【2024中国数据生产力大赛】
标题
培养数字化菁英人才，助力企业数字化转型
企业简介
陕西汽车控股集团有限公司（以下简称“陕汽”）是我国重型军车的主要研发生产基地、大型全系列商用车制造企业，前身是始建于1968年的陕西汽车制造厂，总部位于陕西西安。下辖100余家参控股子公司，现有员工2.48万人，资产总额880亿元，品牌价值达433余亿元，荣登“中国500最具价值品牌榜”。
陕汽因军而生、依军而强。始终牢记创优报国的初心使命，承担了我军第一代、第二代和第三代重型越野车研制生产任务，先后参加了国庆35周年、50周年、60周年、抗战胜利70周年、庆祝中国人民解放军建军90周年以及国庆70周年阅兵仪式，在同类军车市场占有率超过90%，在国防建设中立下了赫赫战功。
陕汽作为中国首批整车及零部件出口企业，一直积极响应国家“一带一路”建设倡议，在阿尔及利亚、肯尼亚、尼日利亚等15个“一带一路”沿线国家建成了本地化工厂。设有40个海外营销区 , 300家一级经销商、380余家服务网点、30家配件中心库，产品远销140多个国家和地区，出口量保持行业前列，已发展成为“一带一路”上的一颗璀璨明珠。
陕汽是我国商用车行业服务型制造的领导者，打造了行业领先的陕汽中集一体化合作模式，始终坚持关注产品全生命周期、客户经营全过程，打造了中国商用车行业领先的以“物流及供应链、供应链金融和车联网”为核心的一体化全价值链、全生命周期服务平台，持续助推我国商用车行业转型升级。
1 管理需求和挑战
深度拥抱大数据、AI持续推进行业、企业数字化转型是供给侧改革、升级必由之路。在国家近些年不断完善对于数字经济和数字化人才培养的战略布局以及重卡行业竞争激烈等大背景下，陕汽为响应国家数字化转型政策、适应行业发展趋势，自2019年就开始就以大数据项目引领、 逐步实现商业模式智能化、一切业务数字化、运营管理精细化，充分挖掘数据价值，积累数据资产，实现集团数字化转型。
2020年，公司依托大数据分析平台，配合业务部门在质量、研发和销售板块进行了大数据分析应用探索，数据开始成为业务价值创造的驱动力。同年，基于数据湖平台规划，陕汽启动大数据分析及可视化平台建设项目，建设数据智能应用，支持企业的运营管理和市场开拓能力，建立覆盖全业务的数据生态，充分利用数据创造业务价值。为加快集团数字化转型进程，进一步挖掘数据价值，提升集团数据运营能力，2021年建立集团统一的运营分析可视化平台，搭建企业级指标体系，以经营指标和财务数据为核心，构建决策分析平台，建设集团本部各部门及子公司的管理驾驶舱。
陕汽2022年工作纲要中提出“加快数字化转型，优化管控体系，释放改革活力，增强发展动能”的要求，结合公司数字化转型工作进展，为进一步加快公司数字化转型步伐。另外集团和集团各部门对数据共享、数据应用与服务的需求范围进一步扩大，对数据质量要求也进一步提高，对集团数据运营能力也提出了更高要求。在此背景下，多个数据分析的试点应用也在公司范围内进一步掀起了数据分析热潮，数据分析应用的需求如雨后春笋般应运而生，随之而来的困难和挑战也接踵而至：
数据文化意识薄弱：数据分析只在一些经营管理单位，其他一些生产单位及业务人员根本不了解数据，也不知如何做数据分析，也不清楚数据分析能带来哪些好处，运用数据进行决策和管理的意识不强。
数据分析人才匮乏：信息技术部目前以项目建设为主，未设置专门的数据分析岗位，业务部门数据需求难以响应，团队数据分析人才匮乏；业务单位数据分析人员也仅仅基于Excel在线线下做一些传统重复的数据分析，缺少专业的数据分析工具、数据分析思维和方法。
缺乏数据治理和管理制度：管理流程不完善，数据标准、数据架构、数据安全、数据质量、数据共享等领域如何实现业务和技术协同成为棘手问题。另外，数据治理组织不健全，责任矩阵建立不起来，权责利不明晰。因此，业务对于数据应用的优先级如何权衡，数据质量问题由谁负责，跨域数据应用怎么裁决，这些问题时常困扰着业务部门和技术部门，严重影响了数据价值的高效发挥。
数据运营能力弱，价值释放不显著：对于数据资产怎样运营缺乏思考，数据深度分析能力弱，在公司的战略决策、经营效率提升、客户体验以及品牌打造上支撑能力不足。同时，数据未被充分利用，无法为业务创造实际价值，数据应用场景有限，未能实现预期效果。
因此，数字化已成为企业发展的重要驱动力。为了提升企业的核心竞争力，加强数字化人才队伍建设至关重要，提升企业IT人员数据管理和应用支持能力、业务人员数据管理和分析能力、为企业培养一支具备数字化思维、掌握数字化技能的高素质人才队伍的任务迫在眉睫。
2 培养方案
实施目标
为深入学习贯彻习近平总书记视察陕汽重要指示精神，加快推进“新技术、新产品、新模式、新业态“的落地实施，在全公司范围营造数据探索的良好氛围，传播丰富、扎实的数据统计分析知识和数据治理知识，培养数据分析菁英，打造企业数字化团队，使得“沉默的数据”活跃在业务分析之中，有效解决数据分析人员“没数据”、“没工具”的窘境，满足管理层通过数据反映真实业务运营、辅助业务决策的需求。同时逐步建立起“用数据说话”、“用数据管理”、“用数据决策”、“用数据创新”的良好秩序，做好数据资产的积累，实现“以用户为中心，以数据为驱动力，应用数字化技术，实现陕汽业务创新，提升客户满意度与产业竞争力”的数字化转型战略目标。
实施原则
由点到面，由少到多，由集团到子公司，全面培养公司的数字化人才，让企业每个人都能掌握数据分析技能，提升数据分析思维，更好的让数据发挥其真正价值，做好数据资产积累。
具体整体实施思路如下：目前陕汽22-23年的数字人才建设工作覆盖了阶段1和阶段2，未来将持续向阶段3发力。
三、实施过程
（一）第一步：点状开展，培养专业信息化数字化人才
陕汽信息技术部目前有113人，共设立9个科室。部门始终坚持“持续学习、追求卓越、拥抱前沿、驱动变革”的IT价值观，以“深化信息技术应用，为企业创造更大经济效益和社会价值”为IT使命，为企业各单位做好技术服务。自2019年起，为满足公司生产运营中的数据应用需求，基于企业整体数字化推进思路，信息技术部先后开展了大数据平台、质量大数据、数字化运营平台等技术平台和基础应用建设，同时对公司数据管理体系进行整体规划：目前大数据领域分为三个板块，即数据治理、数据开发和数据应用分析工作，因此部门亟需培养专业的数据分析人才和数据治理人才。
作为数据分析需求的核心负责人，部门秉持“打铁还需自身硬”的信念，于2022年3月精心策划了“全民分析师挑战赛”。此次活动不仅是我们公司数据分析人才培养的起点，更是迈向更高层次数据能力的一次重要尝试。
本次活动旨在以“精简高效、聚焦实效”为原则，深入挖掘和培养部门内部的数据分析精英，构建一支专业且高效的数据分析团队。我们的目标是加速员工数据分析技能的提升，快速响应不同部门的数据分析需求，共同推动企业数字化转型的进程。此次活动面向信息技术部全体员工，整个流程分为“选题上报、专业培训、成果评审”三个阶段。在技术应用与开发室的精心组织下，我们制定了详尽的培训计划和方案，并特邀帆软老师作为技术顾问提供全程支持。活动吸引了59名来自8个科室的员工参与，他们围绕研、产、供、销、管五大业务板块，共同开展了14个课题的研究。
在培训阶段，我们强调了对“需求分析-方案设计-数据开发-应用开发”全流程的深入理解与实践。通过详细解读数据需求，我们帮助学员们掌握需求拆分与理解的方法。同时，我们还教授了Axure工具的使用技巧，助力学员们更好地展示需求内容。在数据开发环节，我们以LeapHD为工具，详细介绍了数据开发流程和组件功能。而在应用开发阶段，我们以fineBI工具为主，辅以fineReport，全面培养了学员们的BI工具使用能力。整个培训过程注重理论与实践相结合，确保学员们能够真正掌握所学技能，并在工作中熟练应用。
此外，我们还鼓励学员们积极参与认证考试，以检验自己的学习成果。最终，多名学员成功通过了初级和高级认证，充分证明了本次培训活动的有效性和实用性。
紧接着通过作品制作，将本次培训的内容加以应用。由技术部领导、专家和帆软专家团队共同成立评审团，对14个作品进行了评审，最终产生了8个优秀作品。
同年8月，信息技术部组织开展了“人才培养菁英计划”活动，以“项目经理训练营”和“需求分析实战营”为主要培养方向。该活动动开展的目的主要是使得建设运雏与开发更加高效协同、同时弥补IT项目经理和开发人员能力短板，快速提升IT项目能力和自主开发能力，提高核心竞争力，应对因核心人才流失、人才无备份的问题，建立起人才梯队，优化人才配置，更好的为企业做好服务。
项目经理训练营由IT项目管理专家-导师和IT项目经理-学员组成，导师组共4人，学员组共20人，通过学员自我项目介绍+导师翻牌形式确认每个导师的学员，成立团队。本次活动共分为项目管理制度精讲、项目管理知识自习馆、我的项目我来讲“海选组队”、项目管理主题分享和“项目管理一起学“翻讲PK五个阶段，每阶段会记录学员的得分情况。“需求分析实战营”以“学习+实战”相结合的方式，分为需求调研、需求分析和原型图设计三个阶段，每阶段均有输出物，通过课程学习情况、输出物质量和讲解情况综合得分。
本次人才培养活动形式有讲师授课、自主学习、学员分享、辩论赛、实操练习，形式多样，提高员工的参与度和学习效果。通过本次培训让员工熟悉和掌握项目管理的基本理论、方法和工具，提高了项目计划、执行、监控和收尾的能力，了解敏捷开发的基本原则和实践，提高了快速响应市场变化和客户需求的能力。通过跨部门项目实践，提升了员工的团队协作能力和沟通技巧及实际操作能力。
（二）第二步：集团牵头，为各业务单位培养数字化菁英人才
为进一步加快公司数字化转型步伐，使得“沉默的数据”活跃在业务分析之中，有效解决业务人员通过数据反映真实业务运营、辅助业务决策的需求，2022年6月，公司劳竞委决定按照“夯基础、重落地、见实效”的总体思路，由集团信息技术部牵头，联合工会、运营管理部开启了以“开启数据分析之旅，践行业务增值之诺”为主题的数据技能提升劳动竞赛系列活动。本次活动旨在全公司营造数据探索的良好氛围，传播丰富、扎实的数据统计分析知识，使得各单位及权属子公司数据分析岗职工掌握利用数据分析工具对业务场景呈现的技能，提升全员的数据管理、数据分析能力，营造数据分析文化氛围，加强数据人才培养，努力打造一支最懂陕汽业务的数据人才队伍，同时能聚焦业务实际问题，采用真实业务场景，结合管理需求，绘制业务解决方案并落地应用，将成果落实于实际工作中，提升工作效率，展现数据价值。
本次活动面向集团各单位，计划为期三年，总体思路三个阶段：
第一阶段 夯基础：夯实基础，技能突破
通过学习学习数据统计分析理论掌握数据分析工具技能。
第二阶段 重落地：注重落地，探索价值
通过自身所学，利用真实数据呈现真实业务场景，让业务单位用户真正依靠数据发现和并解决业务实际问题。
第三阶段 见实效：业务改善，价值量化
通过数据分析利用，制定解决措施，驱动业务改善和双效提升。
每届数据分析活动为期六个月，精心划分为四个阶段：培训、课题上报与评审、作品制作、以及初评与终评。活动采用“理论导入+动手实践+结合业务+组团攻坚”的形式，旨在避免抽象概念的遗忘，确保学员能够高效学习并充分掌握技能。在作品制作阶段，已通过认证的信息技术部人员积极参与其中，他们利用自己的专业知识和前期所学，协助业务单位的学员解决数据问题和工具日常使用中的难题。同时，帆软老师也积极介入，从专业的角度为学员们提供解决方案，帮助他们顺利推进项目。评审阶段更是严谨而专业。我们邀请了公司各板块的领导、专家以及帆软的高级专家组成评审团队，从业务和技术两个维度对作品进行细致评审，给出专业意见和得分。这不仅是对学员们努力的肯定，更是对他们技能的锤炼和提升。截至目前，我们已经成功举办了两届数据分析活动。第一届活动实现了大规模的数据应用推广，让更多的人认识到了数据的重要性。而第二届活动则进一步推动了大家利用数据工具深化业务价值，为企业的发展注入了新的动力。这两届活动不仅提升了学员们的数据分析能力，也促进了企业内部的数据文化建设和业务发展。。
经过两届活动的成功举办，共有来自40家单位的近700名业务人员积极参与了数据分析培训。在此期间，他们共完成了七天打卡营、理论培训、基础功能培训、实操培训共计5830学时的课程学习，其中160人成功通过初级认证，更有2人脱颖而出，获得了高级认证。值得注意的是，BI设计人员的队伍也实现了显著增长，从原先的几十人迅速扩展至现在的上千人规模。各单位人员在日常工作中使用BI工具进行数据分析的频率也大幅增加。此次活动中，各单位共提交了111个参赛课题，经过激烈的角逐和评选，最终产生了42个优秀作品，这些作品覆盖了企业研产供销服等各个关键业务板块。这些成果不仅得到了广泛应用，持续助力库存管理、销售分析、财务管理、信息化中台等多项重要业务，预计可为企业整体降低成本近1000万元。
通过系统的培训，学员们不仅掌握了数据分析工具的基础操作，还深入学习了数据分析方法、流程以及思维。他们不仅汲取了其他企业数据分析的成功经验，还将其总结归纳，形成自己的知识宝库。更重要的是，他们能够结合具体业务场景与数据，运用所学知识进行实战演练，共同完成了多个规划分析场景，有效挖掘了数据的潜在价值，并制作出了一系列指导业务提升的数据分析看板。
两届活动下来，学员们普遍反馈，BI工具对他们的日常工作产生了巨大的积极影响。不仅工作效率得到了显著提升，数据准确性也大幅提高。此外，培训还促进了业务人员特别是团队队长在团队管理、团队协作、沟通协调等方面的能力提升，许多普通员工因此晋升为单位管理人员，为企业的发展注入了新的活力。
（三）第三步：问题导向，IT与业务结合，推进全能型数字化人才建设
随着公司信息化、数字化的深入应用，各业务部门逐步认识到企业数据的价值，对主价值链及核心业务数据的挖掘与利用提出更广泛、深入的应用需求。而目前公司数据应用存在诸多问题（如数据难溯源、数据难整合、数据不准确、更新不及时、数据不安全等)，导致数据应用受阻，业务无法快速通过数据进行分析决策。因此，进行企业数据综合治理已成为公司数字化转型必须面临的紧要任务。同时，近年集团各子公司数据产生的速度快、数量大、类型多、存储分散，因缺乏统筹管理和协调的数据管理组织和沟通机制，无法有效将各子公司数据标准化、规范化汇聚、加工、应用，无法发挥数据对集团销售、生产、经营的有效支撑，影响对集团产业的横向协同赋能。因此，公司层面有一个专项的数据资产管理组织尤为重要，能面向公司，组织协调改善各类数据业务、流程的执行效率。另按照信息技术部整体人才培养规划，成立数据治理组织，培养数据治理人才迫在眉睫。
数据治理工作承担着治理架构设计、数据标准、数据资产、数据质量、数据安全等重要职责，是数据平台及最上层数据应用的基础底座。而在这个过程中，独立的数据资产管理组织和数据治理人才是数据治理体系落地的重要承载，同时也承担着面向公司组织、业务及流程执行层面的协调改善工作。基于此，2022年6月陕汽成立数据资产管理管理委员会，同时将数据资产管理的实体组织设立在信息技术部，成立“数据治理室”。
数据资产管理委员会组织按照目前比较普遍的集中式数据治理组织策略规划，形成向上需求驱动和向下管理驱动的运营型组织模式。
整体规划三层：分为决策层、管理层和执行层。
1）决策层是数据资产管理委员会，由集团公司领导组成；领导小组指导集团数据治理方向，解决数据管理争端，推进协同工作，调度协调数据治理过程中的重大事项。
2）管理层是数据资产管理办公室，由信息技术部部长和各业务分管领导组成；办公室负责数据治理的具体执行落地工作，根据领导小组相关方向与决策，落实数据治理管理办法、相关标准执行，信息系统改造，数据质量稽核。
3）执行层由公司本部各部门数据管理专员及子公司数据管理专员组成（子公司参照陕汽控股数据资产管理组织架构设置子公司数据管理专项组织）。负责管理专员负责各部门、各生产厂相关数据问题的对接执行处理，包括数据需求、数据质量、数据安全、数据标准等。 协助各数据管理组完成专业管理域的工作。
同时数据资产管理办公室结合公司数据现状，制定数据治理体系文件，包括1个程序文件“数据资产管理控制程序”和细化的八个作业文件（数据资产目录、数据认责、数据标准、数据安全、数据质量、数据生存周期、元数据、数据共享），有效支撑数据管理工作的落地执行。
组织成立后，数据资产管理办公室定期组织各种内外部培训，组织内部专家或专业人士开展培训课程，涵盖数据治理的基本理论、标准、流程和实践等方面。通过案例分析、角色扮演、小组讨论等多样化的培训方式，提高IT人员和数据管理专员对数据治理工作的重视度、参与度和学习效果。另外公司鼓励员工参加相关的数据治理培训课程、研讨会或行业峰会，增加数据治理人员的专业知识和经验，截止目前公司已有7人通过数据治理CDGA认证考试。与此同时，2023年9月份开启了数据治理平台建设项目，项目组团队中既有数据资产管理办公室人员，也有IT人员和业务单位的数据管理专员，本次项目通过开展营销域和采供域的数据资源梳理，建立各域的数据资产目录，建立数据标准、数据安全等级和质量规则。通过开展数据治理项目，让IT人员和各单位数据管理专员深入参与到项目中，提高数据治理人才的数据治理理解和意识，让其在解决问题的过程中不断成长，不断提升数据治理能力，进而推动提升数据质量，更好的推动企业数据资产的运营。
（四）第四步：推广应用，各单位打造自己的数字化菁英人才
在集团层面成功举办数据分析劳动竞赛后，其深远影响迅速辐射至集团内的各单位和子公司。这些单位纷纷意识到数字化人才培养对于企业发展的重要性，因此，它们纷纷在本单位内部积极组织开展了二级劳动竞赛。德信集团、车身厂、车架厂、销售公司、汉德公司等纷纷响应，将集团竞赛的精神与模式内化，各自组织了精彩纷呈的内部二级竞赛。此次二级竞赛共吸引了约500名员工的积极参与，并诞生了50多个优质的数据分析作品。
这次广泛的推广不仅极大地提升了各单位、子公司员工对数据分析的认知度和学习热情，更让他们深刻体会到数据分析在当今时代的重要性。通过竞赛的锤炼，各单位均取得了显著成效，为集团的整体数字化人才培养进程注入了新的活力。
3 典型成果
经过为期两年的精心数字化人才培育，各单位的数据分析团队凭借所学的专业知识和技能，结合先进的BI工具，成功地将理论知识融入到日常工作中。他们针对工作实践中遇到的痛点与难点，精心设计了多个具有针对性的数据分析场景方案。在深入分析后，这些团队基于数据洞察制定了切实可行的整改措施和策略，这些举措不仅优化了工作流程，也提升了业务效率和决策质量，从而实现了显著的价值转化。以下将展示一些在实际操作中产生的杰出作品案例，它们充分证明了数字化人才培训带来的积极影响和深远意义。
3.1 场景一：涂装生产过程大数据管理与应用
一、背景及目标
随着公司数字化转型升级，在车身厂的主导和鼓励下推进数字涂装建设，改善因生产工序长、组织刚性强、成本消耗高、管理难度大的现状。
通过大数据管理与应用，识别影响生产组织的瓶颈问题，深挖影响生产节拍损失的原因，为生产信息决策提供依据和支撑，使生产信息传递更加高效、透明和准确，智能化水平上升一个新台阶。
基于生产过程主要目标：
建立基于涂装生产过程的数据统计分析机制
实现业务管理数字化、信息化
面漆线平均综合节拍稳定在18JPH以上
单车能源消耗较2022年同期降低5%
二、行动方案
第一步：解决有数据可利用的问题。
依托中控上位机采集机器人、空调、烘干设备等各PLC控制系统中数据，做到实时采集、实时传输和转换，通过数据模型转换和编码公式转换为生产需要的数据。
第二步：对数据的初级利用和深度。
系统设计坚持以问题导向，基于FineBi及Report等工具为依托，建立能够反映涂装整体生产组织数据分析框架及运算模型，旨在识别生产瓶颈问题，深挖生产节拍损失的根本原因，为生产决策提供可靠支持，使生产信息传递更加高效、透明和准确。
建设成果
生产管理系统：通过驾驶室在线喷涂时间、数量、车型、颜色的识别统计，累计实时计算生产节拍、成本投入、准确识别生产过程影响因素，综合评价生产组织的有效性，给出AI建议。生产管理结合运行数据，确定了调整、迂回、联动、限制等生产迂回方式，切实使涂装生产做到实时管理。
能源管理系统：基于生产管理系统实际，通过核定单位时间内水、电、燃气消耗，实时对比生产与能源消耗和月度单车能源、同时对非生产时段能源和电泳烘房燃气消耗损失时间监控、实现了面漆线生产与车间能源消耗同步管控。
设备管理系统：为了降低设备故障以及维修成本；解决工艺瓶颈；减少返工及浪费等。系统可导入预防检修计划和设备巡点检标准，与绩效激励机制相结合，开展预防检修工作，保证设备的平稳运行，同时建立面漆设备综合效率在线采集，围绕设备、人员、工艺、质量等方面实施改善，提高生产效率和竞争力。
效果与价值
通过本次分析，我们分析结论或暴露出影响涂装生产节拍稳定的外部因素：1)受总装节拍和装焊节拍的影响较大；2计划内小颜色的数量和颜色切换时换色拉线的频次；3)生产过程设备故障以及机器人保养时间。
通过本次分析，在线采集驾驶室设备时间、数量、车型、颜色的数据，累计实时计算生产节拍、能源消耗、准确识别生产过程影响因素，与标准数据进行比对，综合评价生产组织的有效性，深挖生产过程节拍损失时间，使涂装生产组织做到实时优化调整，使得平均面漆综合节拍较2023年增长1.63JP，机器人清洗由25分钟/次降至15分钟/次，可每小时多生产1.6辆车，每日节约能源1.05万元，生产效率提升10%。设备综合效率（OEE）从63%上升至67%，单车能源成本降低100.74元/辆，降幅17.8%，每年节约能源成本819.2万元。
总结与感悟
经过本次数据分析及竞赛过程相互学习，拓展了数据分析应用能力，提升了基于数据的管理能力。
提升了深度应用FineBI及Report.工具的能力，更重要的是增强了团队的凝聚力和自信心。
数据来源于生产，应用于生产，数据就是生产力，数据就是价值。
数据分析的本质和核心是对比。数据进行对比，才能突出它的价值，只有对比才赋予了数据真正意义的灵魂。
将数据分析与业务管理深度融合，形成了基于涂装生产过程的数据统计分析机制，服务与生产、服务于业务。
3.2 场景二：民品未售资源问题诊断及建模分析
一、背景及目标
运营管理部作为整车未售资源的归口管理部门，需不定时分析库存发现异常，提出产销存协同目标精准施策，但现有的分析主要依靠各营销部门提供的基础数据或信息部门配合，被动等待过程长，不能做到实时分析，且库存分析维度较多，线下逐一分析费时费力，需要一套批量分析模型和工具。目前在线下分析过程中暴露出主以下问题：
买断未售资源数据准确性无法保证
经销商的库存健康度度不知如何评价
未售资源有多少能够有效支持销售无数据支撑
滞留车消化的额外政策投入产出不能精准估算
车辆运营周期分段效率无法评价
本次分析主要实现以下目标：
1.统一数据统计标准：统一DMS系统买断未售数据统计标准并正式切换，拉通订单全周期节点数据实现分析应用。
2.围绕业务痛点建模：构建围绕业务痛点的分析评估模型，支持业务运行判定，确保资源合理分配，将资源风险控制在可控范围内。
3.开发全景分析看板：搭建“总分总”式资源管理业务全景分析看板，支持业务多维度、递进式展示及数据动态探源分析，实现分析效率提升50%。
最终实现未售资源全景动态管控模式设计及应用。
二、行动方案
第一步：获取准确的数据。
依据实际业务执行，反复测算获取最准确的数据。锁定数据所在的系统DMS系统及大数据平台，再根据日常数据统计现状，确认数据所在的系统界面，由信息化系人员根据数据需求将最数据抽取到大数据平台，进行初步加工处理后推送至BI系统。
第二步：根据要实现的目标建立总体分析框架。
以总-分-总形式展开框架搭建，先建立资源总体概览，再下探到营销区、经销商的层面进行库存结构的分析。接下来通过三个模型搭建，分别分析经销商健康度、测算资源保障能力以及分析政策投入情况。最后以整体运营周期视角，分订单类型、车型、经销商等维度透视交付效率，抛出提升全链条产销协同的解决方案。
三、建设成果
资源总览：
营销区分析：
经销商分析：
资源保障能力测算：
政策投入分析：
订单运营周期分析：
四、效果与价值
通过本次分析，实现了整车资源管理所涉及的各类数据分析和管控要点的线上集成，形成了一套集表象分析、应急救火到根本解决方案建议的“总-分-总”式资源管理分析模板，使现有数据资产的价值得到有效发挥。
通过建模沉淀业务实用经验：
经销商库存健康度模型可以评估经销商的库存健康度，提出资源管控和接单建议，降低风险和投入；
资源保障能力预测模型可以较为准确地预测有效资源对未来30天内销售的支撑程度；
额外政策投入测算模型可以测算滞留车消化额外投入的政策，便于精准把握消化时机，加快资源周转。
通过资源管控可减少近40万/辆的资金占用并节省利息以及消化积压车需额外投入的资源。另外，民品未售资源管控模式及分析看板可推广至进出口和商用车的资源管理，促进多板块管理协同。
五、总结与感悟
经过连续两届数据分析竞赛活动，小组成员熟练掌握了FineBI工具，能够将原本冰凉的数据通过收集、整理、分析等给赋予其生命，原先独立的业务板块和各类数据也合理地得到串联，更加直观、准确、高效的展示在业务人员、管理人员的面前，提升了大家的工作效率。同时，在协同创作及相互学习的过程中，极大增强了团队的协同攻坚能力和集体荣誉感，为后续拓展积累了宝贵的经验和人力资源。
3.3 场景三：服务渠道业务运营分析
一、背景及目标
截止目前陕汽在全国有 28 个营销区， 1300 家服务网络，覆盖了310个地址城市，服务网络经过多年的布局和管理，服务体系及框架均已形成规模，但目前服务网络质量参差不齐、渠道运营效率不高，完善网络建设和加强渠道运营管理、制定服务渠道运营评价管理办法以及相应的运营政策支持显得尤为重要。
基于此，利用BI大平台，建立服务渠道运营可视化和评价管理体系模型，实现：
服务网络可视化展示分析-完善服务网络布局；
渠道运营KPI分析-评价系统搭建，提升渠道运营能力；
服务费用分析-透明化展示及政策调整支撑。。
二、行动方案
本次数据分析围绕三大提升“提升产品竞争力、提升客户满意度、提升渠道积极性”强化服务网络建设与渠道管理的管理理念，以“整合数据-集成平台-分析数据-综合应用”为整体制作思路，主要通过服务渠道网络布局分析、服务渠道业务运营关键指标分析、服务渠道业务运营费用分析三部分展开分析，以点到面，从服务站- 营销区-整体进行深度剖析。
三、建设成果
服务渠道可视化布局图：可视化展示现有网络布局及服务能力；有效识别空白区域和服务热点区域，助力网络规划建设。从数据显示，通过服务救援半径分析，西南区域如拉萨、西宁、云贵川、新疆等区域网络布局有待完善，以缩短服务半径提升服务时效；通过空白区域分析，部分有销量的区县属于空白区域，在区县覆盖方面，需要进行网络布局；通过服务热点图分析，识别外出救援的热点区域需进行网络布局；通过产业链服务分析，需要加强法士特、康明斯等服务并站，提高一体化服务体验。同时，核心渠道占比整体较低需要提升核心渠道的培养。
渠道运营关键指标分析模型：月度指标核算展示，增加季度指标核算及分析，固化分析模板。针对渠道运营管理，我们通过KPI关键指标对渠道进行评价，引导渠道围绕公司目标，整体提升运营水平。如2023年2季度运营情况，参评渠道合计1110家，平均得分为62.53分。达标渠道682家，渠道运营达标率为61.4%，未达标渠道428家，占比38.6%；享受正激励渠道数量421家，享受负激励渠道数量418家，正激励渠道占比37.93%。以
此分析：40%渠道运营未达标，主要集中在弱势区域，整体运营能力较低，需要加强关注及政策支持；两级分化比较严重，中下游的渠道得分降低，需要加强引导及培育；从指标情况细分，部分指标如服务态度、一次完工率达标率在96%以上，需要调整指标。对运营得分低的渠道细分指标分析原因，精细化帮扶。
服务费用可视化分析模型：三包费用核算分析、重点预算费用、运营激励费用快速核算和分析，用于政策调整。通过服务站产生的费用及享受的激励政策进行分析，了解渠道运营情况。从整体费用分析，2023年三包费用较22年下降近50%，渠道运营下滑严重，600家服务站月均费用不足1万元，2023年优化退网渠道80家。从激励费用分析，正激励渠道数量38%，工时激励比例为24.93%,大多渠道未享受到企业的激励支持，影响渠道积极性。
四、效果与价值
通过本次分析业务提升点及成本节约：
通过网络布局分析，加强服务网络建设及一体化服务建设，可以缩短服务半径，提升服务时效，外出里程缩短可以降低外出救援费用的支出，如2022年外出救援平均为115KM,2023年平均为105KM,下降10KM,1-9月外出救援报单12万份，合计降低120万公里，按照4元/公里，可降低外出费用480万元；同时可提升服务满意度，经济收益无法量化。
渠道运营的分析，应用于渠道支持政策的精准投放及渠道积极性的提升；关键指标分析用于政策调整支持，对指标的精准分析，有助于渠道管理及指标的调整，避免出现盲目投入政策的情况。
费用分析，有助于对渠道运营风险的监控以及政策执行情况的分析，便于快速调整和制定最有利的政策。
售后业务的提升点和改善点需要从客户需求、成本控制、效率提高、质量管理、服务渠道拓展和数据利用等多个方面进行综合考虑和实施，本次分析使用的数据，可支持大多项目形成指标进行分析核算。
总结与感悟
本次分析内容，针对网络建设及渠道管理部分，可推广至陕汽商用车销售公司，用于陕商的服务网络建设及渠道KPI管理。本单位销售公司，可用于经销商管理KPI的指标分析。
有效的工具能够提升工作效率：FineBI工具的学习与应用，让数据分析变的简单高效 ，事半功倍。
团队协作很重要：全员参与，服务部成立数据分析小组，各业务科室积极参与。业务同事间的协作，将零散数据整合成集，信息部同事的帮助，将业务数据转换为模型。
数据分析需要业务支撑：从业务出发，提取有效的数据进行分析。业务人员需要学习数据分析。数据分析人员需要熟悉业务。
善于挖掘问题，也要解决问题：提升数据整理的能力-整合数据；加强挖掘问题能力-查找原因；培养解决问题的能力-找出方法；
3.4 场景四：车架厂能源数字化平台
一、背景及目标
扩能项目车架厂于2023年2月15日正式投产运行，其能源年消耗约1500万元，因无历史数据，能源预算、KPI指标均为理论计算，存在生产用能是否经济、指标是否合理性、非生产用能是否能关尽关，用能异常是否能及时发现，人工抄表工作量大等问题。需借助数据实时采集和数据统计应用解决用能过程中影响成本、能源利用率等问题，推进能源管理数字化建设，从而实现以下目标：
搭建能源计量物联网平台，能源计量体系实现100%数字化。
建立能源消耗数据监测、数据分析及统计模型，建立能源管理数字化平台。
精准确定用能成本经济批量点，指导和监督生产经济用能，降低单车用能成本6%。
用能异常反应时间缩减7天，及时捕捉异常数据，从事后分析原因制定措施转变为过程监控、实时控制。
二、行动方案
第一步：现场安装38个数字化计量仪表并进行联网，涵盖电、压缩空气、天燃气、水等4种能源，确保二级、三级能源计量100%数字化。
第二步：根据网络数据传输距离，采用不同的通讯方式进行能源计量数据实时采集。
第三步：搭建数据中心服务器，接收和存储计量仪表采集的数据。
第四步：FINEBI与数据中心服务器直连，为数据监测、统计分析提供数据支持。
第五步：分为五大模块建立不同的数据统计分析模型，以满足不同的数据统计、分析和决策业务需求。
三、建设成果
KPI指标检测：可视化展示现有KPI指标及其结果。
能源实时监测：根据设置的预警值，及时反应现有数据和与预警值的差距，提前制定措施，减少风险发生。
单日能耗分析：
能耗与产量分析：
四、效果与价值
通过本次分析业务提升点及成本节约：
实现能源财务指标和管理指标不同维度能耗统计，满足不同岗位对能源指标的运行需求；
能源数据实时采集、形象化动态呈现，帮助管理人员实现实时监控、过程管控, 细微异常可及时发现并预警，节能、用能心中有数！
通过数据分析，寻找生产排产经济批量点，为生产提供用能指导，指导生产用能效率最大化，助力成本费用控制；
通过分析制定解决措施，每月降低用能成本3.4万元。
五、总结与感悟
经过本次数据分析及竞赛过程相互学习，拓展了数据分析能力、提升了数据管理思维。
通过对FINEBI的操作学习，本单位多名员工取得FCA-FineBI证书，具备数据分析及FineBI系统操作能力，为基层业务人员从业务处理向通过数据分析，识别异常到业务管理转型奠定基础。
形成了基于数据决策的思维模式，真正理解了数据就是生产力，数据就是价值。
3.4 场景五：基于需求的库存动态调整及生产预警分析
一、背景及目标
2021年重卡市场需求断崖式下跌并持续低位运行，在行业“寒冬”之际，成本摆在了企业生存和持续发展首要位置。
汉德公司2022年确定了“攻关年”年度工作总基调，开展成本、质量等专项攻关。由于多品种小批量的生产模式，截至22年7月份桥二厂物料存货占生产系统39%。同时从22年初至7月份，库存金额与出库金额比值持续上升，表明生产组织对库存的依赖性持续增强。为此制定以下目标：
基于现状快赢目标：时间缩减7天，及时捕捉异常数据，从事后分析原因制定措施转变为过程监控、实时控制。
基于管理长期目标：建立基于需求的安全库存规则和建立基于需求的精准排程机制
二、行动方案
为了达成实施目标，经讨论评审，我们确定了异常预警、管理规范两个分析维度。
维度一异常预警：借助FineBI平台数据的快速展示功能，通过数据分析，实现物料库存结构、库龄、积压件、产品齐套率的分析、展示。便于管理者及时获取库存数据，进行调整；
维度二管理规范：借助FineBI平台强大的数据逻辑计算功能：通过对月/周/日需求、现有库存、产能等经过一系列逻辑计算，建立安全库存规则，并实现实际库存与安全库存的对比预警，同时解决哪一天生产、生产多少的精准排程问题。
三、建设成果
维度一-库存结构及积压件：对成品、半成品结构、库龄、积压件原因、积压时长进行分析，通过调整半成品库存、针对性处理积压件，实现库存结构合理性、积压件处理及时性。
维度一-产品齐套率分析：通过产品齐套率进行分析，明确子件间的数量差异，便于及时调整生产组织，提升库存储备实用性，杜绝无用库存。
维度二-安全库存建立：以月度需求为前提，以实际产能为基准，实现次月淡旺季判定，进而确定领先周期，同时结合周需求、加工周期、换产时间、共线产品数量、经济配送原则，按照影响力大小及一定规则核算安全库存。
建立基于周/月度需求的库存动态调整机制。
维度二-生产精准排程：以以需求为牵引，以实际库存为关注点、以安全库存为准绳。通过三者运算、对比，即可实现哪些产品在哪一天需要生产、生产多少。
建立基于需求及安全库存的精准排程规则。
四、效果与价值
以2023年1-5月数据分析，通过本次分析业务提升点及成本节约：
效益提升：投入产出比提升0.29%。
材料节约：成本节约68.84万元
风险预警：对产品库存、废品率变化、过程浪费有效预警。
五、总结与感悟
经过本次数据分析及竞赛过程相互学习，拓展了数据分析能力、提升了数据管理思维。
通过本次数据分析，不仅提高了生产的投入产出比，提升了深度应用ERP及FineBI工具的能力，更重要的是增强了团队的凝聚力和自信心！
数据本身没有意义！只有应用到生产运行过程中，对整个过程控制行为产生影响时，才能成为有效信息！
4 总结与展望
数字化人才培养旨在为企业培养一支具备数字化思维和技能的高素质人才队伍，提高企业的核心竞争力。通过一系列人才培养活动，陕汽数字化人才队伍已经初步建立，并且已经为企业在销售、研发、生产、服务和管理各板块的提质增效和降本方面带来了较大的提升，产生了明显的效果。目前陕汽的数字化人才的建设才刚刚起步，虽已取得了不错的成果，但还需继续完善，将继续朝着第三阶段，围绕业务创新，数据资产积累等方面建设数字人才，实现“强变革、抓机遇、谋进位”的发展目标，未来的建设道路还任重而道远。其中，信息技术部作为企业的IT服务部门，将会继续围绕公司人才培养战略，结合企业管理需要和前期经验，顺应时代技术改革和技术要求，不断完善和优化企业数字化人才培养机制和策略，提升数据价值，让数据真正赋能业务，让数字化人才队伍成为陕汽数字化转型的有力保障，也成为陕汽继续引领中国重卡行业发展的保障。我们期待看到员工在数字化思维、技能水平和实践能力等方面的显著提升，为企业数字化转型和长期发展提供有力的人才保障。同时，我们也将不断优化和完善数字人才培养内容，，以适应不断变化的市场需求和技术发展趋势。
