据最新数据显示，长安汽车 9 月产销环比大幅增长，Q4 销量有望实现超 30% 增长。如何在低谷振荡的车市格局中寻求突破，长安汽车交出了不错的成绩。汽车行业进入了前所未有的活跃时代，自动驾驶、车联网，以及新能源汽车等已经改变了汽车产业，每一个品牌都在抢抓机遇，但同时挑战也接踵而来。近年来，长安汽车深刻观察到了市场态势，提出全域产品提速、新生态构建、数字化转型等关键举措力求企业以最快的转变速度适应时代需求，实现业务增长。
不过，如何实现业务增长？在极为内卷的新能源汽车市场，增长一直都是各大企业关注的重点。以长安汽车为例，“2022年上半年已经上市 7 款全新和改款产品，下半年将上市多款电动化、电气化产品，集团四季度销量目标 77 万辆等”，这些数字的背后是汽车厂商们所面临的共同命题——转型和增长。不过，值得企业进一步思考的是除了拼技术、硬件之外，数字化转型软实力已经成为汽车企业增长的关键因素。
新基建时代，汽车行业向数字未来飞驰
近几年，在各人工智能、大数据、云计算等新兴技术的影响下，汽车制造行业的数字化转型正式进入快车道。从制造方面来看，新能源、自动驾驶、智能制造等技术的不断进步深刻影响了整个汽车行业，智能、环保、互联已经成为当前汽车行业发展的关键词；从用户体验方面来看，车联网、数字服务、用户运营等帮助车企从多角度、全方位提供以用户为中心的全生命周期的生态系统，从而不断提升用户体验。
多家顶级咨询公司的报告均指出，无论是消费者市场、还是企业发展方向都将迎来新的变化：
消费期望：汽品牌和拥有汽不再重要，更看重“互联”、“无缝”、“个性化”的服务体验； 企业定位：向高科技企业看齐，以数字和数据作为业务核心，高效开展运营和创新； 技术储备：尽管制造仍是首要工作，但 AI 、大数据、物联网被认为是最重要的技术投资。IBM 在《汽车行业展望报告》中预测，到 2030 年，每个人平均拥有 15 台互联设备；售出的新车中有 15% 是完全自动驾驶汽车；软件将占到汽车创新的 90%，代码行数将是现在的一百倍；一辆汽车平均每天可生成 4TB 的数据；汽车共享将占到全球行驶里程数的 26%。
汽车行业的数字化转型带来了大数据的广泛应用，覆盖了汽车产品设计、生产优化管理、供应链优化管理、质量优化管理、市场营销分析、用户运营分析、售后优化管理以及车联网应用创新等方方面面。随之而来，各大车企收集的车辆数据也呈爆炸式的增长，如何利用数据获取洞察，不断提升运营能力和服务水平，同时又能有效降低成本、提高质量和生产效率，已然成为各大车企数字化升级的新方向。
以业务驱动为目标，车企构建活力型数字化转型模式
基于数字化趋势，长安汽车决定从传统制造企业向科技公司转型。据了解，长安汽车数字化建设顶层框架围绕“天上一朵云、空中一张网、中间一平台、地上全场景”，力求构建数字化服务的平台能力，实现业务敏捷响应和转型创新。其中一大亮点是，长安汽车瞄准企业经营目标，用数据驱动方式构建数字化新型能力，重点打造数字化平台整合业务中台，加强企业数据管理与服务能力。业务驱动是企业数字化转型源动力的意义，在这样的背景下，生产制造企业的“命脉”——质量管理成为了最佳实践场景。
质量管理是对企业数字化软实力的最大考验
质量管理是企业生产和管理的基石、经济效益的源泉。汽车产品高价值、涉及人身安全，受到消费者以及政府的高度关注。同时，汽车行业高度竞争，没有质量意味着没有成单，所以从生产制造开始的整条产业链上高度重视质量。总结来看，质量管理不到位，将会直接关乎生产效率、质量事故、维修成本、产线交付等，从而影响业务销售成绩和客户服务水平。可以说，质量管理数字化直接反映了企业对数字化认知高低水平的高低、企业竞争实力以及营收增长能力。
如何充分利用现代信息和通讯技术，打造智能化的质量管理是企业需要思考的命题。目前，车企不同部门对数字化有不同的认知与理解，业务诉求更不尽相同，从而使得部门之间难以达成一致的目标，并采取统一的行动。关于如何提升集团总部纵向管控，横向与渠道、经销商的协同能力，打造数据信息驱动的学习型企业；如何提升业务的分析效率，辅助业务发觉洞察，提高行业竞争力；如何实现数据的共享和统一管理、提升数据管理的实时性、共享性、一致性。这些都是企业进行数字化转型的核心挑战。
围绕这一企业战略目标，长安汽车发布并施行了《六西格玛管理 2025 推进规划》，同时还详细阐述了智能制造背景下质量技术发展展望，智能化质量管理关键挑战是数据打通，是基于大数据分析的复杂多阶段过程关键质量特性识别、及高维、高频质量特性过程质量控制。
企业需要用全面、准确、可确定的数据进行决策
六西格玛（简称 6 ）是一种持续的流程设计和优化技术，以接近6零瑕疵（百万分之三点四出错率，瑕疵指任何客户不满意的事情）的全面质量管理为企业长期追求，带动质量大幅提高、成本大幅度降低，最终实现财务成效的提升与企业竞争力的突破。六西格玛管理往往出现在数据规模巨大、高可用稳定数据服务、高并发数据分析查询等需求场景中，企业需要用全面、准确、可确定的数据进行决策。
从上述材料中可以看出，长安汽车落地全面质量管理新模式，将对自身数据管理提出的更高挑战。在面对“累计数据超过 20 年、涉及车辆累计近 5000 万，三包数据近十亿规模”，“常用业务维度超过 150 个、日常用数高达万人”的庞大质量管理数据分析需求面前，长安汽车在 2015 年后，陆续尝试引入当时行业有代表性的大规模并行计算引擎 Vertica、Impala 等，并将质量数据分析逐步从 Oracle 迁出，初步缓解了用数压力，但随着六西格玛应用范围扩大，数据量和查询量都逐步增加，Vertica 和 Impala 两种方案压力与日俱增，业务高峰期数分钟的查询延迟，叠加上高频查询失败，使得日常六西格玛工作无法开展，这对公司业务和管理工作都带来巨大影响。
长安汽车、福特汽车、美国知名行业资讯公司等经过多年汽车制造业务建模和数据建模实践，联合制定了长安质量评价分析体系，涵盖了：1、狭义质量范畴的千车维修频次 R/1000、单车维修费用 CPU 等指标。2、广义质量范畴的顾客满意度 CS、客户抱怨问题数 TGW/1000 等指标。3、整体质量范畴的百车问题数 PP100 指标。
长安汽车希望根据业务建模和数据建模制定的长安质量评价分析体系，落地统一数据模型服务，满足大规模施行六西格玛管理所要面临的数据规模巨大、长时间高可用稳定服务、高并发低延时分析查询等要求。长安汽车搭建统一数据模型服务，支持其所有部门全员参与六西格玛质量管理，包括：质量管理、技术研发、工艺制造、设备管理、产品设计等部门，涉及上万人日常在线用数。同时为了全面准确分析复杂多阶段过程，数据模型包含常用业务维度超过 150 个，全面覆盖所有业务过程，包括：底盘、电器、动力传向、车辆工程、涂装、车声内饰、车身外饰、过程等，按整车系统包含 8 个 VRT 板块，按整车功能进一步拆分包含 36 个 VFG，按车辆故障表现进一步拆分包含 308 个 CCC 。
从 2021 年开始，长安质量评价分析体系稳定运行。该体系基于 Kyligence 预计算方案的质量分析评价指标支持了长安汽车六西格玛组织日常使用，保证了六西格玛质量管理的实施，产生了18 名黑带（拥有职业证书，专职从事六西格玛质量管理，是体系中的关键角色），3000 名绿带（拥有技能证书，兼职从事六西格玛质量管理，是体系中的主力军），120 名讲师群体，助力了长安汽车全业务流程日常查询工作有序正常运行，提升了数据分析与管理效率，优化了汽车生产制造质量。
面对新一轮的汽车智联化浪潮，造车新势力发展迅猛，同时传统车企也纷纷选择转型。据统计，2020年中国车联网市场规模已超 2000 亿元。面对随之而来的海量车联网数据，如何在保障数据安全的同时，利用好数据资产，并服务更多创新业务场景成为各大车企急需解决的难题。
将数据打造成为资产，更多场景得到“改造”
车联网的 IoT 数据规模非常庞大，并且呈现典型的不连续、分区聚集的特征。但在车联网的数据上，除了做分析统计外，还有非常明确的查明细的需求。在上千万辆车里面查一个明细的数据是一个非常巨大的挑战。所以说，Kyligence 的预计算模式，结合基于向量化引擎的智能分层存储能力，成为海量车联网数据破局的有效手段。
对于业务用户而言，他们不需要感知底层的向量化引擎，只需要知道数据模型即可。最基于比较典型的时间、区域，车架号等的场景，原来的技术体系要花费四五分钟，可能还会面临失败。选用 Kyligence 后，该企业的查询响应大幅改进；基于时间、车架号查轨迹的场景，做到了稳定在秒级的应用查询服务。同时，在 Kyligence 的帮助下，这家企业在车联网方面做了很多创新：
企业通过新技术、新平台、新工具建立成熟的质量管理体系，不仅可以提高有形产品质量，更能够促进服务水平的提高，从产品缺陷数的降低到周期时间的缩短，从资产使用效率的提高到销售队伍效率的改进。从外部经济环境和汽车产业变革角度而言，长安汽车正是因为采用了先进的管理创新、技术创新，才能构建高效率和高绩效的组织能力，从而驱动企业经营增长。
Kyligence 作为国内大数据领域的领先厂商，服务了金融、零售、制造等行业的领先企业，助力各大车企汽车质量管理、自助分析、统一数据服务、车辆网数据分析等创新场景的落地。Kyligence 通过提供成本最优的多维数据分析能力，支撑企业商务智能（BI）分析、灵活查询和互联网级数据服务等多类应用场景，助力企业构建更可靠的指标体系，释放业务自助分析潜力，推动各大车企的数字化转型。
本文作者可以追加内容哦 !
