今天的汽车行业已进入变革转型的关键期：大市场增速放缓，竞争激烈；与此同时，具备互联网基因的新造车势力纷纷进入赛道，并创出估值新高。对于深耕行业数十年的传统车企而言，“数字化”已成为应对行业变局的重要课题。国资委《关于加快推进国有企业数字化转型工作的通知》更是对各大车企加速数字化进程起到明确的战略指引作用。
BCG认为车企数字化可以分为三大领域：业务数字化、产品数字化和数字化创新业务。
其中，业务数字化，即通过数字化手段提升“研供产销”核心业务的效率和竞争力——既是核心基础，亦是速赢机会。没有业务数字化的支撑，而对产品数字化和数字化创新业务进行巨大投资，只会成为无源之水、无本之木。
在本文中，我们将聚焦车企在应对严峻市场挑战的同时，如何脚踏实地的实现数字化转型。
在与各大车企进行数字化课题的研讨中，我们看到车企中不乏具备前瞻的智慧和勇气大力推动数字化变革的领导人。我们更听到有不止一位车企一把手明确提出
“不数字化，就灭亡”
的警句。然而，每个车企内部都是一个庞大的系统，并非所有车企的管理层都对数字化有清晰的认识。许多人对数字化和建设IT系统的概念混淆不清，对数字化的路径缺乏统筹规划，对数字化需要的业务和组织变革依然在摸索阶段。我们看到有车企拨款上亿，几十个项目同时上马，过程轰轰烈烈，却大多未能对业务起到预期的促进作用。
车企数字化转型是一项“高投资高回报”的战略举措，但需谋定而后动。“高投资”源于车企业务复杂，价值链长，实现数字化的确需要数亿元以及数年对新系统平台和新业务能力进行持续投资，这意味着车企必须把宝贵的资源用在刀刃上；“高回报”则源于数字化不仅是局部优化，更是通过新技术手段的应用使业务产生质变。
过去车企依赖经销商接触客户，总部既缺乏直连客户的渠道，也缺乏真实的客户数据支持个性化营销服务，所以传统车企销售管理主要聚焦两点：一个是批售，另一个是经销商作业标准化。今天，手机和车联网为车企提供了高效直连每个客户的渠道，整合内外部客户数据可以形成真正有效的客户画像和需求标签。这使得车企有可能直接对每个客户实现个性化运营，也为车企利用技术赋能渠道带来了新的机会。在这个领域，特斯拉和蔚来等造车新势力已远远走在了传统车企前面。
既然数字化“高回报”源自业务变革，那么就意味着数字化绝不仅仅是上线几个系统那么简单。通常而言，车企业务数字化转型的基本路径可分为四步：
信息化，即通过IT系统实现流程在线和数据在线，这是数字化的基础。数字化必须依托信息化获取的数据和系统流转才能实现赋能增值。目前车企各领域信息化建设往往参差不齐，一些核心信息化系统的不完善会成为数字化价值实现的重要瓶颈，所以数字化的第一步是完善信息化基础。然而，不少人把数字化简单认知为IT系统建设，这是不准确的。实际上，信息化只是数字化的第一步
（下图具体列出了信息化和数字化的核心差异）
。信息化聚焦业务操作功能的实现、信息的基本流转和对接；而数字化聚焦持续的业务产出，需要后续步骤才能实现价值最大化。
传统车企信息化建设通常由单个部门提需求，IT部门实施，不同部门的系统和数据存在大量孤岛。数字化需要通过整合触点，建立数据平台等举措实现系统和数据的打通，进而实现业务的协同和整合，从根本上提升企业运营效率。同时，不同来源的数据在有效数据治理的前提下，基于数据和数字化平台进行整合，也是进行大数据分析洞察、实现数据变现的必要前提。
某国内领先乘用车企拥有20多个线上客户触点，包括各类微信公众号、小程序和APP等，分别由市场、销售、售后等不同的部门负责，但都没有真正高效实现客户运营，反而导致客户数据分散不打通，客户多触点体验不一致。为了解决这个问题，我们将直连客户的核心触点聚集为3个，并且建立统一的管理平台，由单一部门统筹资源，进行全旅程的客户运营，大幅提升了客户体验并节省了运营成本。
在实现数据有效整合的基础上，数字化的核心价值之一是通过深度数据洞察、AI和BI赋能传统业务，重要的决策将由数据驱动，而非仅仅依赖决策者的经验。要做到这一点，需要团队兼具高级数据分析（Advanced Analytics）能力和对业务的深度理解，并且选择高价值的业务场景，进行针对性的数据分析和建模。这一领域通常是传统车企的人才和能力短板，需要进行投资和外部合作以加速落地。
我们的数据团队帮助某全球领先车企针对精准售后服务营销场景，进行客户大数据建模，并利用AI技术赋能经销商。模型自动计算当月每一个客户对每种售后产品的购买概率，并且结合会员状态及其他业务规则进行筛选，AI将产品智能推荐给服务顾问或技师进行跟进，跟进结果再反馈给AI系统进行机器学习，实现模型迭代优化。项目成果实现了AI个性化推荐的转化率达20%以上，有30%的客户因推荐购买此前从未购买的产品或服务，整体售后产值提升了10%以上。
业务模式变革是数字化价值实现的最后一步，但也是最容易被忽略的一步。不少车企管理层会认为我已经投资了IT系统和数字化平台，就会自动产生价值。然而，不同于信息化价值大多源自系统本身的记录和流转功能，数字化的价值主要来自业务运营中真正利用数字化的效应（如高效连接整合、深度数据洞察等）去改变原来低效的业务模式。在现实中，业务变革的阻力是巨大的，尤其在车企这种价值链各环节强耦合的组织中，人的意识和业务模式惯性尤为明显。因此，我们看到成功的数字化案例，哪怕再小，都会伴随着精心策划的业务流程甚至组织的变革。
某领先商用车企规划如何充分利用车联网数据赋能销售管理时，有部分领导认为是否能把这件工作直接交给目前车联网的技术供应商实现。但实际上，哪怕车企清晰地告知技术供应商其业务需求（对于从0到1的创新业务本身就是一大挑战）并且技术供应商不打折扣地开发出数字化产品（比如车辆地理位置分析看板），这个创新产品要发挥业务价值还必须回答以下问题：哪些业务决策流程必须增加对车联网数据的分析和使用？谁来负责常态化的分析？一旦发现异常，业务端如何高效响应？市场营销需要哪些配套内容？销售和网络部门需要哪些配套管理？
数字化的四个步骤，知易行难。车企不仅需要在微观层面检视每个项目是否通过四步骤真正实现了数字化的投资回报，更需要在宏观层面协同各价值链环节，实现整体数字化转型。
传统车企如何在应对日益激烈的市场竞争压力的同时，更高效地实现数字化转型落地，我们建议紧抓以下六个要点：
数字化强调连通和整合，这意味着过去价值链各领域各自为战的做法已不再适用，车企需要对数字化路径进行统筹规划。不少车企倾向于数字化优先聚焦营销领域，这是完全合理的抉择。但很多时候，营销领域的瓶颈存在于价值链上游（如OTD效率、成本竞争力等），就需要车企统筹规划，分步实施。即使在营销领域内部，也存在多个部门资源协同问题，且不同的数字化项目价值、急迫性、成熟度以及对其他项目的依赖关系都需要统筹考虑，不合理的实施路径必然会“事倍功半”。考虑到数字化的高投资，企业必须“谋定而后动”。
车企在进行整体数字化实施路径规划时，需要对不同价值链领域采取不同的策略。营销领域是一个快速变化的领域，我们称之为敏态领域，在规划中强调“当年见效，季度上市，月度迭代”。生产供应链和产品研发属于系统工程，我们称之为稳态领域，需要体系化的系统诊断，夯实基础；同时也需要市场导向，利用数字化手段和市场一线客户需求紧密关联。
统筹规划提供路径指引，数字化的落地需要依托具体的项目群。但通常规划到项目立项实施会存在时间差，整体规划的颗粒度也很难满足每个项目立项要求，同时执行主体也不一样。因此，车企需要建立长效的数字化项目群决策和推进机制，确保数字化按规划落地。
这个机制要具备三大要素：1）最高管理层充分参与；2）业务价值导向；3）对项目全生命周期进行持续跟踪。
比较行之有效的方法：
■
成立“数字化决策委员会”（通常一把手参与），负责对项目群立项，阶段性业务价值实现，后续追加投资进行评估和审批，并对优秀项目予以表彰和激励。
■
设立常态化的“数字化管理办公室”，负责统筹数字化资源，日常项目PMO和成果追踪，帮助数字化决策委员会高效决策。
■
对每个项目，需要成立跨部门敏捷项目团队，由业务部门（而非IT部门）中高级管理人员担任项目负责人，负责数字化项目的建设、运营及最终移交给业务部门常态化管理（BOT
1
模式）。敏捷项目团队的绩效应和项目产生的业务价值直接挂钩。
在数字化实施路径规划和推进过程中，我们建议快速打造灯塔项目，驱动变革。任何变革都会经历从“少数人接受”到“多数人拥抱”的过程，而没有什么比几场胜利能更有效地引领变革。尤其是转型初期，在各方面条件不完备的情况下，投入精兵强将实现3~4个成功的战略级灯塔项目，往往成果价值远大于撒网二三十个普通项目。
营销服务领域是比较合适的速赢机会挖掘领域。前文提到这是一个敏态领域，新的技术可以快速产生效果，同时传统车企通过经销商接触客户的模式和老旧的经销商管理系统（DMS）也存在大量痛点，亟需改进。无论是通过客户大数据赋能精准营销，还是通过技术手段赋能经销商，亦或通过直连实现客户运营和体验优化等，都有大量机会可以探索。例如，在某领先自主品牌数字化转型项目中，我们利用互联网电话和AI赋能经销商网络线索邀约管理，通过3个月的全新产品开发和2个月的上线运营，成功提升试点经销商网络线索邀约到店率12%。
数据赋能，依托场景打造数据和数字化平台（DDP²）
数据是数字化时代的重要资产。但在实践过程中，数据资产变现并非车企唾手可得的果实，
需要满足三大条件：1）打造可扩展的数据和数字化平台，提供数据整合、分析和服务的基础设施；2）输入规范完整的高质量数据，这需要车企围绕业务运营指标建设完善的数据资产治理体系；3）基于业务场景逐个开发数据洞察模型，形成数据服务赋能业务。
三大条件缺一不可。我们看到有些车企投资上千万打造“数据中台”，但由于没有高质量的数据输入，也缺乏数据应用场景开发，这些投资无法产生有效回报，同时“数据中台”本身的架构设计是否符合车企业务需求也缺乏实战检验。
