传统车企三大转型挑战，依托四大数据要素逐一击破

| 非数字原生挑战：在经验驱动与数据驱动之辨前，先从线上化数据留痕的基础开始

在数字化转型中，传统车企面临的最大挑战是数字化及数据变现的长期性、复杂性，与业务及管理层对数字化及数据赋能价值兑现的迫切性和有效性之间的矛盾。因此，为弥合这一矛盾，本文提出了“数字化三步走”路径：

- 业务线上化，数据留痕（如各类App、企业线上工具、用户运营平台等）

- 决策智能化，数据驱动（业务场景中数据及建模如何辅助或替代经验）

- 数据赋能业务，实现营销/销售/生产/管理及组织变革等

| 业务挑战：持续业务数字化下的不得不转身，躬身入局抑或外援加持

在车企逐步走向数字化的过程中，如何利用数字化工具，如何利用数据对业务赋能，乃至如何应对数字化之后业务模式的变化、组织新能力的变化，都是亟待解决的问题。

| 科技挑战：数字化需求加速下的能力重构与角色转变，新能力与新角色

承接业务挑战与变革需求的传导，车企的传统IT部门也面临变化。首先IT部门面对的不仅仅是系统需求，还有与日俱增的数据需求乃至建模需求。与此同时，数据场景的应用涉及多系统多数据流，需要高效的敏捷迭代、AB测试验证以及多部门协作推广落地，这都需要传统IT部门角色转变。

数据涅槃，数字化能力再造

转型动作的顺利实现，一方面是依托平台积累数据，另外一方面则是需要建立与完善业务流程、管理模式乃至对整个组织结构进行调整。数据工作往往与业务变革变化双向交织，混杂着推进。这对无论是管理层、业务部门还是IT部门都提出了巨大挑战。普华永道基于对汽车行业数据应用实践的研究与洞察，总结了一套数据能力体系建设的方法，基于汽车行业价值链，以场景赋能为抓手，从数据、平台、组织、运营四个方面再造企业数据能力。

| 构建数据基础：数据+平台

要素1- 数据：从业务线上化的数据留痕开始、到数据底座中台的构建

不同业务数据能够有序、完整、合规地留痕，经过统一的治理与整合后，实现不同业务环节数据的打通，形成企业级的数据湖。同时随着数据治理以及整合能力的提升，企业将能够对数据进行高效筛选以及可视化，业务相关的决策将更加辅以企业所掌握的数据资产。

要素2- 平台：数据能力共享中台化输出，依托数据平台形成常态产品沉淀

构建一个业务化、服务化及开放化的数据平台，形成“数据-分析-洞察-决策”支撑的产品化和常态化。对于数据分析产品化，可通过企业战略规划、数据应用场景设计、数据洞察分析这一过程的牵引，不断推动数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营。

| 数据应用赋能：组织+运营

要素3- 组织：建立数字化的组织，重新定义团队、部门乃至企业的运行模式

以跨各部门协同更加清晰、高效、灵活为目标，重新梳理组织所需的数字化能力，明确组织的能力建设方向，形成组织合力。

要素4- 运营：支撑数据赋能业务的常态化运作，使数据赋能成为业务新常态

数据运营需要建立一套从整体目标出发，引导数据变现链路上的业务、数据、IT部门分工协作的工作机制，因此需要部门间共识目标、协同配合，取代各自为战的状态，这样才能真正实现数据赋能的目的。

基于过往丰富的项目经验，白皮书梳理归纳多个行业优秀案例实践供读者参考借鉴。

• 亮点案例1：某美系合资车企，从场景体系规划到聚焦高价值场景落地，打造场景运营样板间。
• 亮点案例2：某日系合资车企,通过组织和技术双管齐下，引领数据场景赋能。
• 亮点案例3：某德系合资车企，围绕以客户为中心的理念，全面推动线上化和智能化进程。

© 2023 普华永道版权所有。普华永道系指普华永道在中国的成员机构、普华永道网络和/或其一家或多家成员机构。每家成员机构均为独立的法律实体。详情请见 www.pwc.com/structure。

免责声明：本微信文章中的信息仅供一般参考之用，不可视为详尽说明，亦不构成普华永道的法律、税务或其他专业建议或服务。普华永道各成员机构不对任何主体因使用本文内容而导致的任何损失承担责任。

您可以全文转载，但不得修改，且须附注以上全部声明。如转载本文时修改任何内容，您须在发布前取得普华永道中国的书面同意。