数字化转型下的数据运营白皮书20应用赋能：组织+运营组织：专属数据组织组织：专属数据组织、各模块职能各模块职能、与业务及与业务及IT协作协作随着企业数字化程度和数据能力的提升，企业内部数据组织结构也不断迭代进化。经过普华永道思略特的持续观察发现，常见的数据运营模式和结构可分为四种：业务驱动型、两方共担型、三方协作型和独立运作型。显而易见，为了应对越来越多数据赋能业务的需求，建立专属数据组织是大势所趋。提出协作需求提出协作需求进行付费进行付费IT业务部门业务部门数据团队数据团队IT部门部门机机制制模模式式特特点点模式二：模式二：业务业务-IT共担共担模式四：模式四：独立子公司独立子公司数据需求由数据团队统一规划管理数据应用与数据工具复用性高各方对需求的认知容易存在偏差，对数据团队的业务理解能力、IT理解能力要求较高数据需求由专业公司进行统一的承接、管理和规划数据应用与工具产品化、平台化业务端与技术端的协同融合取决于双方合作紧密程度和协作关系模式一：模式一：业务业务-IT共担共担销售售后市场IT业务团队主导数据需求定义，不同业务条线各自为战IT需要具备需求整合能力数据能力内嵌在IT团队中模式三：模式三：业务业务-数据数据-IT协作协作销售售后市场自有数据团队销售售后市场IT数据团队数据团队数据需求归口于各业务部门数据团队，需求定义清晰明确数据应用与数据工具复用性低易有重复开发、IT资源浪费等情况内部形态内部形态外部形态外部形态销售售后市场母公司业务部门母公司业务部门数据产品数据应用数据平台独立子公司独立子公司报价、执行报价、执行对结果负责对结果负责汽车数字化转型下的数据运营白皮书214开发排期系统开发方案设计场景运营功能迭代单元测试集成测试开发运营：数据运营机制运营：数据运营机制、标准化运营流程及标准化运营流程及SOP、运营迭代闭环运营迭代闭环数据场景运营机制：在实际推行过程中，企业会遇到职能分工不清，资源流程不畅等问题。为了解决上述问题，企业可考虑从业务场景入手，组织场景运营团队进行横向拉通。场景运营管理（SGO）包含以下四大使命调资源、定规范、给工具和铺平台。最初，可以以虚拟组织的形态存在，待场景体量增加后，再转变成成熟的团队。数据运营机制在实操落地过程中，需要保障与数据相关的各要素之间的结构关系和运行方式，结合内外因素使整个运营过程保持正常运行和循环。依照机会点提出的方式，将数据运营机制分为业务驱动与数据驱动两类。图：数据驱动模式标准化运营流程示例图：数据驱动模式标准化运营流程示例模式模式1：数据驱动：数据驱动（“拉动拉动”机制机制）由数据团队主动发起，通过数据分析与洞察，发掘潜在机会点后，与业务部门沟通与交流想法，共同孵化出场景方案，并通过场景评估机制，拉齐各方意见，再由数据和IT部门执行场景的开发和落地。模式模式2：业务驱动：业务驱动（“推动推动”机制机制）由业务部门提出需求，数据团队协助业务部门澄清需求，形成场景卡片。并通过场景评估机制，拉齐各方意见，制定场景实施方案。1.需求提出需求提出/孵化孵化4.部署部署上线上线2.场景规划与设计场景规划与设计3.系统开发与测试系统开发与测试5.运营运营迭代迭代业务业务团队团队数据数据团队团队IT团队团队数据探查共创互动场景构思场景构思确定场景数据应用方案设计业务需求方案设计周边系统改造程度排查UAT测试与验收UAT测试与验收SGO探查沟通场景登记场景初评场景详评场景终评进度追踪运营状态跟进组织验收场景场景生命周期生命周期SGO主要负责阶段非SGO主要负责阶段需求提出场景来源可分为业务驱动业务驱动及数据驱动数据驱动两大类探查分享系统部署切换切换上线上线汽车数字化转型下的数据运营白皮书22汽车数字化转型下的数据运营白皮书23某美系合资车企，逐步完善场景体系、打造场景运营样板间，推动数据场景落地见效该车企在客户与车联数据管理及应用上积累多年，伴随三大品牌在中国的辉煌成就与巨大销量，其所积累的客户与车联数据规模和基础在汽车行业内位于前列。伴随着行业变化与新能源崛起，品牌燃油车产品逐渐承压，也加速布局新能源转型。但在传统产品仍需贡献利润、新能源品牌仍处于投入期的业务转型环境中，数据如何创新应用，构建与业务更紧密的合作关系，为传统业务与新业务应用赋能，为公司整体经营贡献价值，是该企业要解决的重要课题。在过去三年里，该车企从成立专属团队到搭建数据平台，加速业务场景孵化及变现，并打造数据场景管理体系及运营机制，已逐步探索出一条数据赋能的可持续成长路径，为公司数字化转型迈入深水区提供了坚实的数据服务能力。图：数据赋能体系图：数据赋能体系客户与互联数据团队客户与互联数据团队工作定位：车企内部数字化营销中台工作定位：车企内部数字化营销中台数据产品数据产品数据分析洞察类数据看板类业务运营场景数据服务类数据平台数据平台数据整合客户身份识别（One ID）数据标签体系数据源数据源用户端（C端）经销商/商超端（D端）车辆端（V端）业务系统业务系统APP、小程序&公众号、官网，客户中心、积分&卡券、线索中心等DOSS、DMS、Dealer OneAPP、企业微信等智能网联&座舱，智能驾驶，充电桩，软硬件配置数据、车联互联生态合作数据伙伴等“对内对内”：勤修内功，加强数据能力部署：勤修内功，加强数据能力部署“对外对外”:深入品牌深入品牌提升业务提升业务赋能影响赋能影响品牌1“深入品牌团队”“深入品牌团队”品牌2品牌3数据资产数据资产数据采集数据治理数据安全123汽车数字化转型下的数据运营白皮书241成立专属团队成立专属团队在数字化转型初期，公司结合业务与IT能力，在业务团队基础上整合IT力量，并外招补充数据专才，从而构建了一支复合型数据人才团队。承担全司的数据中台建设、与业务协同需求对接、与IT协同资源管理、以及整体数据规划及统筹运营管理。构建数据基础构建数据基础通过两年时间，在原有客户数据管理及大数据平台基础上，围绕“人和车”两大主题构建了以OneID为基础的CDP客户数据平台，以及相应的MA营销自动化平台，同时还铺设优化了车端数据采集埋点（自有车辆直接回传存储企业内部，或者通过第三方生态用服务商脱敏处理回传企业），平台承载了成熟数据场景的自动化落地，也为全新数据场景的探索和开拓提供了良好的操作环境。数据治理数据治理作为企业数字化的基石，数据治理的工作一直也是该车企的重点工作项之一。治理工作主要聚焦于三大关键抓手：建立并完善组织架构、推进制度流程落地，以及建设优化平台工具，核心目标在于规范数据管理过程，提高数据质量，提升数据资产的价值，确保数据以有效的方式赋能业务。抓手抓手1：完善的组织架构：完善的组织架构目前已建设数据治理组织架构体系，以统筹协调车端、客户端的数据管理治理工作。其中，上属机构是数据中台，它是数据管理的最高决策机构,对数据治理承担最终责任；营销数字化委员会是营销领域数据治理工作协调推动的管理机构。依托该组织架构体系，基于部门组织架构及权责的变动，常态化持续完善优化组织架构。图：数据治理组织架构图：数据治理组织架构客户体验战略规划汽车研发智能网联信息技术部门客户数据互联部门品牌1品牌2品牌3售后网发业务牵头技术牵头数据中台数据中台（营销数字化、研发数字化（营销数字化、研发数字化）客户与车辆客户与车辆数据治理工作组数据治理工作组工程研发数据治理工作组大制造数据治理工作组客户与车辆数字化相关数据治理工作汽车数字化转型下的数据运营白皮书25抓手抓手2：落地制度流程：落地制度流程目前已制定并出台“一套制度”（数据治理管理制度）和“两个流程”数据质量管理操作流程和数据标准管理操作流程）；以“一个制度，两个流程”为坚实可靠的制度牵引，盘点客户和车辆领域核心数据资产，推进解决数据问题，提升优化数据质量；并在盘点数据资产和提升数据质量过程中，反馈制度流程优化建议，形成流程优化的闭环管理机制。图：数据治理制度流程体系图：数据治理制度流程体系数据治理制度流程体系数据治理制度流程体系制定制度流程制定制度流程盘点数据资产盘点数据资产落地实施管理流程管理制度提升数据质量提升数据质量统一数据标准形成资产目录筛选源头系统问题解决跟踪推进整改方案原因排摸分析提供流程保障发现数据问题反馈制度流程优化建议解决问题优化资产提供流程保障提供流程保障反馈制度流程优化建议反馈制度流程优化建议汽车数字化转型下的数据运营白皮书26抓手抓手3：建设优化平台工具：建设优化平台工具通过进行完备的行业内数据治理工具平台调研对标，基于平台现状梳理数据治理工具优化需求；基于需求清单聚焦MVP（最简化可实行产品）场景，按业务关注度和需求优先级，小步快跑进行迭代优化。图：数据治理平台工具框架图：数据治理平台工具框架数据质数据质量看板量看板数据标数据标准看板准看板无数据无数据看板看板核心资产核心资产数据看板数据看板更多更多服务服务数据资产门户数据标准管理数据质量管理数据资产数据数据标准定义标准定义标准标准落地映射落地映射标准标准评估监控评估监控数据质量数据质量问题上报问题上报问题问题管理跟踪管理跟踪质量质量跟踪看板跟踪看板质量质量规则管理规则管理数据数据质量校验质量校验数据数据质量监测质量监测资产编目资产编目资产检索资产检索元数据管理元数据元数据来源来源元数据元数据检索检索血缘分析血缘分析影响分析影响分析元数据元数据变更变更数据标准管理操作流程，数据质量管理操作流程数据治理组织，数据治理管理制度元数据元数据来源来源元数据元数据检索检索血缘血缘分析分析影响影响分析分析元数据元数据变更变更汽车数字化转型下的数据运营白皮书27数据治理成果：数据治理成果：经过1年多的持续耕耘，数据治理工作已初见成效。强力的组织和制度保障数据治理工作得以平稳有序地开展；核心数据资产盘点和资产平台功能升级共同解决了分析人员找数难、用数难的痛点。数据治理工作的整体推进，以安全合规为重要前提，在支持公司业务运作的同时，从三个方面推动提升公司业务部门的数据使用效率。首先从内外部数据安全评估着手，通过对法律法规、业务需求与风险的有效识别，明确公司数据安全建设的具体工作内容；其次，从组织、制度流程、技术平台三大维度建设公司数据安全体系；最后，从日常运营、监控预警、应急处理的持续迭代，形成数据安全体系化运转能力，构建闭环管理。图：客户个人信息和汽车数据安全工作框架图：客户个人信息和汽车数据安全工作框架在数据治理管理制度和操作流程的保障下，通过分类治理方案来提升核心车主会员的数据质量。基于历史数据盘点情况，将数据按人车关系和实名认证结果进行分类，基于不同分类优先级采取针对性的方法和措施，截止当前已将高质量会员数据提升了一倍以上，有效助力客户运营，高效支撑数据赋能工作。组织建设技术平台支撑制度流程体系数据安全建设客户个人信息和汽车数据安全工作框架数据安全评估法律法规输入需求及风险输入对标差距分析数据安全运营日常运营监控预警应急处理在合规的前提下支持公司业务运作，提升公司业务部门的数据使用效率风险有效识别评估整改优化保障合规贯穿数据全流程保障客户权利持续迭代闭环管理形成数据安全体系化运转能力，构建闭环管理汽车数字化转型下的数据运营白皮书28场景体系规划场景体系规划从去年开始，对公司全局数据场景进行扫描，完成了全客户旅程的数据场景体系，将过去散点式的数据场景进行整合，形成了统一管理的场景库，便于后续统一管理与持续优化迭代，形成场景资产。图：全局数据场景库图：全局数据场景库打造样板间及沉淀运营机制打造样板间及沉淀运营机制在全局场景规划之余，为实现业务场景快速变现，并在短期形成价值输出能力，主导并聚焦两大场景与业务共创，以“数据赋能样板间”进行打造，实现场景快速落地，打通“业务+数据+IT”跨部门协作机制，建立常态化沟通机制，并沉淀标准化的运营手册，为可持续及常态化场景运营建立信心与信任基础。用户主用户主旅程旅程用户次用户次旅程旅程用户情用户情感曲线感曲线用户类用户类场景场景管理类管理类场景场景CJ1.知晓/研究1.1 知晓1.2 收集信息CJ2.购买2.1 到店体验2.2 确定方案2.3 提车3.1 使用3.2 增值服务CJ3.拥有3.3 维修保养CJ4.售后反馈4.1 投诉/反馈CJ5.复购5.1 复购智能线索评级1战败线索复活2异常线索识别3战败线索复评4LBS服务推荐*6移动充电车实时调度*7充电桩推荐*8电池衰减评估9新车一百天个性化保养套餐推荐车辆故障监控与关怀配件服务促销包推荐救援线索派发*电池故障预警*城市合伙人体系OTA升级推送车机内容运营会员成长体系出行服务续约推荐好友推荐流失车主挽回车辆资质到期提醒B2C私域数据价值挖掘5销售管理销售管理服务管理服务管理网络管理网络管理市场管理市场管理10车主保养关怀保养准流失预警保养流失挽回零部件营销ROI提升保养线索识别延保意愿度研判存量客户再购模型预测稀有件备件预测停业基盘分配与维系关键服务环节识别试驾场景定制潜客热力分布NEV线索分配机制二手车网络报价监控及估值零部件预防性检测销售漏斗管理商务政策制定与优化保险数据合作经销商画像管理1112131415161718192021222324252627282930313233343536373839404142客户生命周期价值43汽车数字化转型下的数据运营白皮书29重点场景成果示例重点场景成果示例普华永道协助该车企规划并实施了多个客户端和车端数据场景，实现了场