隨著數字化浪潮席卷各行各業，車企將生產制造、營銷銷售、售后服務的傳統流程進行線上化和數字化，數據量級和數據維度隨之豐富。如何讓數據更好地驅動業務？這已經成為企業急需解答的問題。
數據賦能業務三步驟：數據采集、數據治理、數據應用
“數據賦能業務”的概念近年來已經成為車企重要趨勢之一。數據賦能需要經歷三個步驟：數據采集、數據治理、數據應用。數據采集，顧名思義，分為兩層意思。“采”是數據獲取，“集”是數據清洗、連接、整合。通過數據采集，車企可獲得日志、圖片、視頻、地理位置等數據。數據治理是對采集到的數據資產進行管理，包括數據傳輸鏈路監控、質量監控、數據安全監控等。數據應用是將數據進行業務“變現”。
數據洞察是數據應用中最為常見的一種形式。數據洞察的價值分為兩方面：一是幫助管理者科學決策，利用數據反映業務中的問題，找到解決方案并執行，再通過數據反饋問題是否已根治，判斷該方案的有效性；二是提升數據分析效率，數據洞察通過數據看板工具實現，解決人工使用Excel導出和分析數據的效率問題，平臺在線化和多維度分析能力將大幅度降低運營成本，提升洞察效率。
汽車行業數據洞察所面臨的挑戰
目前，汽車行業在數據洞察上仍存在著諸多挑戰，主要體現在以下幾個方面：
1. 數據采集不到：由于部分業務流沒有線上化，導致需要分析的數據缺失；
2. 數據口徑不統一：不同業務部門對于同一指標背后的數據口徑不同，業務目標無法對齊，且大量時間花費在對齊規則這件事上；
3. 數據開發周期時間長：數據散落在各個系統上，打通數據開發時間長，一張完整的業務報表開發時長平均在半個月到一個月；
4. 數據看板不好用：數據看板需要下載客戶端、交互性較弱、無法支持業務探索式分析；
5. 數據看板難推廣：工具上手門檻高，業務人員偏向使用離線Excel分析。
某頭部新勢力車企攜手火山引擎提升產品研發效率
火山引擎的智能數據洞察平臺（Analytics and Business Intelligence）能夠高效地解決以上5大痛點，以火山引擎與某新勢力車企合作的數據洞察項目為例。車企產品研發團隊主要將平臺用于生產研發階段的用戶需求管理、項目進度管理、產品開發全生命周期管理。
該企業內部存在多套數據看板工具。由于需要安裝客戶端、產品易用性較弱、設備安裝限制等問題，業務運營在做數據分析時體感較差，對現有工具逐步產生抵觸情緒，最終很難推廣使用。在經過市場上多款產品的調研和對比后，該車企最終選擇了火山引擎的智能數據洞察平臺，主要原因為:
1. 產品采用B/S架構，服務端一次性部署，用戶端無需安裝任何客戶應用程序，采用瀏覽器頁面登錄，降低業務啟用門檻，滿足即開即用的主流體驗；
2. 豐富的可視化分析模型和完整的報表制作能力提升易用性，對用戶初始學習和理解過程較為友好，上手快速且學習成本低；
3. 完善的產品培訓配套服務，咨詢團隊在產品部署完成后進行產品培訓和提供業務咨詢服務，這點對于工具的推廣至關重要；
4. 具備與飛書集成能力，目前企業內部已采用飛書為企業級辦公軟件，ABI與飛書的結合提升信息同步效率。
通過智能數據洞察平臺中的數據清洗和AI模型構建能力，該車企將用戶線上反饋數據和車輛數據做連接和聚合。ABI中的可視化分析報表幫助業務運營識別用戶對于車輛功能的核心需求，監控需求量級、需求負責部門和需求開發進度。同時，報表權限與飛書的打通提升報表信息同步效率。平臺于2021年底部署完成，截止2022年4月底，該工具已推廣至25個業務部門，落地800+數據集，實現250+個儀表板，2000+圖表。數據開發周期也由原來的至少15天縮短為2-3天。
結語
“數據驅動，用數據說話”已經不再是一句響亮的口號，數據思維已經逐步滲透到各個企業當中。過去一年，火山引擎與各大車企客戶的交流中，逐步總結出數字化升級的整體框架。第一，業務數據化。通過構建C端觸點和B端觸點，保證業務在線。第二，數據資產化。數據治理和數據服務實現數據全生命周期的管理，為數據應用奠定基礎。第三，資產價值化。基于數據構建業務場景，如用戶洞察、線索評級、保客增換購挖掘、精準投放等，實現用戶增長、效率提升、收入增加的業務目標。
火山引擎致力于企業數字化升級和增長，愿與各大車企合作探索更好的數據洞察方向與實踐。
