车企数据治理的障碍是什么？如何解决？
在全行业数字化转型的浪潮下，底层技术的发展与行业之间的碰撞，正在成为变革的巨大力量，汽车行业也是如此。汽车行业的“数字化转型”是利用新的技术驱动行业的创新与发展，改善用户体验、重构商业模式、降本增效，而这些离不开数据，要用好数据，更离不开数据治理。只有对数据进行有效的、高质量的治理，才能更好地释放数据价值，改进决策、缩减成本、降低风险，在汽车数字化竞争中赢得先机。
车企数据治理的障碍是什么
车企数据治理具有典型的通用性和行业特殊性的双重特征，主要表现在：车企数据治理普遍面临着业务数据分散建设、数据资源多头管理、数据全生命周期管理不完整等痛点，所以，实现核心数据的可视、可管、可控、可用成为普遍诉求。
同时，车企作为重资产、长生态链的离散型生产，在客户需求导向模式的冲击下，有三大业务矛盾越来越突出，同时也对车企数据治理提出了更高的要求：
1、周期长、响应慢。产品从研发到车辆交付给客户的花费时长与快速响应客户需求的矛盾。车企的生态链很长，从设计研发到发布上市环节多、周期长，而客户需求越来越多样化、个性化，以客户需求拉动生产的运营模式（C2M）对企业数据质量发起了更高的挑战。
2、业务单元强、集团整体弱。车企业务整体性与业务单元（系统）分散管理之间的矛盾。汽车公司完整的生态链包括研发、采购、生产制造、质量、物流、售后等业务单元，汽车企业业务上的整体性决定了数据一致性的特点。然而，工厂分散、部门隔离、系统孤岛等客观因素的存在，造成了车企内部流程冗长、系统之间存在断点、协作效率低下等问题。
3、集中管理与区域自治之间的矛盾。汽车企业，一般都是“中央集权”。总部决定品牌战略和全球的营销计划，各个市场的销售单元相对独立运作，生产厂也分布于全国/世界各地。分散的制造工厂都有很强的独立性。中央集权和区域自治之间的矛盾是需要长期协调、平衡的。车企在设计数据体系、制定数据标准时，需要考虑市场、工厂的统一和差异的平衡。
汽车产业链智能化升级、智能汽车产品复杂度提升、业务的转型升级和跨产业的紧密协作，导致数据量指数级增长，不管是应对型、还是主动型数据治理，对车企而言已迫在眉睫。基于汽车的业务现状，目前遇到的数据问题，可以总结为5点：流程长、歧路多、数据孤岛、标准难统一、安全合规监管难。
汽车行业数据治理落地方案参考
作为数据治理领域领军者，亿信华辰深度研究车企各类业务系统数据及海量车联网数据，精心打磨加速形成汽车行业数据治理解决方案，提供“咨询服务+技术平台+业务应用+方法论”的体系化综合服务，以数据为核心重构业务形态，助力汽车企业从多维度、多层次挖掘数据价值，实现核心资源可视、可管、可控、可用，支撑车企五大领域数字化应用（智能制造、数字供应链、智慧物流、数字运营、数字营销）。
针对目前车企数据治理普遍面临的业务数据分散建设、数据资源多头管理、数据全生命周期管理不完整等痛点，亿信华辰汽车行业数据治理解决方案旨在打造车企集团层面的数字化运营体系，按“119”思路进行整体设计：
第一个“1”指一套体系，包括与车企数字化转型相匹配的战略规划、组织架构、制度规范，具体包括数据战略定位、目标、建设步骤，领导小组、执行小组、组织角色与权责，与数据管理各过程域相匹配的制度规范、业务流程、考核办法等。
第二个“1”指一个平台，既是数据整合处理平台，对企业内外部数据进行集中采集、存储、计算、加工，构建数据统一模型，保证数据一致性；也是数据治理平台，制定数据标准、追踪数据链路，提升数据质量、保障数据安全，实现数据资产化；也是数据共享服务平台，沉淀共性数据服务能力，规范数据服务标准，支撑数据消费层的各项数据分析、数据共享交换。
第三个“9”指九项能力，按照数据采、存、管、用四大环节，构建数据采集、主数据、元数据、数据资产、数据标准、数据质量、数据安全、数据服务、数据指标等能力项。
方案详情
（1）咨询规划层面
数据治理项目，核心工作是数据治理规划，咨询阶段成果输出分为两个方面：
一是数据治理体系，体系包括体系规划设计、组织职责、管理制度；
二是数据治理管理办法，主要是对各个职能域如元数据、主数据、标准、质量的管理办法，保障子项的顺利实施、规范子项各部门的相互协同。
（2）技术平台层面
数据治理平台架构于数据湖之上，采集车企各系统及服务的元数据、主数据模型，构建标准、进行质量管控，实现资产化运营，赋能业务部门及应用创新。可高效利用车企现在大数据平台的集群能力，同时实现对日增量10亿级记录数TBOX车联网数据的治理工作。
（3）治理服务
基于车企数据治理业务需求，通过数据采集、主数据、元数据、数据标准、数据质量、数据安全，数据资产管理、数据服务、数据指标等全流程治理，实现数据价值提升。
-
数据采集：实现对车企集团、板块/事业部、生产厂、车联网、外部数据的统一汇聚、清洗、转换、存储，如集团侧OA、HR,事业部/板块SAP、TC 、MES、QNS 、DMS、SRM、SCRM，燃油车/新能源车车联网TSP，第三方APP、网站数据等。
-
主数据：对于汽车厂来说，核心主数据主要分为：产品、物料、供应商和消费者。通过对BOM、物料（关键件、零部件、备品备件）、供应商（定点、临时）、产品车型、经销商（经销商、4S、运行商）、客户（司机、车主）等的统一管理统一分发，增强企业主数据编码一致性、及时性，可以提升企业运营效率、降低管理成本。
-
元数据：通过对企业各业务系统的元数据进行统一采集、管理，可以全面掌握企业数据字典、并进行各类分析如血缘、全链、影响、对比分析，实现对企业级元数据的统一规划、管控与规范，同时也是数据标准、数据资产等管理的重要基础。
-
数据标准：车企生产链条长、服务软件厂商多、系统建设年代规范差异大，导致数据标准不统一，部门墙、数据壁垒严重，基于集团层面构建一套数据标准体系，可以有效打通数据壁垒，规范各系统数据模型的设计和建设，降低开发、维护人员的学习成本。
-
数据质量：针对车企生产域、车联网域质量问题场景设置质检规则：如数据量级（日波动异常）、数据及时性、数据字段值域准确性、进制转码异常、硬件采集异常等，并实现告警信息阀值配置、常态化推送邮箱和企业微信。
-
数据安全：对车企而言，个人信息、车辆信息、位置信息等数据信息均属于高敏感数据，平台通过分级分类、加密脱敏、数据授权、安全审计、安全监控等措施实现对数据全方位安全管控，保障数据应用全流程的安全性。
-
数据资产：按照数据资产业务属性、数据域、数据本体等多视角，构建类电商门户的资产服务平台，实现数据提供、数据管理、数据开发、数据消费、数据决策五大类角色构建数据资产运营体系。
-
数据服务：通过统一的数据开放服务，对车企内部提供数据开放与服务支撑，为内部各板块、部门，政府监管、社会生态提供统一的对外数据开放服务，包括权限管控、隐私管理、数据服务开发与API封装，以及资产服务监控统计等，使数据价值得以充分释放。
-
数据指标：基于车企采集汇聚的全流程业务系统数据，按照决策、管理、执行等需求，构建采、存、产、供、销、人、财、物等业务域指标管理体系，便于为各业务域、各级管理人员构建大屏可视化、指标看板、预测预警等决策支持。
应用场景
1.车联网数据治理：应对生产域、车联网域海量数据的治理需求，高效利用车企现在大数据平台组件集群计算能力，包括Hive集群、spark集群、hbase及Phoenix集群，实现海量数据质检、质检报告推送、质检结果数据存储。
2.主数据治理：针对车企普遍存在的主数据共享程度低、不一致性和冗余、缺乏统一数据标准等问题，通过主数据管理实现车企主数据唯一可信数据源，实现核心主数据统一规范及编码，制定主数据标准、规则，加强主数据质量，实现对车企主数据有效管理，从而促进汽车制造企业充分发挥竞争优势。
3.数据资产管理：对车企而言盘活数据资产，推动数字化应用是核心工作。数字化发展审视需要从业务视角、数据视角、技术视角、能力视角四个维度对车企数据挖掘审视。构建数据资产统一管理，包括资产盘点、资产目录、数据标准、数据字典、数据分布、数据地图，实现数据从产生、入湖、联接到应用的全生命周期管控，同时基于数据治理体系、组织架构，建立车企运营指标体系，保障数据管理工作、数字化运营服务工作持续良性运行。
汽车行业数字化转型案例参考
1.某车企智能化业务数据治理平台
作为某大型车企控股集团的智能化板块，围绕集团整车在研发、制造、营销、用户服务等全生命周期的数字化、智能化布局。
项目背景：智能化版块缺乏统一数据视图、存在数据孤岛现象、数据质量不佳。基于数据驱动数字化转型的理念，需建立一个数据治理平台，让集团数据资产开发、运维、治理、运营过程更安全、敏捷、精益、自动化、服务化和智能化。通过项目实现一站式端到端的数据资产开发与标准化管控治理，提高数据使用效率，降低数据使用成本。
平台建设内容：该集团与亿信华辰合作，将数据治理平台架构于数据湖之上，采集数据湖及中台层、应用层各系统及服务的元数据模型，构建标准、进行质量管控，实现资产化运营。
2. 某商用车集团数据治理
某商用车集团数据治理工作是该集团的大数据建设规划中的一部分。通过数据治理工作，亿信华辰积极配合该商用车集团，按照数据治理实施线路有序推进数据摸底、数据标准化、数据资产化工作，推进数据治理体系化、制度化、标准化。在集团信息化建设的基础上，依托数据治理平台的搭建，构建落实集团数据治理体系，对数据接入、数据分发、数据加工、数据应用过程中存在的数据问题进行收集、分析、治理，从而提升车企集团数据管理水平及核心数据的价值。
未来在汽车“新四化”的趋势带动下，亿信华辰将进一步深化汽车大数据治理，以数据赋能企业发展为目标，以数据治理为核心，推动建设“信息互通、资源共享、能力协同、开放合作、互利共赢”的汽车产业数字化生态。