【2024中国数据生产力大赛】价值驱动数智人才自主培养，助力数字化转型成功

企业简介

赛力斯汽车有限公司（以下简称赛力斯汽车）于2012年9月成立，公司以“推动汽车能源变革，创享智慧移动生活”为使命，致力于用精品智能电动汽车为用户带来更美好体验，让更多人参与绿色出行，并于2018年获得生产资质。

2019年4月赛力斯品牌正式发布并在赛力斯两江智慧工厂正式投产。2021年与全球ICT领先企业华为开创了联合业务深度跨界融合的先河，双方充分发挥各自优势，在核心技术、产品及渠道方面深入合作，双方共同打造的首款车型赛力斯华为智选SF5于上海车展发布并销售。

2021年12月赛力斯汽车发布全新豪华智慧汽车品牌AITO，同月发布AITO旗下首款车型问界M5；2022年7月，AITO旗下第二款量产车型“问界M7”正式上市；9月，AITO品牌旗下首款纯电SUV在华为全场景新品秋季发布会正式上市，这也是AITO家族的第三款产品；2023年4月华为高阶智能驾驶版正式上市；同年5月AITO问界第10万辆量产车正式下线，从第1辆到第10万辆下线，仅用时15个月，成为最快达成这一里程碑的新能源汽车品牌；9月问界新M7上市，累计大定已突破18万台；2023年底全景智慧旗舰SUV问界M9上市，上市5个月大定突破9万台；2024年5月问界新M7 Ultra发布，24小时内大定已突破12000台。

AITO是华为深度赋能赛力斯汽车的高端新能源智慧汽车品牌，融合了赛力斯汽车与华为最先进技术与最优质资源。

同时赛力斯汽车在整车研发、制造和工业化生产方面具有丰厚的经验，拥有以工业4.0为标准的智慧工厂以及极其严苛的实验验证体系，加之华为严苛的质量管控体系，双重确保产品品质。

背景

数字化转型背景

宏观背景

在数字技术快速发展的时间窗口下，以数据与AI的新质生产力将成为企业可持续发展的新动力。

• 新质生产力代表了一种以科技创新为核心的生产力形态，它强调通过数字技术、人工智能、大数据等前沿技术的应用，推动产业升级和经济结构的优化。
• AI作为新一轮科技革命的核心，正在引领各行各业的变革。面对未来可能出现的各种复杂问题和挑战，数智人才具备的创新能力和技术应用能力，对于推动可持续发展具有重要作用。
• 在数字化浪潮的推动下，中国正面临前所未有的机遇。然而，随着数字经济的迅猛发展，我国数字化人才缺口日益凸显，据估算，这一缺口在2500万至3000万左右，且呈持续扩大之势。为了把握数字化带来的机遇并填补这一缺口，2024年4月17日，人力资源社会保障部联合其他八部门发布了《加快数字人才培育支撑数字经济发展行动方案（2024—2026年）》。该方案旨在强化数字人才的基础支撑作用，为经济的高质量发展注入新动力。计划在三年内，通过一系列育才、引才、留才、用才的专项行动，提升数字人才的自主创新能力，激发其创新创业的活力。目标是增加数字人才的有效供给，形成人才集聚效应，构建一支规模宏大、素质优秀、结构合理、分布均衡的高水平数字人才队伍，以更好地支撑数字经济的高质量发展。

行业背景

汽车行业正经历着向“为用户提供全生命周期服务”的转型，其产业链与业务越发广泛与复杂，从业人员需要具备多方面的业务能力，以应对多样化的业态。传统的依靠增加人力来拉通业务的方式已不再满足行业发展，需要从业人员具备灵活运用数字工具的能力，以提升单兵作战能力，并适应数字化、智能化的宏观发展趋势。

数字化人才培养背景

赛力斯持续在数字化建设上发力，坚持智慧工厂以数字化为核心，关键工序100%自动化运行，以先进的制造运营管理系统和制造工艺流程为产品质量保驾护航。 其中，赛力斯汽车对于数据消费场景需求范围进一步扩大，对自身的数据治理、数据运营、数据应用等能力有了更高的要求。在此背景下，BI数据分析工具在全公司范围内开始逐步推广，数据分析需求越来越多，也遇到越来越多的困难和阻碍：

• 数字能力薄弱：数据可视化、数据底座搭建等和数据打交道的工作通常由数字化部门来完成，业务部门人员对于数据的敏感度不够、不能处理大数据、缺少整体分析。
• 数据分析人才缺失：业务侧缺少大数据分析人才，数字化侧缺少业务分析人才，且数字化侧人员与业务侧数据分析人员被边缘化。
• 数据挖掘能力弱：业务部门中的”表哥”、”表姐”一般使用excel工具进行数据分析，分析方式简单、效率低、深度不够，不能洞察数据所反馈出来的深层次业务问题。
• 业务和数字化交叉不足：业务侧和数字化侧的业务平行，缺少交叉点，数据不随着业务快速变化，或无法快速响应业务的新需求。同时业务部门缺乏业务数字化的创新能力，导致业务参与数字化转型度不够或参与不进去；另一方面，数字化部建设的可视化内容或系统缺乏对业务现状痛点的理解，落地产出不符合业务期望，导致荒废或使用率低，价值不被认可。

由此可见，为助力数字化转型成功，赛力斯汽车亟需建立一套数字化人才培养体系，提升业务人员数据分析、数据挖掘、数据管理、数据应用能力，为企业建设一支集既懂业务，还懂数、会数、用数的复合型人才队伍。

对于数字化人才的建设规划也得到了全公司由上至下的高度重视。全国政协委员、赛力斯集团董事长张兴海在2023年全国两会提交《关于加强数字化人才培养，推动智能网联汽车发展的提案》和《关于支持自主新能源汽车参与全球竞争的提案》。他认为在汽车“新四化”浪潮中，应该加大力度培养数字化人才，进一步促进我国汽车产业的健康发展。

培养方案（能力三角X培养六步）

为正确高效地培养数字化人才，赛力斯汽车对于整体培养方案提出“能力三角 X 培养六步”培养模型，其中能力三角从数据能力、数据思维、数据环境三方面入手，培养六步指分六阶段进行数智人才培养。将能力三角融合进六大培养阶段中，打造全方位数字化复合人才。

培养方案构建了数字人才能力评估模型，评估模型如下：

人才类型	主要职责	能力&技能要求
初级数据分析师L1	面向业务分析方向，收集业务需求并进行报表的开发展示	具备独立业务需求收集管理、指标梳理、业务逻辑梳理能力 初步掌握数据分析思维、数据分析方法，并利用BI工具借助数理统计知识，进行简单的数据分析 具备FCA-FineBI初级认证
资深数据分析师L2	面向业务分析方向，收集业务需求，并对高难度高价值需求进行报表开发展示 分享BI使用技巧、数据分析方法，帮助L1人才进行能力提升 参与业务数字化项目建设中	具备基于需求进行业务分析模型构建、业务分析指标构建能力 对数据分析思维、数据分析方法等数字能力更资深，同时可以挖掘数据价值驱动业务形成流程 具备FCP-FineBI资深认证
数据分析专家L3	面向业务分析方向，对业务需求进行管理，进行业务需求的分级分类 参与数字化人才建设中，为培养方案提供改进措施并进行方案实施 参与数智化&AI应用规划中	具备产出高价值数据资产能力，并具备结合数据思维、数据分析结果等能力对业务进行数字化创新 能力 具备行业数据挖掘与分析、数据预测与数据资产发现能力 具备ECS-FineBI专家认证

能力三角

• 数据能力：指培养员工BI应用技能——通过常态化BI培训，以适用于数据基础能力不同的员工，并总结出符合企业发展规律的BI培训体系。
• 数据思维：指培养员工数据建模、分析建模能力——通过同帆软的联合培训，开展产品应用交流、分析模型培训、翻转课程等高阶内容，提升员工整体数据思维。
• 数据环境：指企业搭建底层数据架构、建设数智人才梯队——通过与业务强沟通，搭建符合业务语言的数据仓库、数据集市，并构建企业数智人才认证体系、积分运营体系，实现企业内的数字资产建设与数智人才发现。

培养六步

阶段一 底座搭建，落地应用场景（2022.11—2023.02）

完成BI分析工具由0——1的配置工作，统筹启动前的人员与数据资源，并进行BI工具的应用验证。

具体方案

• 组建运营团队：组建由业务专家和数据专家两类角色组成的运营团队，业务专家要求是业务、数字复合型人才，负责统筹BI推广工作、业务与数据分析、数字化应用与规划，数据专家要求是数据开发资深专家，负责数据底座的建设，各业务域业务专家是要求至少通过FCP认证，阶段五建设完成后，陆续选拔人才以兼岗的虚拟组织方式作为团队成员。

• 搭建数据底座：抽取各业务系统底表数据，并由运营团队结合业务需求开发数据仓库，以大宽表形式实施公共数据1.0建设。
• BI应用验证：由业务专家沟通业务需求，基于业务现成的报表使用BI工具开发BI报表，实现业务侧的效率提升及应用验证。
• 数据人员盘点：通过与各业务端的沟通，盘点各业务端数据分析人员名单及能力现状。

阶段成果

• 人员现状盘点：统计到各业务端数据分析人员40余人，在数据获取、报表制作的效率低，同时数据分享不可控、风险高。
• 落地应用场景：实现了帮助业务搭建近20个报表，替代了业务端每日数据分析，并实现多层级用户的分享（总部端、区域端）。

阶段二 BI推广，甄选业务种子（2023.03—2023.11）

基于一阶段人员的盘点情况，启动BI工具初级培训，实现BI工具在业务端的广泛应用，优先推动业务端“表哥”“表姐”使用，减轻业务数据分析工作压力。

具体方案

• 常态化培训：由运营团队业务专家及帆软培训讲师开展线下FineBI工具入门培训，通过每月超过一次的多频次开展，让BI培训覆盖到各业务端。
• 种子用户培养：通过培训发现数据分析潜力员工，对该部分员工进行点对点指导，帮助自行、快速实现报表开发。同时采取“先富带后富”策略，让种子用户快速提升数字化能力，形成标杆效应，带动其余人员主动参与到数字化能力提升中。
• 公共数据迭代：数据依据业务域进行拆分，实施公共数据2.0建设。
• 培训成果检验：自下而上及自上而下双向检验业务侧人员学习成果。其中自下而上要求日常业务数据分析由BI工具分析完成，自上而下要求各业务会议、决策由BI报表提供决策支撑。

阶段成果

• 人员技能培训：实施培训12场，累计参与培训约500人次，具备开发能力人员超过50人，开发报表超过1000张，发布报表超过30张。

 

• 公共数据迭代：优化数据底座，按业务域进行拆分，公共数据增至60多张表。

阶段三 制度建设，培养数据思维（2023.12—2024.03）

基于阶段二的成果，业务侧的BI报表应用进入“野蛮”生长模式，需要强化BI开发应用规范管理，建设开发制度、强调数据安全，并同时进行数据思维培训。

具体方案

• 管理制度建设：通过项目积累经验，输出各类管理制度，保障BI开发规范、数据安全，并在培训过程中进行管理制度宣导，提升全员的数据规范使用意识。如：为保障数据安全，关闭用户协作权限；为提升用户体验，报表发布统一集成至EPM平台；为保护用户隐私数据，对公共数据发布进行限制……
• 公共数据迭代：建设关系型公共数据结构，实施公共数据3.0建设，通过数据驱动业务侧开发人员建立数据结构化思维。
• 数据思维培训：开展数据思维培训，强化数据准备过程的数据处理能力，包括数据字段的理解、数据辅助列的增加、数据并表差异、逻辑值处理、空值处理等内容

阶段成果

• 管理制度文件：编制数据流转全流程制度，覆盖从数仓建设到报表生产到报表消费，各业务版块人员形成统一的报表生产规范。

• 数据思维培训：实施培训4场，累计参与培训约200人次，开发报表超过2000张，发布报表超过100张。

• 公共数据迭代：建设关系型数据底座，公共数据超过130个数据集，上线原子指标超过300个。

阶段四 人员认证，开发报表资产（2024.04—至今）

基于阶段三的成果，业务侧在4个月内发布超130张报表，开发速度显著提升，但同时报表质量参差不齐，为进一步提高人员基于业务的分析能力，对人员开展人员认证，并通过报表资产入表对报表质量进行严格要求。

具体方案

• 人员认证体系：设计数智人才初级、中级、高级认证体系，其中初级、中级认证分别对应FCA-FineBI、FCP-FineBI认证，ECS高级认证是基于业务的数字化能力认证，包含对数据思维、数据资产挖掘、数字化创新能力的认证，建设企业数字化人才梯队。

1. 1. 1. 初级认证：每季度开展至少一次
      2. 中级认证：每半年开展一次
      3. 高级认证：每年开展一次

• 人员认证培训：启动认证考试、证书颁发（激励），同时接入帆软数字人才服务，开展翻转课堂、分析建模比赛等活动，激发人员的自主学习与能力提升。

• 报表资产建设：建设EPM报表资产中心，对发布报表进行质量审查，审查内容包括报表资产完整性、数据隔离、运行效率、分析逻辑、指标规范等，以驱动业务侧人员被动提高数据开发能力。

阶段成果

• 人员初级认证：截止5月底，两个月时间，参与初级认证人员51人，通过认证49人。

• 报表资产上线：对原发布报表进行资产上线审查，通过内测形式，对原发布报表进行100%改善，当前报表资产已登记入表超200张。

阶段五 积分运营，挖掘数据价值

业务侧人员经过技能认证、质量要求、规范管理的背景下，需要对其开发的报表在业务侧的价值进行评价，需要建设并运营积分版块，以强化数据对业务的支撑能力，形成对数智人才、数据资产的评价能力。同时为后续接入AI应用，业务逻辑、算法将成为重要数据资产，需要连同业务侧人员搭建企业指标中心。

具体方案

• 积分版块建设：建设积分运营平台，确定业务侧人员为数据生产者、其他人员为数据消费者，形成数据从生产到消费的闭环运营机制。
• 积分版块运营：为报表设置积分价格，将数据分享的过程分解为数据生产与数据主动消费，用户在订阅数据时将消费积分，最终消费积分会成为报表资产评估与数据生产评价的有效指标。通过量化评价，对不符合消费需求的报表资产进行淘汰，实现数据消费驱动数据生产的闭环、高效运营。

具体的运营如下：

• 1. 报表订阅/申请：用户选择订阅周期订阅报表，消费积分。
  2. 报表续订：报表订阅到期后，用户根据需要选择续订报表。
  3. 积分发放/获取：用户通过完成积分任务获取积分（如签到），通过运营虚拟货币，合理发放积分，让积分保持一定稀缺性，进而让用户在订阅报表时根据自己的需求进行合理消费。
  4. 报表价值衡量：通过报表资产积分收入、订阅率对报表价值进行评估，淘汰不良报表资产。
  5. 积分总量控制：积分通过新用户初始积分与签到产生，不额外人为增加积分总量，通过兑换实物、兑换认证资格等消耗积分，积分通过报表资产中心实现流通。

• 指标中心建设：建立企业指标资产中心，由业务侧人员提出、数字化人员开发，并开发工具进行全生命周期管理。
• 人才评价体系：通过报表生产、人员认证、积分收入、访问情况四大维度，按评分标准对人员数字化能力进行综合评价。

阶段六 业务闭环，驱动业务创新

通过对企业数字人才梯队培养，将数智人才的能力应用到业务中，实现业务数据化、数据资产化、资产价值化的完整闭环，并实现AI精准、高效应用。

具体方案

• AI能力培养：接入AI能力的培养，并配合ECS高级认证，全面强化AI应用能力与数字化业务创新。
• AI应用规划：自有ECS高级认证人才推动AI在业务侧应用，规划低成本、高效率、扩展性强的应用方案。
• 流程数字化监控：通过数据指标与企业制度流程形成强关联，让企业流程制度的执行透明可视、业务运营风险可控。

典型成果

【案例一】搭建服务数智体系，打造高端服务品质

业务背景

赛力斯汽车坚持“软件定义汽车”，并以“智慧升级服务”为锚点，打造了CARE关爱服务战略。该战略有四大价值，分别为“用户为中心”（Customer）、主动（Active）、尊重（Respect）以及数字化（E-service），均凝聚了丰富的服务内容。

通过“数字化”平台系统，赛力斯汽车以OTA升级、数字化服务及数字服务产品进行高效赋能，让用户在多维场景中均能享受透明、高效、优质的智慧服务体验。

解决过程

1. 搭建数据底座：搭建为商务智能服务的灵活多变的数据仓库，根据灵活多变的业务需求进行及时高效的数据提供。
2. 分层级规划：根据业务群体场景，将数字服务对象划分为总部层、经销商层（to B）、用户层（to C）三部分。
3. 数字项目方案确认：经业务调研、全业务需求整合、全应用场景拉通，总计梳理530+业务指标，涉及14个业务系统平台。
4. 业务数字化模块搭建：总部层根据业务关系，将数字化模块搭建为SOP研讨、服务质量支持、服务体验支持等七个版块；经销商层（to B）根据经销商经营水平，将数字化模块搭建为能力评价、透明化服务进度、沟通提示、小管家策略等六个板块；用户层（to C）根据用户间接感知，将数字化搭建为智能客服、AI数智云辅助等三大版块。
5. 项目实施旅程：2023.08 - 2023.09期间，向各业务团队进行FineBI平台的计划进行宣贯与工具培训；2023.10 - 2023.12期间，完成对业务部门的入门实操考核，同时绑定当期绩效评估，深化落地数字化运营与智能工作转型的理念，自上而下完成业务细节场景部署；2024.01 - 2024.05期间，由服务版块数字化管理团队协同各业务团队代表搭建制作BI报表，报表爆发式上量阶段。

场景价值

1. 数字化全面覆盖业务：全服务部门完成80+数据产品上线，基本完成全业务覆盖。2024.06至今，全面部署区域端和店端数字BI产品规划。
2. 用于区域管理：开展SOP、SOA业务运营研讨会议，BI平台提供体系化的考核指标管理与问题风险预警、完成结构性业务目标落地、改善方案决议与评估支持，能有效地对各区域业绩和员工业务改进提供指导性数据支持。
3. 用于经销商经营：实施EPM行动计划管理、执行巡店监管机制，完成经营诊断分析、行业竞争关系预测、更好的赛道评定与店面核心问题展示，同时解决了各店服务特征评估，形成了特色服务带来指导性结论，有效提升经营效率和质量。
4. 数智化模式转型：通过全业务数字运营体系搭建，推动了智慧工作模式转型，其中各业务团队均有数智化人才，全服务版块超过50人，开发内容覆盖90%以上的业务场景，业务已实现以数据驱动业务的精准管理模式。

【案例二】人员数据思维养成，驱动系统/流程优化

发现问题

在业务侧人员使用BI进行报表分析时，我们发现他们在处理数据时对于类似合并、主键、维度等内容缺少理解，进而导致一步就完成的数据处理需要N步。

解决过程

为提高业务侧分析人员的数据思维，我们深入进行了系列数据思维的培训课程。培训内容主要包含以下几个关键领域：

• 数据的处理，如以下内容：
  1. Excel数据处理与BI数据处理的差异：讲解BI工具相比Excel在处理大数据时的优势，以及如何利用这些工具进行更深入的数据分析。
  2. Excel表与数据集的差异：讲解数据集的概念，如何理解“字段”与Excel“单元格”的差异。
  3. 行数据与列数据的差异：讲解数据在不同维度上的组织方式，以及对分析的影响。
  4. Excel角度下的数据与报表的差异：讲解从Excel的视角下，哪些是数据？哪些是报表？如何将Excel的报表制作经验用于BI报表。
• 数据处理的技巧，如以下内容：
  1. 枚举值与主键的应用：讲解什么是标准数据和非标准数据，讲解关系型数据中如何应用枚举值和主键。
  2. 合并关联膨胀：讲解如何合并数据规避数据膨胀或利用数据膨胀。
  3. 逻辑值应用：降级数据处理中逻辑值（如0和1）的应用，以及它们如何简化计算过程。

场景价值

• 通过数据思维的培训，提高了业务侧分析人员数据思维，实现如下个人能力提升，例：

1. 1. 数据存储优化：分析人员学会了如何通过增加时间字段来合并存储多月数据，而不是简单地按月拆分Excel工作表。
   2. 数据检索规范化：通过引入主键和规则编码，提高了数据的规范性，形成有规定的、可连续记录的标准业务数据。
   3. 数据处理更高效：通过加入辅助列、合理的数据膨胀、逻辑值处理，简化了数据计算步骤，提升页面加载速度。

• 数字人才培养计划显著提升了员工的数据思维能力，使他们能够更有效地处理和分析数据，实现如下业务价值，例：

1. 1. 快速锁定问题业务：通过更规范化的数据处理，能够快捷地从异常数据中锁定到具体的业务，实现数据快速洞察。
   2. 跨部门协作降低沟通成本：统一的数据标准和编码规则让跨部门的数据协作更轻便，降低了沟通成本，降低业务理解不一致的风险。
   3. 规范编码保障业务一致性：如，生产计划中的手工订单编码包含车型、业务主体、时间、类型等信息，通过规范编码，保障了业务数据的一致性，多人工作交接也不会使线下业务发生形变。

总结与展望

总结

数字化转型不是一蹴而就的，通过前四阶段的实施建设，目前数字化人才培养已取得显著成效，主要包括以下方面成果：

能力三角	能力项	实施前	实施后
数据能力	人才梯队	传统的”表哥”、”表姐”	常态化的BI培训，BI编辑用户200+
			完善的人才认证体系，完成FCA认证49人
			数字化人才评价体系
	报表开发	线下excel报表	使用BI自主开发报表2000+
			使用BI自主开发报表并形成资产200+
数据思维	分析模型	无	应用标准分析模型
			开发基于EPM用户的业务分析模型
	指标建设	指标口径不一致	搭建了销服体系的指标体系，各类分析指标3000+
			业务侧实现应用指标字典解读报表内容
	公共数据	无	完成公共数据的三次迭代，共建设表150+
			完成建设关系型数据结构
			实现了到用户级、厅店级的最小粒度数据权限隔离
数据环境	数据底座	无	建设完成规范的数据仓库，分为4层，数据表1000+
			建设完成支撑商务智能的数据集市
	流程制度	无	编制EPM数据权限隔离标准文档
			编制数仓开发相关规范、标准文档
			编制数据集市管理、授权文档
			编制BI&FR平台运营、账号管理、积分运营管理办法
			编制EPM报表资产管理办法
			编制EPM指标资产管理办法
	认证体系	无	FCA-FineBI初级人才认证
			FCP-FineBI中级人才认证
			ECS-FineBI高级人才认证
	数据资产	无	建设了文件资产管理中心
			建设了指标资产管理中心
			建设了报表资产管理中心
	数据运营	无	建设了积分运营机制
	BI工具	使用excel进行分析	引入并覆盖全业务域推广了FineBI

虽已取得阶段性成功，但还需要加快数字化人才梯队的建设和完善，因此需要继续推进阶段五、阶段六的人才培养，深化业务侧人员深度数据分析能力，完善数据生产到数据消费的闭环。

展望

赛力斯汽车在追求商业成功的同时，坚持践行 “以人为本” 理念，高度重视人才培养与发展，建立健全培训和发展体系，激发员工积极性与创造力。在数字化建设的进程中，赛力斯汽车根据自身制定科学的“能力三角 X 培养六步”培养模型，助力员工在职业生涯中实现个人发展目标，成为企业所需要的复合型数智人才；同时也搭建属于赛力斯汽车的数智人才梯队，“数智人才”已经成为赛力斯汽车数字化建设的重要基石，锚定“以用户为中心，全心全意为用户服务”的宗旨、“软件定义汽车”的智电融合发展之路，以智慧重塑豪华，持续探索“传统豪华+科技豪华”的“新豪华”概念。