适用于汽车行业转型的数据驱动型数字化平台

目录 3ERP 向数字化创新平台的转型10 执行摘要 从静态到动态10 汽车企业的新需求4 模块化，而不是单体式10 智能、情境化和敏捷性10 应对变化的两项关键行业举措5 专为提升数字化业务的速度而设计10 互联制造/工业 4.05 协作的演变 - 从对手到合作伙伴，再到实时决策网络7 结语10 关于作者12 数据 - 关键战略资产8 将所有数据整合在一起9 数据是下一代洞察、机器学习和 AI 的基础9 高管简报 汽车行业正在经历变革，这几乎是老生常谈。可能自从 T型车首次颠覆行业之后，还没有像现在这样迅速发生过如此多的变化。推动这一发展的是互联、自动驾驶、共享和电动 (CASE) 驱动的数字化转型不可遏制的势头，这种转型正在颠覆既定规范，并从内到外重新构想行业。基于结构化数据的线性、以产品为中心的商业模式正被协作式、数据驱动的商业生态系统所取代，这些生态系统汇聚了一大群传统和非传统的利益相关者和各种数据类型。新的价值创造前沿领域是差异化、精心策划、个性化的客户体验。 这一转型的两个关键举措是智能制造/工业 4.0，以及强调加强利益相关者之间的协作。这次转型的关键在于能够消除企业数据孤岛，挖掘这种丰富多样的数据流以获得下一代洞察，从而支持有效的大规模决策和创新。数据分析、人工智能 (AI) 和机器学习 (ML) 是为实现这些目标提供工具的关键技术。 从运营角度来看，整体式传统企业资源规划 (ERP) 系统正在重新构想为智能、情境化和敏捷的数字创新与协作平台，包括一个特定于核心行业、基于云的 ERP 和一个用于补充应用程序的战略集成平台。这种模块化架构为汽车企业提供了在不断演进的环境中竞争并蓬勃发展不可或缺的敏捷性、可见性和可扩展性。 要点和建议 1. 汽车行业正在受到前所未有的颠覆；线性、静态的商业模式正在让位于动态、数据驱动且汇集了各种内外部利益相关者的数字化商业生态系统。提供差异化客户体验的企业将在竞争中脱颖而出。 2. 随着最后一刻更改、持续升级和缩短产品生命周期成为常态，制造业正变得越来越敏捷。智能制造/工业 4.0是未来工厂的决定性特征，每个企业都应该制定智能制造战略和实施计划。3. 涵盖整个生态系统的近实时协作和可见性对于快速响应业务环境的变化、降低风险和加快上市时间至关重要。应该对业务和技术架构进行调整以支持这些要求。4. 数据是重要的战略资产。每个组织都应该制定一项战略，消除数据孤岛并采用工具和技术来从结构化和非结构化数据中获得下一代洞察，从而更有效地做出决策。5. 仅仅以传统的内部部署 ERP 为中心的业务和技术架构已经无法满足需求。企业需要一个敏捷的、基于云的(SaaS) 数字化平台，包括一个针对标准业务流程的行业特定核心 ERP 和用于连接外部（企业内和企业间）应用程序及功能的集成引擎，从而在汽车行业新“常态”下竞争和发展。 本文将更详细地探讨这些主题。然而，有一点是非常明确的：不作为不是明智之举。汽车行业的成功需要通过支持云技术的数字化转型提供下一代洞察。 您的组织和技术架构能否在这个新的时代取得成功？ 汽车企业的新需求 面对这种 CASE 驱动的变革，领先的汽车企业正在重新审视既定的商业模式、业务流程和信息技术基础。尽管传统的业务目标（即财务表现、运营效率等）一如既往地突出，但新的行业要求正变得越来越重要： •新业务模式：新的“即服务”业务模式（例如，运输即服务、软件即服务、软件定义的产品功能和升级）正在推动新的产品、服务和收入流。要在开发和生产“传统”产品与服务的同时确定、构建新的产品与服务并从中获利，必然存在挑战。 举例来说，汽车制造企业必须继续提供需求量很大的内燃机车辆，如皮卡和 SUV，同时确保他们能够获益于向替代能源的转移。股东不会容忍因为过早放弃盈利的细分市场而使财务状况受到影响的行为，公司的生存也会因此面临风险。 汽车行业的未来建立在共享协同效应和跨行业伙伴关系之上。 浙 江 吉 利 控 股 公 司首席执行官李东辉 •以客户为中心：整个行业都致力于在整个客户生命周期内提供更加个性化、情景化的体验。这些工作的关键在于提供涵盖所有客户渠道（包括 Web 端、移动端、社交媒体等）的连接和可见性。 •跨行业协作：随着传统的商业模式被打破，互联、协作的数据驱动型数字化生态系统（包括多样化和不断发展的利益相关者群体）应时而生。就在不久之前，将金融和保险公司、手机和电信提供商、流媒体内容提供商、礼宾和健康服务甚至餐饮和零售机构纳入汽车生态系统还是难以想象的。但今天，这已经成为了现实。浙江吉利控股公司首席执行官李东辉回应了这一观点，他说：“汽车行业的未来建立在共享协同效应和跨行业伙伴关系之上。”1图 1展示了这个生态系统。 •以产品为中心：下一代技术（即互联、智能、预测、自主和电气化）将改变创新应用于车辆的方式。对新功能的关注正在从硬件转向软件定义的功能和基于订阅的部署。例如，车辆现在可以通过无线连接不断升级，而不是在其生命周期内保持一套固定的功能。 •对可见性、敏捷性、韧性和风险缓解措施的需求：汽车制造商面临着在不断演变的商业、地缘政治、技术和安全环境中预测和管理变化的持续挑战。新冠疫情引起的供应链混乱可以充分说明这一点。 这一概念在世纪之交时出现，引入了支持物联网的网络物理系统，以共享、分析和指导各种制造过程的智能操作。互联制造旨在提高整体设备效率 (OEE)，并利用数据分析来优化供应链、物流、需求预测、生产规划和调度、质量控制和产能利用率。 这些努力取得成功的关键是端到端的实时可见性，以支持更好的感知和响应能力。 •可持续发展：随着全球竞争加剧和消费者选择的增加，汽车制造企业正想方设法来巩固长期的客户关系，并尽量减少对社会和环境的负面影响。 然而，总的来说，制造商才刚刚开始发挥工业 4.0 的真正潜力。一定要强调的是，这种数字化转型使我们可以重新设计和优化整个全球制造业，使工厂更靠近市场，减少物流带来的不良影响，并提高生态系统合作伙伴（包括制造商、供应商和客户）之间的可见性。此外，在汽车这样的资本密集型行业中，工业 4.0 技术可以对投资资本回报率(ROIC) 和盈利能力产生显著的积极影响。 应对变化的两项关键行业举措 如下所述，两项具体举措在帮助汽车行业解决这些需求方面发挥着关键作用。 1. 互联制造/工业 4.0 长久以来，汽车行业一直在不断提高产品质量和生产效率。就后者来说，制造商已经开始实施工业 4.0 技术，有时也称为“智能”或“互联”制造。 应能力以解决这些问题，并随着时间的推移提高供应链绩效。此外，先进的数字化基础将通过利用人工智能和机器学习驱动的洞察和行动来进一步改善端到端制造流程，从而实现更高水平的智能自动化。图 2（下图）直观地展示了智能互联工厂所需的功能。 智能互联工厂具有多个重要特征： 1.改善客户体验：作为增强型客户体验的一部分，消费者对高度个性化产品的需求日益增加。工业 4.0 可以为制造业带来敏捷性、灵活性和效率，为客户提供高度个性化的产品和服务，从而提升他们的品牌体验，提高忠诚度、满意度，并最终提高盈利能力。 2.生产靠近市场：为了减少延误和运输成本，领先的制造商正在建立更靠近客户的小型智能工厂。重新设计制造基地对于汽车行业尤为重要，因为这个行业因复杂、脆弱和挑战全球运营及供应链的物流而著称 3.集成运营：制造商必须紧密整合和简化跨需求管理、车间运营和供应链的流程，以实现效率和利润最大化 4.全球运营可见性和控制：快速应对（和预测）供应链及其他运营挑战。 实现工业 4.0 的目标并不是一件简单的事，从技术角度来看更是如此。概要来说，汽车制造商将需要一个涵盖整个价值链的集成信息系统（包括订单、货运和库存的单一视图）。该系统还必须及时获悉供应链的中断，提供快速响 2. 协作的演变 - 从对手到合作伙伴，再到实时决策网络 在 OEM/供应商关系的下一阶段，这种较量变得很少见。随着 OEM 依赖供应商提供的更复杂的子组件和高度专业化的配件，战略关系日益普遍。这一阶段的特点是联合研发活动以及与部分精选的战略供应商分享更多的信息，有时会导致独家采购。 汽车工艺的发展使得生态系统合作伙伴的合作方式也随之演变。为了说明这一事实，让我们简单回顾一下 OEM 关系的历史。 OEM 和供应商关系早期迭代的特征可以概括为层级结构。换言之，OEM 确定一个工作包，供应商按 OEM 要求的规格交付产品。这一阶段的关系往往由冲突和压力主导，目的在于降低价格而不是真正的合作。此外，在这个阶段，供应商通常被认为是可取代的。在这种模式下，供应商偶尔能够找到一些反击的策略。20 世纪 90 年代，一家门锁供应商对德国一家大型 OEM 的降价要求提出质疑，引起了人们的关注。供应商拒绝新的价格，停止向大批量装配线供应零件达四周之久。 最近，在 2020 年新冠疫情期间，这些战略关系变得紧张。一系列中断导致 OEM 得出结论，他们可能过度依赖个别供应商。此外，长期以来的 JIT（准时制）库存控制模型突然变成短缺和装配中断的潜在原因。汽车制造商原本预计销量将下降，因而减少了半导体订单，结果却发现他们面临着严重的未来库存短缺，阻碍了目前的新车生产。许多OEM 正在积极调整其供应商战略。例如，丰田（讽刺的是，该公司是 JIT 的先驱）已经增加了半导体芯片的库存水平。福特等其他公司则投资于更深入的垂直整合来控制微芯片的供应，而大众和特斯拉则设法确保电动汽车原材料的安全。 最近的这些发展催生了一种新的、更进步的 OEM 和供应商协作模式，涉及全球协作网络，其特点是更高的透明度和联系更紧密的规划。在这种格局下，OEM 可以专注于提升 尽早识别新威胁并迅速做出反应的能力。与此同时，各方正在努力将供应商更紧密地整合到 OEM 生产计划中。 优化这种市场驱动型供应链将需要利用来自联系日益紧密的消费者、工厂、汽车和贸易伙伴的数据。收集和分析这些数据将使制造商能够识别潜在的供应问题、提高效率并为客户提供更准确的时间表，从而降低业务风险并变得更加敏捷。更好的是，预测性分析可以预测供应限制，使得制造商能够主动调整其供应网络。 为了支持这种新的互联供应链模式，OEM 和供应商将持续面临两个方面的挑战：首先，必须重新设计业务流程，以合理协调 OEM 和供应商之间的活动。其次，也许是一项更大的挑战，必须努力消除阻碍生态系统内部协作的孤立和异构信息系统。 数据 - 关键战略资产 随着企业互联（即互联的消费者、车辆、工厂）程度的提高和企业流程变得更加数字化，信息技术和数据战略的发展也至关重要。考虑到企业当前必须管理的数据量和多样性，这一点变得显而易见。据一些专家称，大约每四年，社会产生、使用和保留的数据量就会翻一番。同时，数据多样性也将爆炸式增长，包括来自传统结构化企业交易系统（PLM、ERP、CRM）和新的非结构化或半结构化数据源（物联网连接设备、Web 点击流、社交媒体、传感器、GPS、日志）的数据。 需要将这些海量数据汇集起来，以便从机器学习和人工智能等先进技术中获取最大价值，从而达成下一代业务流程性能和企业决策。 随着汽车行业越来越依赖于数字化，有效管理这种复杂性正日益成为汽车企业决策者的“头等大事”。例如，汽车制造商正在转向虚拟测试和数字孪生，以减少破坏性的物理测试。 将所有数据整合在一起 与大多数成熟行业一样，汽车行业也不断面临数据孤岛的挑战。但是，新的数字和互联业务流程所提出的要求，在许多方面使得这些传统的障碍更加明显。 作为复杂的地区性和部门级业务运营的直接后果，除了持续的并购活动外，结构化企业交易数据通常存储在不同业务系统（ERP、CRM、SCM 等）的多个实例中。这些企业系统数据孤岛可能会给支持新的实时业务流程要求和准确及时的报告带来持续挑战。 同时，来自互联世界的新数据源，包括半结构化数据（物联网和传感器数据、互联网点击流、车辆点击流、GPS、社交媒体等）和非结构化数据（图