Q1：请专家老师做一个简单的自我介绍
我是王士昊，来自上海马勒热系统有限公司，目前担任企业的数字化管理官。我们公司是上汽和马勒的合资公司，因此我们在早期就引入了欧系系统，从2013年就开始进行系统化建设。然而，到了2016年，我们发现欧洲的管理方式在本地市场的支持力度有所减弱，甚至感觉有些落后于中国市场。于是，从2017年开始，我们决定开发本地化的工具，包括本地的PIM系统、QMS系统和MES系统，这些系统的筹备工作都是从那时开始的。
我主要负责牵头本地的PIM系统，我们称之为IPTP平台。从2017年开始逐步推行，到2020年，我们已经推出了三个版本，成功实现了我们公司PLM在11个工厂的实施以及3个研发中心的协同工作。在这方面，我们已经领先于马勒全球的数字化规划。
今年，我们开始推进数据的智能化。我把新数字化分为四个层级：标准化、信息化、数字化和智能化。标准化的过程耗时较长，整个流程梳理就花了2到3年。随后是信息化，虽然建设速度不算慢，但也用了2到3年的时间完成。在数字化方面，我们做了很多工作，如数据治理质量优化和数据集成，基本满足了日常业务的集成使用需求。我们还通过BI工具，如帆软的BI，形成了数字化的报表体现。因此，我们基本上将2022年定义为公司进入数字化的一年。接下来，我们将逐步推广智能化领域的开发。
Q2：23年前后数据本地建设的差异是什么？
我认为，2023年整个行业都面临流动资金紧张的问题，因此，在数字化方面的投入显然是不足的。这也是现在几乎所有企业都遇到的共同难题。我目前也在参与中国智能制造协会的相关工作，评估了众多工厂，今年几乎所有工厂都遇到了类似的情况，导致在投资方面变得谨慎。
不过，我认为今年也蕴含着一些机遇。由于没有新的工具引入，我们可以集中精力发展企业自身的能力。例如，我们可以加强本地化、自我数字化的优化工作，提升数据集成和治理质量，完善数字化体系建设。今年是一个很好的机会，我们不需要引入更多的新平台或系统来增加复杂性。相反，这是一个重新思考企业数字化建设的纯内部过程，我认为这是一个宝贵的缓冲期。因为数字化是一项耗资巨大的工作，难得有这样一个冷静思考的机会。
实际上，我在与各家公司讨论的过程中，也听到了很多企业正在往这个方向思考。在没有新工具引入的情况下，如何构建本地化的数字化能力、开发能力和策划能力，成为了今年数字化建设的一个重要方向。
Q3：数字化工作该如何去考核或评估效果？
我认为，2023年和2024年，我们的工作重点应放在数据质量的再优化上。过去，我们在开发数字化工具时，主要聚焦于提升企业的效率和数据透明度。然而，在此过程中，我们却忽略了一个至关重要的因素——数据质量。
当前，尽管疫情使得一些工作进展放缓，但相关的制度和体系并未减少，反而更加繁多。比如，汽车行业推出了TISAX准则，VDA也更新了一些条款。
同时，数据权限、数据安全等问题也备受关注，国家更是相继发布了信息安全法、个人信息安全法以及信息出境法。面对这些挑战，许多企业需要重新审视并梳理现有的数据字段。这是一个难得的机会，让数字化管理部门能够静下心来，深入思考这些问题。
我观察到，有些企业可能过于追求功能的实现，却忽略了功能背后的管理提升目标。而管理的提升，离不开高质量、可信的数据作为支撑。否则，即使报表做得再漂亮，也不过是空中楼阁，一旦数据基础出现问题，整个体系都将坍塌。
因此，我认为这两年我们应该将重点放在数据质量的
地基建设上。这是实现数字化转型和提升管理水平的关键所在。
Q4：在做数据治理的时候有没有被领导层质疑，又该如何打消疑虑？
一开始提到数据治理，我们并没有觉得它有多难，以为只是打通数据，理清各系统中数据的关系。但实际上，在打通数据的过程中，我们花了三个多月的时间才理清数据的有效性，效率并不如我们预期的那么高。
我相信，无论是上市公司还是有一定规模的民营企业，它们都会有各种各样的体系报告要求。但是，这些报告往往出自不同的部门，导致老板接收到不同的关键数据，这给领导决策带来了困扰。
当数据量不断增加，覆盖的功能和范围越来越广时，这种情况实际上会对管理决策产生严重的误导。
因此，从这个角度来看，数据治理首先确保了管理层在做决策时所使用的数据的有效性。其次，数据治理还关乎数据效率。
现在很多企业都会使用OA系统，但在我们公司，OA不仅仅是审批流的主动脉，所有的系统都需要与OA对接。
在审批过程中，你会发现，原来需要跨系统、跨部门去查看信息，比如到ERP查看资金情况，到PIM查看项目信息和预算，甚至还需要到财务部门核实预算号的有效性。这样的流程效率非常低。
以我们为例，之前纸质审批需要四个半轴的时间才能拿到报销结果。但现在，通过PLM、ERP以及财务系统的连接，整个审批流程中的跨系统查询动作都不再需要，现在整个审批流程只需四天就能完成，这带来了显著的效率提升。
效率提升后，一些岗位的价值就能得到更好的发挥，他们可以更多地服务于部门发展，从事更有增值性的工作，而不需要花费大量时间在日常的报告查询上。这实际上增加了所有职能的增值性。因此，我认为每家企业都应该深入思考数据治理的重要性。
Q5：如何让业务部门可以深度使用数据？
这个问题的答案，其实就是为啥我们最终选择了帆软。
事实上，考虑到office 365在中国人办公领域的占比，同时微软的power BI在市场上占有率也相当高，我们一开始确实考虑过使用它。
然而，我们最终没有选择power BI，最大的原因在于它的设计理念。power BI强调每个工程师都具备自我分析的能力，这无疑是它的优势所在，它将power BI定义为Excel和PPT的智能化报告生成工具，提供了多维度的分析功能。
但在中国，企业的管理方式往往是听从管理层的决策。老板的话通常被视为金科玉律，需要确保决策得到贯彻执行。因此，我们选择帆软的主要原因在于，它更适合作为帮助管理层将管理要求有效传递给下属的工具。
我们评估过很多企业，发现能够熟练运用office的员工并不多，更不用说power BI了。因此，我们更倾向于让管理层首先了解并整合所有数据，明确他们手头拥有的资源，然后再通过BI报告的方式，将这些要求传递给下属。
BI报告的最大特点在于数据透明化，同时支持多维度分析。在大数据环境下，Excel显然无法满足需求，这时就需要依赖专业的系统来完成。
使用系统后，我们需要一种直观的方式来展示数据，而不是简单地堆砌几百万条信息。
因此，如何从各个维度抽取信息，生成管理层及中层管理层所需的内容，以及将这些内容以易于理解的方式呈现给工程师，就显得尤为重要。这就是我将BI定义为决策辅助工具的原因。
在这个过程中，管理层的支持是至关重要的推动力。此外，对于我们自身而言，通过BI工具提供的数据维度，我们可以更轻松地判断决策的正确性，发现数据间的差异，这对于数据治理和数据的长久保存来说，无疑是一个非常有效的工具。
至于不被业务质疑或者让业务深度使用，这是一个长期的过程，因为系统需要依赖数据的录入才能产生结果。
举个例子，当我们谈到MES时，首先支持的部门通常不会是生产部门。这是因为生产部门原本可以隐藏数据的地方现在全都暴露无遗。
确实，它的公式和所有内容都是公开的，大家都能认可。只要数据输入进去，结果就能立刻找出来。
最简单的例子就是制造业都关注的OEE。每家公司可能都会宣称自己的OEE做得很好，比如达到90%或80%以上。但实际上，通过MES得出的OEE结果是无法作假的。
我认为最大的挑战在于，管理层在了解这些情况后，他们希望有人能将正确的结果传递下去，让大家都接受目前的数据。
换句话说，很多企业需要考虑的是如何将现有的Excel报告、PPT报告的使用习惯和信任值转移到BI系统上。
这确实是一个艰难的过程。就像当初我们从使用信用卡转移到使用支付宝一样，花了多长时间才逐渐适应和接受呢？所以，这个过程需要我们进行细致的沟通和优化，以确保数据的准确性和可信度得到广泛认可。
一旦人们接受了支付宝这样的信用等级，并对其数据安全和支付安全表示认可之后，现在在中国，你几乎看不到有人还在使用信用卡了，对吧？
所以，在数字化建设的过程中，最困难的一环就是建立数据的信用值。
而在这个建立过程中，一方面需要老板的信任，另一方面也需要相关部门对后台数据基础的认可。只有这两方面都得到满足，我们才能确保数据的准确性和可信度，从而推动数字化建设的顺利进行。
Q6：数据资产入表近期很火，企业该如何响应？
首先，关于数据资产这个话题，浦东的数据交易中心就是一个很好的例子。它所交易的正是数据资产，这充分证明了数据本身具有极高的价值。
如今，无论是衣食住行，阿里还是腾讯都掌握了大量的数据。当其他机构想要利用这些数据进行分析时，他们就需要从这些数据巨头手中购买。在可共享的范围内，这些数据提供了共享机制和销售服务机制，进一步凸显了数据的高附加价值。
同时，数据也反映了企业内部的运营状况，是各个部门责任和管理能力的体现。当我们谈到将数据整合进系统时，这实际上涉及到了公司的所有部门。然而，现实情况是，没有哪个部门是愿意轻易接受这一改变的。但在执行过程中，随着信息化的不断推进，这个平台会逐步建立起来。因为信息化是基础，我们之前提到的四个阶段中的第二阶段就是信息化。
当所有用户都摒弃了线下的工作方式，转向线上时，数据就无处可藏，全部呈现在了线上。这时，我们面临的就是如何将数据转化为资产的过程，明确资产的责任人和价值。这与正常资产的评估方式是一致的。
接下来，我们要讨论的是资产的信用度。这涉及到老板对资产的认可程度，进而决定是否继续投入和发展。评估资产的好坏之后，我们才能确定数据的最终价值。
这些数据不仅用于企业内部，有些还服务于国家标准和行业规范，对于建立企业的国标过程非常有帮助。通过梳理这些数据，我们可以形成一套适用于整个中国行业发展的规则。这无疑会提升个人和企业的能力与价值，体现了数据潜在的资产价值。
Q7：数据人才如何建设？
现在行业中写代码的人才并不缺乏。但管理和运用数据却是另一回事。
我们企业曾遭遇过低谷期，那时我发现，即使你负责管理数据，也可能感觉自己在公司中的价值并不明显，因为这份工作的价值往往是隐性的。
这就会带来一系列问题，比如，这个管理部门在公司内部的认可度如何？他们的工作责任是否得到承认？他们的权限是否得到认可？这些都是我们需要深入思考的问题。
当员工感受到这种不确定性时，他们的压力会非常大。因为他们可能会觉得，自己所做的工作并未得到公司的认可，这自然会影响到他们的留任意愿。毕竟，现在的年轻人充满了活力和闯劲，他们有更多的机会去寻找能发挥自己能力和特长的地方，寻求更好的收入。
但除了这些，他们更追求的是被认可。毕竟，现在本科生的比例很高，甚至研究生的比例也在上升。知识性员工的一大特点就是他们渴望得到他人的认可，并希望能得到及时的激励。他们更看重自己的成就能否被及时看到和认可。
在这样的背景下，企业在培养人才时，应该更加注重这个方向。这也是我非常喜欢报告和这种多维度分析工具的原因。因为通过这些工具，员工可以清晰地看到自己的工作成果是如何被大家看到的。
比如，就像我们今天一进来就看到的那个大屏幕，如果一个工程师看到那么多人在关注他的工作成果，他一定会感到非常有成就感。在合理的收入和工作内容的前提下，他自然会更愿意为公司付出。
所以，我认为，通过这种方式来激励和认可员工，不仅有助于提升他们的工作积极性，也有助于企业更好地留住人才。 | 
