汽車行業普遍存在的數據管理應用難題
信息系統眾多，但信息孤島化嚴重
信息孤島源自于傳統分工式管理的劣根性，相關的概念和解決方案已在世多年，但仍然無法在汽車企業大規模地得以改善。從新華信近年對汽車行業的調研結果來看，汽車企業（特別是汽車銷售公司）內部的信息化系統眾多，如各個職能業務所使用的CRM、財務、HR、ERP、SCM等業務系統，經銷店端使用的DMS系統，以及銷售、售后、市場，財務、汽車金融等各部門的業務子系統等（如大客戶管理、金融保險、二手車、保修、零部件系統）。大大小小的系統在誕生伊始就背離了“整體規劃、分步實施”的大原則，功能和應用相互獨立、技術和平臺兼容性差，使得系統之間數據的共享和整體應用成為難題。
系統的紛繁眾多，必然導致數據源的非惟一性或者說多重性，企業的各級人員都無法從單一的視角來維護、管理和應用相關的數據。對于相同的信息，企業需要在各系統中重復錄入，例如車企每新增加一家經銷店，在數據的一致性沒有任何約束的前提下，其開業日期、法人代表、地址、注冊金額等基本信息都需要在不同業務系統里重復記錄，既增加了維護的難度，也浪費了人力和資源。而假如隨著時間的推移，該經銷店的信息也會不斷更新，車企的某些子系統也隨之調整，而另外一些子系統卻未能及時更新，那就會在不同的數據的記錄之間造成不平衡關系。
業務系統之間的獨立性，導致部門間的數據壁壘和信息孤島的大量存在，跨業務主題的統計、分析和研究操作難度極大。例如銷售部門希望獲取市場數據，或售后部門希望獲取供需相關數據，這期間會涉及到各種流程制度、技術環節甚至是人事方面的障礙，最后往往費盡周折，也難得其效。
系統設計欠完善，數據完整性差
由于汽車行業成長過于迅猛，一些業務系統在車企成立伊始即開始使用，其設計也只為滿足當時的業務需求，而對系統的兼容性和擴展性沒有做過多地考慮和預測。隨著時間的推移，車企的業務流程和管理體系趨于復雜與完善，導致業務系統的功能性不能滿足當前業務的需要，系統的陳舊與落后日益凸顯。此時，大部分車企出于使用習慣和財務預算的考慮，都不愿意更換、更新原有的系統，因此便在原系統的基礎上修修補補。而這種修補工作一但考慮不周，便會出現數據應用前后銜接不暢的問題，例如出現同一數據表中的同一字段，在系統改善前/后用來存放完全不同的信息，造成歷史信息的缺失或前后不一致問題等，基于此的分析和應用更無從談起。而另外一些車企則在業務系統方面舍得投入，進行大刀闊斧式的改革，對先前的系統基本否定并推倒重來，而在招投標時可能會選擇不同的系統供應商，從頭設計一套新的系統。在這個過程中，車企如果沒有一定的預見性眼光把數據割接工作做扎實，便會造成新老系統間的數據不一致，甚至不能進行匹配，這也就相當于歷史數據的缺失，間接導致數據的完整性變差。
基礎數據維修不夠，開放過多手寫權限，數據質量差
車企業務系統的數據庫中存在著大量的基礎數據，在數據結構設計中稱之為字典表或屬性表。這些信息來自各個業務部門，整體記錄了車輛型號、車輛顏色、配件種類及名稱等基礎信息。但由于對數據的規范性重視和強調不夠，業務部門并不會指派專人負責此項業務，往往一次錄入后便無人問津，更談不上相應的檢查和審批程序。最終的結果便是數據庫中的記錄雜亂無章，別字、錯字、手誤等層出不窮；而如果維護人員離職或換崗，其后真實的數據更無處可考。例如在某車企的數據庫中，車身顏色有幾百種（如針對白色，就會有White、WHITE、白色、珍珠白等多種重復性描述），車輛型號有上千種，零配件甚至近萬種，如此的數據垃圾將會導致一連串的業務邏輯問題。一個典型的場景就是經銷店在終端數據輸入時，由于基礎表的不規范性，使得車輛型號等信息的錄入無法用鉤選的方式實現，索性為經銷店的人員開放了人工錄入的權限，如此惡性循環下去，數據庫中的記錄更是五花八門、毫無規章，甚至形同垃圾。
數據應用目的性不強，數據利用率不高
數據管理的最終目的還是為了后端的數據應用，如果沒有強勁的應用需求，那么數據管理也會逐漸流于形式。車企（尤其是汽車銷售公司）在數據管理方面的投入，一方面要滿足日常操作型業務的需求，一方面要為營銷應用服務，還要為企業的經營決策提供數據支持。例如在營銷應用端，如果營銷部門對數據庫營銷的需求不旺盛，即使數據庫中的數據規范性、準確性、及時性等指標極差，營銷部門也會熟視無睹，而數據管理部門也就更無心于數據質量的維護；而在車企經營決策支持方面，如果決策層對數據決策和科學決策的認識和需求不足，技術部門也就無法有效地構建滿足不同業務主題需求的數據倉庫（數據集市），以服務于經營決策支持系統。
在數據的利用效率方面，雖然車企內部存在眾多的系統，也在長時間內積累下海量數據，但是它們更多的時候是以檔案資料的形式靜態的存在，沒有實現從數據到信息的提升。即使每個部門都配備專門的人員花費大量的時間制作日報、周報、月報、季報，工作冗繁而費時，其本質也僅僅是為了提交會議報告而制作報表，數據和信息還沒有滲入到日常的工作與管理中去，各級人員依舊根據經驗和直覺來發現和判斷問題，造成數據資源的浪費和利用率的低下。一個典型的場景是，公司級會議上各部門都會提交厚厚的、制作精美的報表，但是各部門間的數據普遍存在著矛盾與誤差，導致決策層需要浪費大量的精力在這些數據的海洋中自己去甄別和判斷正確的信息。在這種情形下，數據不能賦予決策層更好的洞察力與控制力，反成淪為雞肋似的負擔。
針對數據的管理體系不健全，細節欠思考
數據管理，究其根本仍然是人、系統、管理體系三者的結合，缺一則廢。從數據的采集、整理、整合、分析、應用、反饋這個完整的業務鏈條來看，管理的思想、流程和制度貫穿始末，無可回避。例如，汽車行業存在的一個普遍現象是，大大小小的經銷商，由于種種利益的驅使，在向車企填表銷售和售后數據時，往往大量作假；而車企也不服氣，設定各種獎懲措施，以打擊經銷商的氣焰。在這個關鍵點上，如果管理措施不當，經銷商往往會更加趨向于“親獎避懲”，更變本加厲地作假，車企的種種措施反而適得其反。
相關解決之道
以上話題在車企中牽涉面甚廣，相關的情形也異常復雜，此處僅從幾個方面原則性地論述相關的解決之道，為相關的管理者提供一定的思考素材。
數據管理和應用的長期規劃和實踐
汽車企業不論如何進行數據體系的管理，終究是為應用而生的，其背后是企業對于利潤的的渴求及企業長遠發展的愿景。從宏觀層面來看，企業的長遠發展，離不開科學的決策管理，而無數的理論和實踐均證明，穩定、持續、高效、精準的數據體系，是科學決策管理的忠實保障。在經營管理層面，企業不但要樹立數據和客戶決策的思想、意識甚至企業文化，更要建立短、中、長期的數據管理和應用規劃。落實到具體的內容，便是企業的商業智能（BI）系統建設，從數據的整合，到數據倉庫、應用主題、分析和展示工具甚至預測性分析，需要走很長的道路。在具體的應用和執行層面，企業同樣要有完整的規劃和實際的動作。例如在營銷層面，對于汽車企業不斷增長的保有量，基于客戶生命周期的營銷響應模型、交叉模型、垂直銷售模型、客戶價值細分模型、客戶流失預警模型等，都會為不同的業務部門提供可見的商業價值。
汽車企業的數據管理和應用體系，需要通過建立長期的規劃并通過業務實踐來進行指導和引領；從另外一個角度來看，此規劃的目的性越強，則落實和實踐的質量越好，反過來會拉動下一輪的規劃和實踐工作，以此不斷循環往復，形成良性的互動機制。
信息技術方面的精進
首先是數據清理，大規模地系統化清理。對于不規范的部分進行排查并且做詳細記錄，例如同一個經銷店出現不同的編碼和名稱、屬性表混亂無序（如存在幾百種車身顏色，上千種車輛型號等）；之后需建立一套數據清理標準，依據數據標準對數據進行清理，將系統里冗余或者錯誤的信息進行清理，將基礎數據進行規范化管理。大規模的數據清理，首先就需要配備知識庫的專業軟件工具（尤其是可清洗中文數據的軟件）來實現常規性的清理（如匹配查重、規范化處理等），針對各種異常的、軟件工具無法清理的數據質量狀況，還需要進行后期的人工清理，以徹底根治問題。
其次還要進行數據的整合，數據的整合在數據層、系統層和應用層都可以實現。應用層的整合難度較大，成功率也不高；系統層的整合，即對眾多業務系統進行整合，原來的每個系統對應新系統的一個子系統或者模塊，而對于基礎信息維護屬于一個單獨模塊，只由特定人員維護，以保證基礎數據的出處惟一性，可以追本溯源。而對數據層的整合，可以通過建立數據倉庫（數據集市）或者主數據管理的方式實現，相對而言，數據倉庫可以“治標”，而主數據管理則可以“治本”。
有了規范的數據和統一的平臺，車企便將一些關聯很強或者需要關聯的數據整合在一起，用于企業的經營決策分析。企業可以跟據不同業務主題的需求進行建模，并通過專門的BI平臺進行靈活展現分析成果：如自動的生成各種報表，通過OLAP功能進行多維度展示，KPI儀表盤直接服務于領導層的經營決策等。這便可以節約傳統的報表制作的時間，將人力資源充分轉移到分析報表及決策制定上去。
組織架構方面的演進
車企內部形成獨立的信息管理和應用部門，是一個正在逐漸演進的趨勢。這個部門在公司的層面上整理和匯總各業務部門對信息管理和應用的需求，同時也作為公司系統建設和改造的驅動部門，從全局的角度審視和規劃公司的信息管理和應用之路。這個部門可由公司的IT部門拓展而成，也可以作為獨立的部門而存在，它需要管理專家、業務專家、行業專家和技術專家四類人才共同維持其高效的運轉。同時，該部門的設立和存在需要得到公司高層領導的認可及支持，并在公司內部對其業務給予大力的宣傳和推動，以培養其協調和整合能力。
在企業實踐當中，各業務部門和經銷店才是信息系統的終端用戶，是系統的最終使用者和利益相關者，故信息管理部門在開展其業務時，要本著服務公司整體利益，平衡各業務部門利益的原則，主動收集各部門的業務需求，并在一個更高的層面上進行匯總、加工和整體規劃，最終將各部門的業務需求正確地轉化為公司級的技術需求。同時，要注意在需求的整理和形成階段，需與業務部門進行反復的溝通及確認，得到業務部門的理解與認可后，方可作為最終的系統需求來進行系統化的改善及發開，切忌誤解業務需求或者自作主張設計需求。
管理體系方面的改進
企業文化是企業管理的無上之道，那么，車企就可以有意識地在企業內部宣貫？數據文化，提升各級部門的數據管理和數據思維意識，甚至設計更加精細化的業績考核數字體系，從骨子里改變全員的觀念。
同時，我們也看到，設計信息化系統的初衷，就是要服務于企業的管理體系，令其更加高效、便捷、精確和智能。管理體系的改進，從宏觀和微觀上都會極大的影響到企業的數據管理業務：從大處來講，管理上的改進，必將對數據管理業務提出更高的需求。例如，目前汽車行業的營銷理念，已經逐步由傳統的大眾營銷向更為精準的數據庫營銷轉變，這就要求車企在客戶信息管理、銷售過程管理、客戶生命周期管理、客戶接觸中心（點）管理等多個方面，進行有效的融合，而這勢必會對更為底層的數據管理提出更加苛刻的需求，迫使其管理質量不斷提升。
從管理的細微處入手，任何管理流程和制度上的改進，都會在某個方面影響到企業數據管理質量的提升。例如，對于車企內部，擔負基礎信息（字典表和相關數據）錄入和維護的工作人員，要強調其工作的重要性，并為其建立數據錄入的審批和管理流程；同時專人錄入數據后，要有專人對數據的準確性或規范性等質量問題進行核查，審批通過后方可上傳入系統數據庫當中；最后，還要將數據的準確性及規范性等作為相關員工的業績考核指標之一，以使此業務正規化、系統化和常態化。再如，針對經銷商，車企要嚴格的防范錄入錯誤數據行為，嚴厲打擊數據弄虛作假等行為，并將經銷店數據質量作為重要業績考核的指標之一（這個考核的度要拿捏準確，輕則不痛不癢，重則火上澆油）。
尾聲
數據管理是各行業所面臨的普遍性問題，但由于業務的超高速發展，這個課題對汽車企業來講顯得尤為迫切。希望中國的汽車企業，能夠迅速地摸索出一條適合本行業和本企業的數據管理和應用之路，以成熟的姿態迎接全球化的機遇和挑戰。
轉載請注明出處：拓步ERP資訊網http://m.hanmeixuan.com/
本文標題：汽車行業面臨的ERP/SCM/CRM數據管理應用難題及對策
本文網址：http://m.hanmeixuan.com/html/consultation/1082058705.html
相關文章
