打破数据壁垒，数据驱动效能跃迁
——中国一汽数智化转型之路
1. 企业简介
中国第一汽车集团有限公司是国有特大型汽车企业集团，是国家“一五”计划重点建设项目之一。中国一汽经过七十年的发展，建立了五大生产基地，构建了全球化研发布局，拥有红旗、解放、奔腾等自主品牌和大众（奥迪）、丰田等合资品牌，累计产销汽车超过5700万辆，销量规模位列中国汽车行业第一阵营。
中国第一汽车集团有限公司企业标识（品牌标志）
2022年中国一汽入选“2022年智能制造标杆企业” ，获得“中国年度最佳雇主30强”称号；2023年红旗品牌价值1155.29亿元，位列乘用车品牌行业第一；解放品牌价值1187.76亿元，位列商用车品牌行业第一；中国一汽以87,679.4百万美元营收，入选2023年《财富》世界500强排行榜，排名第131位。
当前，中国一汽坚持以习近平新时代中国特色社会主义思想为指导，坚持高质量发展“硬道理”，全面推进“531”规划纲要，坚定信心、开拓奋进，创新创造、干事成事，全力向“把中国一汽建设成为用创新的产品和服务不断创造价值的移动出行科技公司”奋勇前进，努力为强国建设、民族复兴伟业作出新的更大贡献。
中国第一汽车集团有限公司总部大楼
2. 业务挑战及需求
2.1传统汇报方式耗时耗力，缺乏便捷可视化手段
20年集团开始进行数字化转型前，大部分的汇报工作仍然依赖于传统的OFFICE文档，缺乏现代化的可视化工具支持，传统的汇报方式往往依赖大量文字叙述和静态图表，难以在短时间内抓住听众的注意力，使得关键信息的传递效率大打折扣。
同时，传统方式处理大量数据时显得力不从心，难以进行深入的数据挖掘和多维度分析，使得数据分析往往浅尝辄止，得不出有价值的结论和指导。但是如果采用系统开发的方式进行可视化看板开发，不仅耗时漫长，而且成本高昂，一旦需求发生变化，就需要重新经历漫长的修改-测试-部署周期，也并非高效的解决方案。
综上所述，缺乏可视化工具的支持，不仅影响了汇报工作的效率与效果，也限制了团队在数据分析方面的潜力。引入高效便捷的可视化解决方案，已成为提升集团汇报质量和决策效率的关键需求。
2.2如何呈现企业真实的运营状态，不同人对指标的理解并不一致
在集团数智化转型的大背景下，业务人员在筹备汇报内容时，面临着将业务现状具体化为数字语言的重大挑战。如何巧妙运用数字化的思维方式，精确量化复杂的业务场景，构建起一套既科学又贴合实际的指标体系，进而高效地执行数据分析任务，成为了一个难题。
在营销领域的汇报中，汇报人员意图依托AAK（Anlieferung an Kunden ，交付给客户的数量）这一核心指标，精准描绘当前销售现状。然而，孤立地审视当期AAK数值、缺乏至关重要的历史与竞争参照——包括上月表现、去年同期水平，乃至竞争对手同类车型的比较，就难以准确评估业务的真实运营状态。这种缺乏上下文的单一数据点，犹如断章取义，难以揭示业绩变动的趋势与动因。
 更进一步，那些长期在绿灯区徘徊、看似稳定的指标，实则可能掩盖了深层次的问题与改进空间。在平静的表面下，可能隐藏着增长乏力、市场敏感度下降或是创新停滞等隐患。此类指标虽看似令人安心，却如同温水煮青蛙，减弱了对潜在危机的警觉性，阻碍了企业追求卓越、持续优化的步伐。
指标长期绿灯，则无指导意义
同时，指标口径、维度的不统一，也会带来数值上的差异。在某一次汇报中，出现了两份报告的AAK指标数值不同的情况，两份报告AAK相差108台，细致核查后发现是两份报告采用的指标计算口径不同导致的数值差异。
|
报告
|
AAK数值()
|
口径
|
|
《集团主要经营指标日报》
|
6268
|
全口径AAK
|
|
《集团客流点检报告》
|
6160
|
C端AAK
|
两份报告，相同的指标，但是数值不同
该事件暴露了“指标缺乏结构化管理、各级管理人员对指标的理解不一致”的问题，不仅减损了决策层对汇报数据可靠性的信心，降低了后续决策的精确度与响应速度，而且还额外牵扯了宝贵的资源，用于追溯和点检这些差异。
指标数据在公司战略规划与日常管理中扮演着举足轻重的角色，其准确性直接影响到决策的有效性，错误的数据导向可能导致严重的决策失误。因此需将指标作为关键业务对象进行结构化管理，统一指标命名规范，发布指标卡片，保证指标定义清晰，业务含义理解一致，以确保每位数据消费者对指标的理解高度一致，从根本上消除因口径不一引发的数据混乱。
2.3多数据源、多加工链路难以保证数据准确性
在集团数据中台搭建之前，企业面临着一系列严峻的数据管理和分析挑战，这些问题严重制约了决策效率与业务创新能力。
企业内部各部门独立运作，各自拥有专属的数据源，如ERP系统、CRM系统、市场营销数据、社交媒体数据等，形成了数据孤岛。这些分散的数据源缺乏统一的接入与管理机制，导致数据采集和整合过程复杂低效，难以确保数据的完整性和时效性，从而影响了数据的准确性和可用性。
由于缺乏统一的数据流转和处理框架，数据在多个系统间流转时，经常发生格式转换错误、信息丢失或重复计算等情况，导致数据差异显著。这种复杂且混乱的数据流向不仅增加了数据一致性和准确性的管理难度，还严重影响了基于数据的决策可靠性。
多个数据源头，复杂混乱的数据流向必然带来数据差异
综上所述，集团需要一套统一的数据管理、运营方案，对相关数据进行资产化管理。
2.4顶层会议决策难、效率低、运维工作量大
集团顶层会议场景是集团内BI看板最为重要的应用场景之一，看板从制作到审核到应用涉及到业务部门、报告行管、集团高管等多个角色，而这冗长的顶层会议管理流程中暴露出了以下几点问题：
① 报告数据准确性差：存在未经治理的指标私自上会的情况，导致无法通过数据来判断业务问题原因的真实性；
② 报告审核周期长：线下汇报审核，报告反复修改；
③ 一次汇报涉及多触点：每次会前在帆软开发报告页面，在宜搭提集成申请，在驾驶舱PC端查看会议内容；
④ 业务报告人员变更之后，不了解顶层会议管理规范，出现菜单名称不符合规范等问题；
⑤ 无法高效的完全按照规范来约束业务汇报的内容、范围、形式，每次会前需要人工审核5类、11项内容（每次会前投入40小时审核工时）；
诸多问题导致顶层会议决策难、效率低、运维工作量大。
2.5自助分析成本高，找数据、理解数据困难重重
随着帆软工具在顶层会议、部门级会议等场景的推广，它逐渐成为各业务部门进行日常数据可视化与分析的首选工具。然而，用户在实践过程中频繁遭遇两个核心挑战：数据从哪里来与各字段都是什么含义，这一难题在跨领域数据分析课题中表现得尤为明显。
例如，在产品策划阶段，产品团队力求通过数据分析精进产品规划策略。为了获得全面洞察，他们需融合营销数据以支撑决策。尽管这些营销数据已经历了严格的指标管理和模型构建，跨领域的背景仍导致信息壁垒。对产品团队成员而言，即便是应该从哪里获取相关数据也需要很大的沟通成本。进一步地，即便数据到手，每个数据字段的含义理解及其有效运用亦需要额外的学习投入，这无疑又增添了一重门槛。
这种情形并非个例，它普遍存在于不同部门间的数据共享与分析之中，共同推高了自助式数据分析的成本。
3. 解决方案
基于以上的挑战与需求、以及集团的数字化建设规划，在2024年制定的年度工作部署“6146”规划里，分别在“6条要求”和“4大突破”中对集团数字化建设提出了明确要求。
着重要求强化数智技术应用赋能，加快企业全价值链、全体系、全过程、全岗位、全员的数智转型；明确了全价值链业务100%在线化，决策智能化率超50%的量化指标。
3.1 数据工作台
为了解决上述各项问题与挑战，中国一汽踏上了数智化转型之路，其中一项重要的工作内容就是建设了基于云原生理念的数据工作台，数据工作台覆盖了数据采集、数据治理、数据建模、数据服务等数据应用全流程，服务于各领域数据消费者、数据管理者、开发者以及数据行管，以“智能工作流”方式驱动核心数据业务开展，打通八大作业平台，涵盖统一数据资产查询、自助BI定制、工作流程管理、实现数据能力复用、数据资产高质沉淀，支撑数据服务消费、指标治理、信息架构治理等核心业务孪生。
数据工作台通过固化数据治理体系，打造“服务+自助”便捷、清洁数据消费模式，赋能业务数据分析能力，为企业的业务运营提供高效、灵活的支撑，为行业输出数据治理体系能力。
数据工作台愿景&价值主张
数据工作台建设不仅是一个应用平台的上线，更为了固化企业的数据治理体系、培养数据生态、提升数据分析能力、高效灵活的支持企业运营，最终让智慧数据驱动，使能卓越运营，打造智能企业。
数据工作台产品蓝图
数据工作台底层基座部分采用云原生技术架构；应用侧将集团的业务系统源数据在数据中台内进行标准化的框架梳理、质量管理、资产入库、主数据管理、指标管理、数据入湖以及数据分析、数据服务；管理侧制定了从数据需求提交管理、数据治理、数据开发、数据应用以及数据全生命周期管理；前端应用支持自定义工作台首页，定义个人应用中心及数字伙伴；
一个平台串联全价值链业务数据，实现业务100%在线化，并为决策智能化提供坚实的基础平台。
3.2 指标治理
背景
中国一汽结合指标数据治理实践，形成一套完善的指标治理工作方法。由业务单元产生指标，保证指标的业务来源可追溯，在数据探源过程中调用信息架构治理能力和数据质量管理能力，保证指标的数据源可信可靠，最终交付数据服务支撑BI驾驶舱及自助分析数据消费。
指标治理业务架构
方案
构建“五阶十六步”指标治理方法用于指标管理与开发，同时搭建指标资产平台管理指标治理过程
中国一汽指标治理五阶十六步
关键要素：
- 基于数据项识别业务要素：数据负责人依据指标拆分出的数据项，判断其对应的业务要素BI
- 识别业务单元：依据业务要素BI，识别输出该业务要素的业务单元
- 识别业务流程：依据业务单元，识别业务单元归属的业务流程
- 设计业务对象：依据业务流程，基于业务对象识别原则，识别全流程的业务对象。若业务对象下包含此数据项的逻辑实体尚未数字孪生，则依照BA-IA-AA架构设计启动系统建设；若已数字孪生，则依据信息架构治理方法进行后续步骤
- 设计逻辑实体/属性 ：依据三范式，设计逻辑实体及属性
- 定义数据标准、逻辑模型：数据标准需定义业务标准、技术标准及管理标准，并关联到具体属性上；逻辑模型必须包含业务对象对应的所有逻辑实体和属性，并定义关联其主外键
- 定义数据标准、逻辑模型：数据标准需定义业务标准、技术标准及管理标准，并关联到具体属性上；逻辑模型必须包含业务对象对应的所有逻辑实体和属性，并定义关联其主外键
- 数据源认证：数据源是指业务上首次正式发布某项数据的应用系统，经过数据管理专业组织认证，作为唯一数据源头被周边系统调用。若当前系统中的物理表和属性设计，不符合IA逻辑实体及属性设计，需要在数据中台DWI层按照IA设计的模型进行整合
- 技术元数据注册与关联：将进行数据源认证后的系统技术元数据导入，并将业务元数据与技术元数据关联
- 数据质量规则定义：确定属性进行数据质量规则的定义，由业务质量规则转换成技术质量规则作为检查任务，建议数据项对应的关键属性都需要写数据质量规则
- 数据质量检查：根据数据质量规则，进行数据质量检查，数据质量报告中问题数占比低于10%时才可以进行数据整合、指标计算下一步骤
指标资产平台
成效
指标直连工作线上化，支撑顶层会议报告及Easy头条驾驶舱35份报告215个指标服务的订阅，提供查询指标负责人、数据管家服务。
指标资产平台累计的数据资产包括指标936个、数据项2395项、信息架构认证数据源（到属性）1988项、指标数据服务266个（API服务58个、数据集服务208个）。
3.3 数据中台
背景
在集团数智化战略及数字化转型大背景下，面对日益复杂的业务场景以及飞速增长的数据需求，为承接集团公司数智化战略要求，数据中台，作为承载数据治理，提供核心运算能力，实现数据运营并发挥数据价值的核心基础设施，建设工作已经刻不容缓。面对纷繁复杂而又分散割裂的海量数据，数据中台的突出作用和意义在于能充分利用内外部数据，打破数据孤岛的现状，打造持续增值的数据资产
方案
采用阿里云整体解决方案，搭建底层核心存算能力和顶层数据开发管理工作台，实现数据中台各层功能
依托数据中台，建立对应的平台运营，数据管理，数据队伍
建设包括数据集成、服务、治理、安全、运营在内的功能中心并设计对应的流程规范
搭建并部署低代码全流程可视化数据开发管理工作台
应用平台资产管理，数据治理，数据安全等功能，打造集团统一数据中台运营体系；
数据中台应用架构
 数据中台技术架构
成效
一汽集团已成功搭建起全域数据中台，涵盖了从数据接入到应用的全链条，包括数据的接收、存储、计算、研发、服务与应用，实现了各技术层级的无缝集成。数据中台不仅促进了跨业务领域的数据融合与分析，加速了创新应用场景的实施，还为集团未来的业务扩张预先准备了核心数据存储与强大的计算能力支持。同时，它灵活满足了不同业务领域在数据服务方面多样化的形式与高性能需求。通过提供一个用户友好的数据开发工作台，极大地降低了数据使用的门槛，使得开发人员及业务人员能够便捷地访问和利用数据资产，实现数据的即时自助消费。此外，实施了数据运营策略，对注册的数据资产进行有效管理，旨在深挖数据价值，进一步驱动业务发展与效能提升。
3.4 数据分析平台
背景
以往的业务系统、数据中台、数据分析从架构上是三个部分，通过不同的系统平台、产品搭建实现互联互通，此类场景下的中台与分析平台间存在着系统“断层”。从业务视角难以获取企业全量的数据资产，只能“管中窥豹”的获取权限内分配的部分数据；从IT视角对于指标平台内的数据用量、热度指标缺乏概念，对于中台建设的价值难以体现；
方案
数据资产查询：构建统一的数据资产查询门户，作为数据探索的首发站，用户可由此直接跳转至资产目录，深入了解数据详情并便捷地提交使用申请。
资产目录构建：建立一套全面的数据资产目录，涵盖集团下所有主题域分组。通过埋点及数据开发作业平台采集与开发，数据分析作业平台自助分析，自助BI配置数据资产视图，支撑数据行管、数据管理者识别数据资产问题，优化提升数据资产的价值。
自助BI开发：为了促进更高效的数据洞察，我们将打通数据分析作业平台和帆软系统，，允许用户直接将申请过的数据使用在帆软报表中，并支持将多个仪表板配置成为“场景“，实现仪表板复用和定制化的汇报视图。
分析平台功能架构
分析平台部署架构
数据工作台数据分析中心应用流程：
【数据消费者】进入到数据分析中心后，默认进入到平台首页，此页面同步展示各类资产信息，用户可在平台首页搜索资产信息，并进行数据资产使用权限申请。申请通过审批后即可将数据资产发放至FineBI对应人员的权限内，并同步至BI平台。
数据资产查询与申请
数据消费者可以在工作台内直接开始分析场景构建，支撑对场景的新增、删除、复制、编辑、预览、分享，此项功能由工作台与帆软开发平台进行深度集成。
我的场景界面
用户也可以在工作台数据分析首页直接点击帆软连接快速进入到“我的工作簿”页面。
分析平台应用界面
除了后端的管理应用流程规范化，对于具体的分析页面，也制定了界面基本设计UI规范，保障集团分析平台的美观统一。包括字体字号、颜色风格、网格间距、图标组件的详细要求。
界面基本设计UI规范-字体字号
界面基本设计UI规范-位置间距
界面基本设计UI规范-字体颜色
成效
分析平台现有活跃用户4,590名，囊括了数据消费者、数据管家、数据管理专家以及数据负责人等关键角色，共同推动一汽集团的数据分析工作。
在资产累积方面，平台拥有1,000+项指标资产，为精准衡量业务绩效提供了坚实基础；1,300+个源系统资产，确保了数据来源的广泛性和可靠性；140项分析资产，助力用户快速解锁深度洞察；1,500+个数据集服务，为数据应用与创新开辟了无限可能。这一系列丰富的数据资产，共同构建了我们平台的强大支撑力与服务能力。
4. 典型应用场景
一汽集团典型应用场景按照分类可分为两大类，分别是业务感知与业务洞见。
其中业务感知是将集团管理所需的明确指标进行数据透明，分析场景相对固化，主要目标是服务于企业的经营管理，保障领导层感知内部决策所需数据；
业务洞见则是基于业务表层数据进行深度的业务洞察，通过多维度数据关联分析、新建联合指标综合分析，剖析业务问题，寻找业务提升点，制定相关业务动作，实现管理和流程提升。
4.1 业务感知
4.1.1 顶层会议场景
背景
集团高度重视战略导向与运营管理的高效协同，定期举行各类顶层会议，汇报周期为周、月、季度三类，汇报人员主要是各领域负责人，汇报内容是业务运营情况，汇报对象为一汽集团董事长、党委书记邱总为首的领导班子成员。
顶层会议为集团领导班子获取集团当前各部门、各项督办事项执行情况的重要渠道，为确保会议的高效与质量，汇报材料需严谨细致，既要能精确无误地映射出当前的运营状态，涵盖关键指标、及遇到的问题等多维度信息，又要做到言简意赅，直击要害，确保每一句话都能精准传达最核心的信息价值。
发现问题
- 汇报格式缺乏标准化：当前面临的首要挑战在于汇报模板的不一致性，这直接导致了汇报内容结构的多样性与分散性。各家基于不同的框架构思汇报，不仅增加了领导层在理解与比较不同部门情况时的认知负担，也妨碍了整体战略共识的形成。
- 数据质量困境：数据是决策的生命线，但在当前汇报流程中，未经严格审核的指标随意进入汇报材料，这种数据治理的缺失直接威胁到了分析结论的真实性和可靠性。
- 历史资料检索不便：在快节奏的会议讨论中，领导可能随时需要回顾以往的报告信息以作对比或深入探究。然而，由于缺乏高效的版本管理和快速检索工具，这种需求往往难以即时满足，延缓了决策进程。
解决方案
一汽集团自研基于云原生的数智化会议平台，通过集成帆软页面，实现了会议管理、议题提报、报告浏览等会议全流程。
顶层会议的汇报单位，需要按要求介绍业务全景，重点指标完成情况，本月总结及下月计划，专题汇报，这几大板块来汇报，用到的所有指标，需要是直连的。
 
 
数智化会议平台
- 构建统一汇报框架与模板系统：为了确保汇报内容的系统性和规范性，我们将为各类会议定制专属的汇报逻辑框架，并据此生成标准模板。我们搭建了议题浏览界面，界面左侧为该议题的菜单，限定汇报人仅能从预设的菜单列表中进行选择，以此确保汇报思路的一致性。界面中间使用iframe集成了帆软报表页面，通过数智化会议平台，汇报人可轻松将选定的帆软报表页面与左侧菜单对应绑定，实现汇报内容的模块化管理与展示。
 
统一汇报思路，管控议题菜单
- 添加指标图例功能：将指标的直连状态分为三种：未治理、已治理、已直连，通过不同的小图标进行区分，页面上的每一个指标，都需要在材料中标注该指标的直连状态，同时我们通过FineReport工具制作了统一的指标直连状态弹窗模板，为各汇报单位创建单独的数据连接，只需要输入议题编码和指标编码，该弹窗模板即能显示这个指标在这个议题中的直连状态。
  
指标图例及指标直连状态弹窗
- 添加报告版本管理功能：考虑到查阅历史报告的需求，我们在界面右上角增设了便捷的版本切换工具。只需轻轻一点，即可在多个历史版本间灵活切换，无需繁琐操作，极大提升了会议中快速回顾过往信息的效率。
版本管理功能
场景价值
数智化会议平台作为驱动一汽集团决策效能升级的核心引擎，已经成功为14个顶层会议提供了强有力的支持，共有77家汇报单位的参与。平台成功统筹安排了300次会议日程，确保了每一场会议议程的紧密衔接与高效推进。在此基础上，平台还细致管理了208个指标，1054个会议议题，涵盖了集团业务的方方面面，实现了会议内容的全面覆盖与深度挖掘。
平台通过集成14786个数据分析页面，极大地丰富了会议的数据支撑能力，在这方面帆软工具提供了非常重要的支持。这些页面不仅实时展现了集团运营的关键指标，还通过直观的数据可视化手段，加速了信息的理解与决策的形成，为参会者提供了深入洞察市场动态与内部运营状况的窗口。
这一系列的创新实践和技术应用，不仅显著提升了会议的运行效率与稳定性，更是在促进集团内部沟通协作、优化决策流程、增强数据驱动能力等方面发挥了不可估量的作用。
4.1.2 专项任务管理场景
背景
在集团各部门的日常运营及管理实践中，普遍存在着周期性的汇报流程，在以往的流程中，各级业务人员通常会编制Excel报表模板，随后分发至各个责任部门或填报人手中，以便他们根据各自的业务进展和绩效指标填写相关信息。完成填报后，这些Excel文件被逐一回传至统筹人，整合、提炼、分析、包装，形成一份全面而深入的周期性汇报文件，供高层决策参考。
发现问题
这一传统流程背后隐藏着效率低下、数据一致性难以保证、分析深度受限、协同困难等问题。
如果单为某一个汇报场景进行应用系统开发，也比较浪费开发资源，并且交付时间较长，对于非IT部门的业务人员来说，也没有对应的硬件资源（如服务器、数据库等）支持，无法快速实现。
解决方案
- 由一汽数据分析团队建立填报需求响应机制，将需求信息结构化，帮助用户梳理所需填报的内容，并基于可视化经验完成汇报页面草图的绘制，以备注卡片的形式对所有展示及联动逻辑进行说明，并且清楚标注所用到的维度/字段，便于开发人员清楚了解需求，减少沟通成本。
   
报告草图
- 由开发团队使用FineReport搭建填报及汇报页面，数据存储在帆软项目单独申请的数据库，减少多数据库造成的运维成本。
   
帆软填报页面
- 帆软工具跟一汽集团云平台、一汽集团门户、钉钉等多个用户常用入口打通，用户无需手动输入账号密码，即可通过单点的方式登录到帆软系统，并且完成用户权限的校验。
使用FineReport开发的项目日报
场景价值
- 需求响应机制的高效与透明化：一汽数据分析团队通过建立结构化的填报需求响应机制，不仅加速了需求理解与处理流程，还提升了需求定义的精准度。需求信息的结构化使得用户需求得以清晰表达，避免了传统沟通中可能产生的误解与遗漏。通过绘制汇报页面草图及备注卡片，团队能够直观展示页面布局、展示逻辑与数据联动设计，每个维度和字段的明确标注，极大简化了开发团队对需求的理解过程，显著降低了因需求沟通不畅导致的返工成本。
- 开发模板及流程可复用，对填报及汇报需求快速响应，各领域周报1天即可交付：开发团队构建模板化及流程化的方法论，通过预先设计并不断优化一套标准化的开发模板，团队能够敏捷应对各类填报及汇报需求，确保了需求响应的速度与质量，使得新需求的对接不再是从零开始，而是站在了一个高度成熟与模块化的起点上。
- 统一平台开发与数据管理，优化运维效率：利用FineReport作为报表开发工具，不仅能够快速搭建专业的填报及汇报页面，实现数据的高效采集与展示，而且将数据集中存储在单独申请的数据库中，有效避免了多数据库环境下的数据孤岛问题和维护复杂度。这种集中化的数据管理模式简化了数据治理流程，减少了数据库运维的成本与风险，同时增强了数据的一致性和安全性。
- 无缝集成与便捷访问，提升用户体验：帆软工具与一汽集团现有IT生态的深度融合，特别是与云平台、门户系统及钉钉等日常办公应用的单点登录集成，极大地提升了用户的操作便利性和体验感。用户无需记忆额外的登录凭证，就能在熟悉的环境中无缝接入帆软系统，完成填报任务和查看汇报内容。这一集成策略不仅简化了用户操作流程，还通过统一的身份认证与权限校验机制，强化了系统的安全管控，确保数据访问的合规性。
业务洞见
4.2.1 全员自助分析
背景
集团高层深知在当今数据驱动的时代背景下，精准高效的数据分析是推动业务发展、优化决策流程的关键所在。因此，特向全集团各领域业务人员发出积极号召，鼓励大家充分利用帆软工具强大的可视化及分析功能，开展深度的数据挖掘与分析工作。
发现问题
- 分析技能与工具应用的双重缺口：部分业务人员在数据分析的专业知识与技能上尚存不足，对于如何运用科学的分析方法来解构业务问题缺乏足够的理解和实践经验。同时，面对功能强大的帆软工具，部分人员感到陌生与困惑，尚未掌握如何有效利用其丰富的功能模块进行数据挖掘、处理与呈现，这限制了他们从数据中提炼有价值洞察的能力。
- 数据获取渠道的不明晰：在数据驱动的时代，数据的获取是分析工作的基石，但目前业务团队普遍面临的一个重要障碍是，对于集团内部海量数据的具体存放位置、获取路径以及如何合法合规地访问这些数据资源缺乏清晰的认识。这一问题导致他们在着手分析前就陷入了“数据迷雾”，难以迈出有效分析的第一步。
解决方案
- 提升分析技能与帆软工具应用能力：开展定制化培训计划，组织系列数据分析培训课程，内容涵盖基础数据分析理论、帆软工具操作实践、以及行业最佳实践分享。培训课程结合实际业务场景，设计实操练习，确保业务人员能在指导下亲手操作，从理论到实践全方位提升。
帆软工具培训管理方案
- 构建集团级资产目录，实现与信息架构平台、指标资产平台以及数据中台的无缝对接，从而将集团范围内的源系统资产、指标资产、以及各类分析资产深度融合，汇聚成详尽且易于检索的数据资产网络。资产目录还配备了详尽的资产元数据浏览功能，用户在决定是否选用某项数据之前，可以预先查看其字段构成、数据类型、更新频率等关键信息，这一设计极大地增强了数据选择的准确性。
集团数据资产目录
场景价值
帆软工具以其高度的灵活性、强大的数据处理能力和直观易用的可视化界面，成为助力集团数字化转型的重要伙伴。它不仅能够整合来自不同源系统的海量数据，实现数据的快速清洗、整合与标准化，还支持用户通过简单拖拽操作就能创建出丰富多样的图表和仪表板，让复杂的数据故事以一目了然的方式呈现出来。
集团鼓励业务人员主动学习帆软工具的操作技巧与高级功能，提升日常工作效率。同时，倡导跨部门间的知识共享与协作，鼓励团队之间利用帆软平台共同探讨业务问题，分享数据分析成果，促进集团整体的数据文化建设和智能化决策水平的提升。
此外，集团还将定期举办帆软工具应用培训和实战研讨会，邀请内外部专家进行指导，旨在培养一批数据分析师精英，他们不仅能够熟练运用帆软工具解决实际业务问题，更能通过数据分析推动业务创新，为集团的战略规划与执行提供强有力的数据支撑。
通过这一系列的倡议与措施，集团旨在构建一个以数据为核心驱动力的工作环境，让每一位业务人员都能成为数据时代的弄潮儿，共同推动集团在激烈竞争中保持领先，实现可持续发展。
   
用户通过帆软工具进行问题分析
   
用户通过帆软工具进行成绩分析
4.2.2 营销中心分析订单流转状态
背景
红旗EH7新能源车辆营销与传统汽车销售模式不同，从传统的产销模式转为敏捷生产、以销定产模式，所有C端购车用户以线上下定、线上锁单、代理商线下交付的新零售方式进行售卖，实时订单量、在途车辆数、退订率都会影响市场投放策略、生产排期计划等环节，因此需要基于客户数据、代理商数据、生产数据进行全链路的数据共享与及时准确的决策调整。
解决方案
运用工作台+BI模式，打通APP定车锁单数据、代理商跟进数据、生产与在途数据、终端交付数据4大平台数据，实现数据与流程的无缝衔接，构建总览全流程数据看板以及各分项的穿透业务清单。实现从客户预订锁单到发货交付的全流程车辆流转信息。
其中包含主要的结果性节点包括客户节点（包括支付定金、客户锁单两个关键动作）、代理商（代理商锁单、资源审批）、厂家（已生产、已发运）、代理商（已到店、已交付AAK），过程性节点包括定金后未锁单、客户锁单后代理商未确认、代理商资源未确认及未匹配、生产进行中、物流进行中、待交付过程要按照订单状态进行全流程追踪。
场景价值
精准掌握各环节车辆数据，直观看清处于各个订单状态的车辆数据，可通过多tab页面进行明细数据查询切换。
各环节负责人需要针对结果节点和过程节点进行监控。具体如何指导业务动作：
例如A客户支付了定金但未锁单，需要客服人员跟进指导客户进行锁单动作；
客户锁单后代理商未进行对接确认，可能影响后续排产节点以及客户购买意向，需要尽快完成代理商锁单动作；
生产及发运过程中是否存在产能下降、物流滞留等问题，需要关注生产发运数据；
最终车辆到代理商处，需要及时与客户沟通进行车辆交付。
整个协作过程中，营销公司高层领导需要持续关注，针对过程问题进行点检及卡点推进；区域经理需要根据订单数量、交付数量，衡量指标完成情况以及重点推进事项；生产需要根据前端销量、锁单情况制定生产计划、采购计划。
一个订单流转看板，解决了多层级管理人员、多部门数据协同、多任务快速推进几大核心问题，保障了新车型在市场推广中能够快速敏捷的响应市场变化、高效灵活做业务决策调整、精准及时完成跨部门协作，为营销中心目标达成提供了有力支撑。
4.2.3 研发总院车联网数据洞察
背景
基于省重大科技专项攻关需求及研发数据闭环业务发展需求，通过整车数据闭环需求梳理、数据采集、数据治理及数据应用，可视化产品开发，支撑业务人员基于底层数据进行数据分析及应用，实现整车产品体验智能分析、用户画像分析、质量问题监控，支撑整车产品闭环迭代及优化。
发现问题
以往的产品设计、产品运营方案基于研发人员的个人经验以及相关市场调研，不能客观反应用户真正的需求，有可能导致功能设计出来后，并不符合用户的使用习惯/需求，既浪费了研发成本，又没有有效提升用户体验。产品上市后质量问题的发现往往是通过用户的反馈，问题处理相对滞后，且无法通过数据指标评估产品在市场上的质量表现。
综上所述，研发领域需要基于整车数据进行数据分析挖掘，洞察用户的客观需求，及时发现质量问题并预警。
解决方案
梳理所需数据范围：整车实时、非实时总线数据，座舱域行为埋点数据、质量埋点数据，智联域车辆状态数据、质量埋点数据，手机APP行为埋点数据、质量埋点数据，云服务日志数据。通过数据闭环需求梳理、指标设计、数仓开发及可视化看板开发，实现整车数据驱动体验洞察及健康管理业务，支撑业务部门通过数据进行产品设计迭代及质量问题闭环。
基于整车产品体验分析及质量监控需求，构建以智能座舱、手机APP、云服务、TBOX业务领域数据为基础的数据应用体系，实现体验问题洞察及决策，质量问题感知。基于数据应用需求，通过数据湖资源进行数仓设计及开发，利用fineBI工具进行数据分析报表开发，支撑数据应用业务。
应用架构
技术架构
场景价值
- 数据驱动指标体系建设：构建智能网联指标体系，完成整车功能产品力及质量性能指标建模250+；
- 数据驱动产品设计：通过对帆软工具的推广，研发人员逐步在各业务领域使用帆软工具对整车数据进行分析挖掘，从数据洞察客观事实、指导业务决策。
 数据驱动产品设计
- 数据驱动产品运营：通过对整车数据的分析，归纳总结客户的使用习惯，从而对产品功能进行优化，如智能座舱功能层级优化、功能使用率分析等。目前基于数据的用户行为分析，更能体现用户实际的使用习惯，对于产品的运营迭代提供有效指导。
     
数据驱动产品运营
- 数据驱动质量问题感知：通过对车辆运行数据的采集和分析，能够及时获知质量问题的发生，并通过钉钉机器人给负责人发送消息预警，及时进行问题的解决，提升问题感知效率，支撑问题分析定位
数据驱动问题感知(脱敏示意图)
5. 总结与展望
对于中国一汽来说，当下处于百年未有之大变局，新能源智能网联给汽车产业带来巨大冲击，传统汽车企业在尝试拥抱互联网，去感知客户创造体验，而互联网人在进军制造和供应链，去试图掌握百年的工业积淀。数字化正是战略转型需要去拥抱去学习去淬炼的能力，数字化转型的根本是业务生态和作业方式的全面变革。
中国一汽以TOGAF架构理论为底层逻辑，自主构建指标数据治理“五阶十六步法”和信息架构治理“六阶十八步法”，为数据治理工作提供科学的方法指引；以业务价值为起点，以业务流程为主线，以业务单元为核心，通过信息架构进行数据业务的数字孪生，构建基于云原生架构的数据工作台和能力中心；以《数据基本法》为引领，以数据治理方法为指引，以数据治理机制为驱动力，以数据工作台和能力中心为载体，实现数据治理效能翻倍的同时，驱动八大领域业务效能翻倍；穷尽核心业务指标，沉淀关键数据能力，探索大模型技术与数据治理业务的深度融合模式，促进数据治理效能和八大领域业务效能跃迁式增长。
聚是一团火，散是满天星。在数字化转型已成为企业必答题的今天，需要有这么一群人，像“盗火者”一样，在公司培育出跨越时代的数字化火种，点亮数字化的科技树。中国一汽作为数字化转型先锋，要以为红旗赋能管理能力、成为世界一流的管理标杆为使命，要成为数字化变革、体系变革、价值创造、能力提升的箭头企业，勇于深入底层，构建自主先进能力；敢为人先，创建自主理论体系；踔厉奋发，构建差异化能力；履践致远，追求极致的工作质量，引领业务创新，推动集团公司数智化转型。 | 
