本文发表于《新华信汽车季刊》2010年8月

作者说明：本文基于作者的《疏通系统，汽车企业解决“数据堵塞”》改写，增加了数据管理和应用的长期规划和实践等阐述，其他内容无变化。

汽车行业普遍存在的数据管理应用难题

信息系统众多，但信息孤岛化严重

信息孤岛源自于传统分工式管理的劣根性，相关的概念和解决方案已在世多年，但仍然无法在汽车企业大规模地得以改善。从新华信近年对汽车行业的调研结果来看，汽车企业（特别是汽车销售公司）内部的信息化系统众多，如各个职能业务所使用的CRM、财务、HR、ERP、SCM等业务系统，经销店端使用的DMS系统，以及销售、售后、市场，财务、汽车金融等各部门的业务子系统等（如大客户管理、金融保险、二手车、保修、零部件系统）。大大小小的系统在诞生伊始就背离了“整体规划、分步实施”的大原则，功能和应用相互独立、技术和平台兼容性差，使得系统之间数据的共享和整体应用成为难题。

系统的纷繁众多，必然导致数据源的非惟一性或者说多重性，企业的各级人员都无法从单一的视角来维护、管理和应用相关的数据。对于相同的信息，企业需要在各系统中重复录入，例如车企每新增加一家经销店，在数据的一致性没有任何约束的前提下，其开业日期、法人代表、地址、注册金额等基本信息都需要在不同业务系统里重复记录，既增加了维护的难度，也浪费了人力和资源。而假如随着时间的推移，该经销店的信息也会不断更新，车企的某些子系统也随之调整，而另外一些子系统却未能及时更新，那就会在不同的数据的记录之间造成不平衡关系。

业务系统之间的独立性，导致部门间的数据壁垒和信息孤岛的大量存在，跨业务主题的统计、分析和研究操作难度极大。例如销售部门希望获取市场数据，或售后部门希望获取供需相关数据，这期间会涉及到各种流程制度、技术环节甚至是人事方面的障碍，{zh1}往往费尽周折，也难得其效。

系统设计欠完善，数据完整性差

由于汽车行业成长过于迅猛，一些业务系统在车企成立伊始即开始使用，其设计也只为满足当时的业务需求，而对系统的兼容性和扩展性没有做过多地考虑和预测。随着时间的推移，车企的业务流程和管理体系趋于复杂与完善，导致业务系统的功能性不能满足当前业务的需要，系统的陈旧与落后日益凸显。此时，大部分车企出于使用习惯和财务预算的考虑，都不愿意更换、更新原有的系统，因此便在原系统的基础上修修补补。而这种修补工作一但考虑不周，便会出现数据应用前后衔接不畅的问题，例如出现同一数据表中的同一字段，在系统改善前/后用来存放xx不同的信息，造成历史信息的缺失或前后不一致问题等，基于此的分析和应用更无从谈起。而另外一些车企则在业务系统方面舍得投入，进行大刀阔斧式的改革，对先前的系统基本否定并推倒重来，而在招投标时可能会选择不同的系统供应商，从头设计一套新的系统。在这个过程中，车企如果没有一定的预见性眼光把数据割接工作做扎实，便会造成新老系统间的数据不一致，甚至不能进行匹配，这也就相当于历史数据的缺失，间接导致数据的完整性变差。

基础数据维修不够，开放过多手写权限，数据质量差

车企业务系统的数据库中存在着大量的基础数据，在数据结构设计中称之为字典表或属性表。这些信息来自各个业务部门，整体记录了车辆型号、车辆颜色、配件种类及名称等基础信息。但由于对数据的规范性重视和强调不够，业务部门并不会指派专人负责此项业务，往往一次录入后便无人问津，更谈不上相应的检查和审批程序。最终的结果便是数据库中的记录杂乱无章，别字、错字、手误等层出不穷；而如果维护人员离职或换岗，其后真实的数据更无处可考。例如在某车企的数据库中，车身颜色有几百种（如针对白色，就会有White、WHITE、白色、珍珠白等多种重复性描述），车辆型号有上千种，零配件甚至近万种，如此的数据垃圾将会导致一连串的业务逻辑问题。一个典型的场景就是经销店在终端数据输入时，由于基础表的不规范性，使得车辆型号等信息的录入无法用钩选的方式实现，索性为经销店的人员开放了人工录入的权限，如此恶性循环下去，数据库中的记录更是五花八门、毫无规章，甚至形同垃圾。

数据应用目的性不强，数据利用率不高

数据管理的最终目的还是为了后端的数据应用，如果没有强劲的应用需求，那么数据管理也会逐渐流于形式。车企（尤其是汽车销售公司）在数据管理方面的投入，一方面要满足日常操作型业务的需求，一方面要为营销应用服务，还要为企业的经营决策提供数据支持。例如在营销应用端，如果营销部门对数据库营销的需求不旺盛，即使数据库中的数据规范性、准确性、及时性等指标极差，营销部门也会熟视无睹，而数据管理部门也就更无心于数据质量的维护；而在车企经营决策支持方面，如果决策层对数据决策和科学决策的认识和需求不足，技术部门也就无法有效地构建满足不同业务主题需求的数据仓库（数据集市），以服务于经营决策支持系统。

在数据的利用效率方面，虽然车企内部存在众多的系统，也在长时间内积累下海量数据，但是它们更多的时候是以档案资料的形式静态的存在，没有实现从数据到信息的提升。即使每个部门都配备专门的人员花费大量的时间制作日报、周报、月报、季报，工作冗繁而费时，其本质也仅仅是为了提交会议报告而制作报表，数据和信息还没有渗入到日常的工作与管理中去，各级人员依旧根据经验和直觉来发现和判断问题，造成数据资源的浪费和利用率的低下。一个典型的场景是，公司级会议上各部门都会提交厚厚的、制作精美的报表，但是各部门间的数据普遍存在着矛盾与误差，导致决策层需要浪费大量的精力在这些数据的海洋中自己去甄别和判断正确的信息。在这种情形下，数据不能赋予决策层更好的洞察力与控制力，反成沦为鸡肋似的负担。

针对数据的管理体系不健全，细节欠思考

数据管理，究其根本仍然是人、系统、管理体系三者的结合，缺一则废。从数据的采集、整理、整合、分析、应用、反馈这个完整的业务链条来看，管理的思想、流程和制度贯穿始末，无可回避。例如，汽车行业存在的一个普遍现象是，大大小小的经销商，由于种种利益的驱使，在向车企填表销售和售后数据时，往往大量作假；而车企也不服气，设定各种奖惩措施，以打击经销商的气焰。在这个关键点上，如果管理措施不当，经销商往往会更加趋向于“亲奖避惩”，更变本加厉地作假，车企的种种措施反而适得其反。

相关解决之道

以上话题在车企中牵涉面甚广，相关的情形也异常复杂，此处仅从几个方面原则性地论述相关的解决之道，为相关的管理者提供一定的思考素材。

数据管理和应用的长期规划和实践

汽车企业不论如何进行数据体系的管理，终究是为应用而生的，其背后是企业对于利润的的渴求及企业长远发展的愿景。从宏观层面来看，企业的长远发展，离不开科学的决策管理，而无数的理论和实践均证明，稳定、持续、高效、精准的数据体系，是科学决策管理的忠实保障。在经营管理层面，企业不但要树立数据和客户决策的思想、意识甚至企业文化，更要建立短、中、长期的数据管理和应用规划。落实到具体的内容，便是企业的商业智能（BI）系统建设，从数据的整合，到数据仓库、应用主题、分析和展示工具甚至预测性分析，需要走很长的道路。在具体的应用和执行层面，企业同样要有完整的规划和实际的动作。例如在营销层面，对于汽车企业不断增长的保有量，基于客户生命周期的营销响应模型、交叉模型、垂直销售模型、客户价值细分模型、客户流失预警模型等，都会为不同的业务部门提供可见的商业价值。

汽车企业的数据管理和应用体系，需要通过建立长期的规划并通过业务实践来进行指导和xx；从另外一个角度来看，此规划的目的性越强，则落实和实践的质量越好，反过来会拉动下一轮的规划和实践工作，以此不断循环往复，形成良性的互动机制。

信息技术方面的精进

首先是数据清理，大规模地系统化清理。对于不规范的部分进行排查并且做详细记录，例如同一个经销店出现不同的编码和名称、属性表混乱无序（如存在几百种车身颜色，上千种车辆型号等）；之后需建立一套数据清理标准，依据数据标准对数据进行清理，将系统里冗余或者错误的信息进行清理，将基础数据进行规范化管理。大规模的数据清理，首先就需要配备知识库的专业软件工具（尤其是可清洗中文数据的软件）来实现常规性的清理（如匹配查重、规范化处理等），针对各种异常的、软件工具无法清理的数据质量状况，还需要进行后期的人工清理，以彻底根治问题。

其次还要进行数据的整合，数据的整合在数据层、系统层和应用层都可以实现。应用层的整合难度较大，成功率也不高；系统层的整合，即对众多业务系统进行整合，原来的每个系统对应新系统的一个子系统或者模块，而对于基础信息维护属于一个单独模块，只由特定人员维护，以保证基础数据的出处惟一性，可以追本溯源。而对数据层的整合，可以通过建立数据仓库（数据集市）或者主数据管理的方式实现，相对而言，数据仓库可以“治标”，而主数据管理则可以“治本”。

有了规范的数据和统一的平台，车企便将一些关联很强或者需要关联的数据整合在一起，用于企业的经营决策分析。企业可以跟据不同业务主题的需求进行建模，并通过专门的BI平台进行灵活展现分析成果：如自动的生成各种报表，通过OLAP功能进行多维度展示，KPI仪表盘直接服务于领导层的经营决策等。这便可以节约传统的报表制作的时间，将人力资源充分转移到分析报表及决策制定上去。

组织架构方面的演进

车企内部形成独立的信息管理和应用部门，是一个正在逐渐演进的趋势。这个部门在公司的层面上整理和汇总各业务部门对信息管理和应用的需求，同时也作为公司系统建设和改造的驱动部门，从全局的角度审视和规划公司的信息管理和应用之路。这个部门可由公司的IT部门拓展而成，也可以作为独立的部门而存在，它需要管理专家、业务专家、行业专家和技术专家四类人才共同维持其高效的运转。同时，该部门的设立和存在需要得到公司高层领导的认可及支持，并在公司内部对其业务给予大力的宣传和推动，以培养其协调和整合能力。

在企业实践当中，各业务部门和经销店才是信息系统的终端用户，是系统的最终使用者和利益相关者，故信息管理部门在开展其业务时，要本着服务公司整体利益，平衡各业务部门利益的原则，主动收集各部门的业务需求，并在一个更高的层面上进行汇总、加工和整体规划，最终将各部门的业务需求正确地转化为公司级的技术需求。同时，要注意在需求的整理和形成阶段，需与业务部门进行反复的沟通及确认，得到业务部门的理解与认可后，方可作为最终的系统需求来进行系统化的改善及发开，切忌误解业务需求或者自作主张设计需求。  

管理体系方面的改进

企业文化是企业管理的无上之道，那么，车企就可以有意识地在企业内部宣贯？数据文化，提升各级部门的数据管理和数据思维意识，甚至设计更加精细化的业绩考核数字体系，从骨子里改变全员的观念。

同时，我们也看到，设计信息化系统的初衷，就是要服务于企业的管理体系，令其更加高效、便捷、xx和智能。管理体系的改进，从宏观和微观上都会极大的影响到企业的数据管理业务：从大处来讲，管理上的改进，必将对数据管理业务提出更高的需求。例如，目前汽车行业的营销理念，已经逐步由传统的大众营销向更为精准的数据库营销转变，这就要求车企在客户信息管理、销售过程管理、客户生命周期管理、客户接触中心（点）管理等多个方面，进行有效的融合，而这势必会对更为底层的数据管理提出更加苛刻的需求，迫使其管理质量不断提升。

从管理的细微处入手，任何管理流程和制度上的改进，都会在某个方面影响到企业数据管理质量的提升。例如，对于车企内部，担负基础信息（字典表和相关数据）录入和维护的工作人员，要强调其工作的重要性，并为其建立数据录入的审批和管理流程；同时专人录入数据后，要有专人对数据的准确性或规范性等质量问题进行核查，审批通过后方可上传入系统数据库当中；{zh1}，还要将数据的准确性及规范性等作为相关员工的业绩考核指标之一，以使此业务正规化、系统化和常态化。再如，针对经销商，车企要严格的防范录入错误数据行为，严厉打击数据弄虚作假等行为，并将经销店数据质量作为重要业绩考核的指标之一（这个考核的度要拿捏准确，轻则不痛不痒，重则火上浇油）。

尾声

数据管理是各行业所面临的普遍性问题，但由于业务的超高速发展，这个课题对汽车企业来讲显得尤为迫切。希望中国的汽车企业，能够迅速地摸索出一条适合本行业和本企业的数据管理和应用之路，以成熟的姿态迎接全球化的机遇和挑战。

【全文完】