会议时间：2024年11月1日（上午）
会议地址：北京东方君悦大酒店
速记实录：
主持人：尊敬的各位领导、各位贵宾、大数据技术专家、媒体朋友们，大家上午好！感谢大家在百忙之中抽出宝贵的时间，参加由永洪科技主办的第八届永洪科技全国用户大会。
十一月北京的深秋，我们在这里又迎来了大数据行业顶级专业会议。高朋满座，欢聚一堂。我是主持人刘炎，首先请允许我代表主办方永洪科技向今天到场的每一位嘉宾朋友们表示最衷心的感谢和最热烈的欢迎！
当前，新一轮科技革命和产业变革加速演进，人工智能、大数据、物联网等新技术新应用新业态方兴未艾，全行业迎来了更加强劲的发展动能和更加广阔的发展空间。作为新技术新应用新业态的推进者、建设者、见证者，在今天的大会中，我们将一起探讨最前沿的大数据技术发展，交流最接地气的大数据最佳实践，一起见证永洪科技新产品的诞生。还有，2024年永洪科技全国数据分析大赛的大奖，究竟花落谁家？相信大家此刻和我一样，满怀期待。
那么就让我们带着这样的期待，让我们一起拉开本次大会的序幕。下面就由我为大家介绍出席今天活动的领导及嘉宾，他们分别是：
华为 流程IT平台三部/人工智能使能部部长 ——许榕俊
东风岚图 大数据团队负责人——雷亮东
天合光能 大数据应用负责人——李清杰
良信电器 数据及安全部部长——张潘宗
（见名单）
最后，要为大家隆重介绍的是，本次大会的主办方负责人，永洪科技的 创始人及CEO 何春涛先生
让我们再次用热烈的掌声感谢他们的到来！
相信今天到场的每一位嘉宾都和永洪科技有着非常紧密的合作往来，永洪科技作为国内领先的一站式大数据解决方案提供商，就是专注于为千千万万家企业提供灵活易用的大数据应用解决方案，在数据分析 & BI赛道持续领跑。
首先，让我们有请本次活动的主办方负责人，永洪科技 CEO 何春涛先生，为我们带来《拥抱新时代新技术，长期与客户共同成长》的主题分享，掌声欢迎何总！
何春涛：非常感谢在这样一个金秋时节永洪科技的第八届全国用户大会在2024年11月1日正式隆重召开，我代表永洪科技在这里欢迎各位朋友们的到来！
其实即将过去的2024年还有2个月我们经历了非常有挑战的一年，也是非常有收获有成长的一年，虽然大环境不是那么如意，但是我们各行各业的客户和永洪科技依然在卓然成长。这次大会，我利用这个时间向大家汇报一下永洪科技在2024年的成绩和荣誉，同时也向大家汇报一下我们在产品研发上面的进展。
大家看到的第一张图是永洪科技连续第六次获得中国BI商业智能领域第一名，这是中国首席数据官联盟从2016年开始做的权威榜单，这个权威榜单在疫情期间曾经发生了几年的停止，后来疫情以后就继续发布了这个榜单。我们可以看到一直到今年永洪科技一直蝉联中国BI商业智能领域第一名，这当然离不开研发团队的实力和努力，更离不开客户、伙伴、用户的大力支持，我们才能把它干成。
说到客户、伙伴，下面我向大家分享一下我们与中国的科技巨劲华为的合作，华为因为中美贸易战、科技战的进行就被制裁了，这样一个非常伟大的科技企业为了自己的业务连续性就在做非常重要的思考和行动。在BI的领域也启动了国产化的进程，我们知道国产化进程的重要参与者就是华为团队和永洪团队一起来推进的。
迄今为止，经过了四年时间艰苦卓绝的努力，永洪和华为团队一起打造的vividime平台支撑了华为集团13万用户业务的需求和2万多家分析师的日常工作。这不仅仅是简单的升级，它其实也意味着能力的提升。vividime的分析平台的可用性从翌年每年宕机从每年不能超过12小时降低到不能超过6小时，报告性能从17秒到7秒，这个成绩是得来不易的，华为使用遍布全球，有非常多的数据中心、业务领域都在进行使用，总共超过170多家分支机构和小20万的用户，这个确实是我们把它诞成了。
因为这个合作成就不错，非常感谢华为的支持，在2024年的4月份我们一块儿共同见证了华为质量与流程IT部同北京永洪科技商务有限公司的智能数据分析联合创新实验室的发布，这个是来之不易的。实验室他们做什么呢？我们跟华为一起联合做什么呢？我们干的事情依然聚焦数据分析这个领域去打造属于中国的最好的数据分析的底座。联合创新实验室将支撑华为集团的新型业务发展体系，也将支持永洪继续提供业内领先的数据分析产品和平台，我们一起在数据资产化的治理，分析的智能体，智能化的数据消费这三个方面展开了深入和全面的研发合作。同时，我们也是国内第一个完成鸿蒙适配的BI厂商，我们希望能更好地跟华为一起协作，把鸿蒙推向更多的用户，推向更多的企业，推向更多的国家和地区。这是我们跟华为一起干成的一个很好的工作。
下面，我再向大家汇报一下我们在数据上面的一些工作。
去年用户大会上，我们跟大家聊了一下数据中台的一些问题，其实数据中台在国内已经不是一个非常新的概念了，在最近遇到了一些挑战。它的设想是说把一切的数据给它集中起来，汇集起来再输出给各种业务去使用，中台成本非常高，投入巨大，性价比特别低。为什么？所有的数据都要把它先放到一个地方，这个对很多企业来讲都是非常艰难的，而且往往意味着我们以前的IT投资还需要再重新投一遍，有可能我们已经建好了数据湖，已经有一些业务建好了数据仓、数据集市我们都不能用了，这就意味着我们遇到很大的问题。就像办一个房地产登记所一样，不是把所有的房子都放到登记所去，而是让房子流动、使用。所以永洪科技以数据管理为核心打造三层的数据企业架构，分别是数据治理层、数据资产层和数据应用层，有的朋友也叫它叫数据消费层。这就促成了三个重要的改变，分别是底层IT平台的服务化，以前IT的平台往往是非常多的IT用户和部门去做数据的治理和处理，永洪科技认为应该赋能业务自主构建数据的应用；第二个变化是数据资产的服务化，我们的数据资产这一层应该提供变相消费的数据资产的服务能力，开放、自助、点搬迁，再往上还有一个特点就是数据应用的业务化，我们让数据应用深入到业务环节，让业务自助式地去完成数据分析。这是我们对未来企业数据架构的一个新的定义，这个定义已经在一些大型企业里面得到了还不错的应用效果，后面我还会跟大家慢慢展开诉说。
我们先看看数据的治理层，数据治理层方面主要是数据湖、数据仓、数据集这样一些建设工作为核心，我们要做好主数据、原数据、数据治理、数据搬迁这样的工作。除了一些常见的开源产品、闭源产品，还要求对专业的数据治理能力有非常高的要求。永洪科技在这么多的工作中帮助客户完成了很好的数据治理工作，让数据的资产层、消费层做好相应的准备。
再往下数据资产层，这是2024年非常重要的研发重点。vividime数据资产层是面向消费的数据资产平台，核心思想是Data Fabric，意思是我们希望把企业的数据湖、数据仓库、数据集市通过Data Fabric集中起来，减少搬迁，让业务自助加工数据形成资产，并且形成可信开放的服务。2024年已经发布的数据资产的产品中，我们已经提供了数据模型的能力，血缘分析的能力，最近我们提出的新产品中还有更多的能力下面我会向大家汇报和解锁。
我们在2024年刚发布产品不久已经同业内的很好客户进行了产品使用和改进，这一块我们认为在2025年一直到2027年都会得到大量的客户认可、接受并且广泛采纳，欢迎大家跟用永洪一起进行企业级数据资产的梳理和建设。
下一层就是数据的应用层。永洪一直在数据应用层干得还不错，我们连续六年都是中国的商业智能BI的评比第一名。最近一个很重要的趋势就是如何应用AI技术可以帮助更多的人消费数据、使用数据、减少技能，提升效果。我们知道，其实AI这个市场非常大，GND（音）报告，从2023年到2028年AI复合增长率超40%市场规模可以达到1530亿这么大的规模。但是AI的使用进入企业，在我们看来还是非常艰难的，因为什么？因为企业和2C的市场是完全不一样的，我们可以去玩OpenGPC，去惋中国的一些大模型，比如说做一个长文的概述，问一些商业或者协作的问题，这个结果其实我们大家都不会把它当成一个生死攸关的结果看待，而进入企业，我们就会有各种各样的担心，我们企业业务是非常关键的，我们害怕出现数据泄露，害怕出现幻觉，害怕出现误导企业的商业决策，所以这是在AI方面需要不断地改进和提升的，后面我也向大家汇报一下永洪在AI方面的思考和进展。
AI的场景问卷调研上可以看到，其实在业务用数，就是对话式的智能数据分析这个上面的需求非常磅礴，非常普遍和广泛的。其实前面两个往往都是一个通用型的应用，比如说企业代码、企业知识查找，但是到业务用数上已经进入到了企业的关键流程上是不能出问题的。很高兴我们看到，在2024年ITC发布的中国AI的报告里面永洪是唯一一家进入GBI的榜单的专业BI厂商，确实我们得到了认可。
下面我们看看在国产化替代方面过去一年的变化。
在国产化替换上国资委79号文件已经把国产化替换写得非常清楚，要求的非常严格了。2022年底每一个国资委企业都要完成国产化替换改造方案和规划，到2023年初，每一个季度都需要去进行国产化替换的进展汇报，到2027年我们要全面完成国产化替换的工作。而且在永洪看来，国产化替换不是一个简单的替换，这种事儿是三个阶段的提升，分别是从信创安全出发的国产化替换，然后我们必须能够达到产品和服务国际水准的国产化替换，到最后一个阶段是能够实现全球供应的国产化替换，这才是我们类似永洪科技这样的中国科技企业应该去追求，去达成的国产化替换能力。
我们再举一下我们跟华为做的国产化替换的方案。
其实华为在替换之前使用的核心BI产品有三款，分别是Oracle BiEE、Microsoft Power BI和Tobleau，亚太地区最大的客户，全球第三大客户使用规模已经超过十多万。永洪通过与华为团队的通力协作，我们经受考验达成了业务延续性，我们实现了强度大组合。我们非常感谢这样一个机会，让我们通过替换之后的综合BI平台DIS去支撑了十多万用户的核心应用和170多家机构的核心应用。我们经受住考验，我们非常感谢有这样的机会再一次去证明我们能够与华为这样的优秀团队一起成长，去达成国际一流的产品研发能力和服务支撑能力，在国产化替换这件事情上，我们一定会把它做得越来越好。
第二，我们跟中集集团国产化替换的合作。
中集集团是中国物流，也应该是全球物流装备的龙头企业，集装箱业务全球第一。通过与中集集团的携手共建，永洪科技帮助中集最核心的业务，也就是集装箱业务完成了全面的国产化替换，就像我们说的国产化替换不是简单的替换而是一次非常好的业务提升。我们从数据口径的统一上提升到90%，团队报告输出的时间上减少70%，业务决策的及时性提升了接近20%，第一次通过永洪科技的vividime产品让所有的业务用户都实现了自主式的业务用数和自主分析，这是非常不容易的国产化替换成绩。国产化替换不是简单的替换，而是一次升级和数字化的提升。
对应更多的国产化工作我们产生了更多的案例，比如说全球最大的银行中国工商银行全集团的国产化替换工作是永洪科技完成的，像制造业行业龙头先尼科、医疗行业龙头天士力、食品行业龙头绝味，我们帮助他们替换了Cagnos、Tableau、PowerBI BO BIEE QLIK等等，这样也是国外的必要性，我们可以一直坚持的是首先是业务可用，其次是业务提升。这个在2024年我们把这些事干得还不错，而且还在继续深入推进国产化的替换流程，让国资委要求的2027年之前完全实现全面的国产化替换去做出我们的努力。
下面向大家汇报一下永洪科技在海外市场上的一些小进展。
首先，我们看一个VCR。
——（播放VCR）——
确实，我们从2023年底，我们永洪科技做好了面向全球的决心，并且在2024年初开始去推进全球化的业务，这也是我们响应国家的“一带一路”从华为资源这些中国科技企业一起合作，在全球市场打造中国科技的操作系统，这也是我们永洪科技应该去承担的这个时期的历史使命。短短的不到一年时间，我们vividime足迹遍及了十余个国家和地区，我们签约了20多家客户，虽然我们在国内每年有数百家、上千家的客户，在海外只有20家这样的客户，但是这个成绩对我们而言依然是非常来之不易的。这是很好的开始，我们的业务已经在中东、东南亚、东北亚、中亚、北非这样一些国家和地区有了第一批永洪科技vividime产品的忠实用户。这是很好的开始，我们希望能跟更多的中国的客户、中国的合作伙伴一起去面向全球，更好地去拥抱全球科技的市场，相信不久的未来我们可以在海外市场获取到更多的成绩。
这是2024年在海外业务上的一个进展，下面再看看产品研发上面的进展。
——（播放VCR）——
过去一年我们在数据模型、AI分析等领域不断地推进研发工作，看上去产品比较多，但是我们聚焦的层面依然是数据资产层和数据应用层。在数据资产层我们提供了数据模型这样一个重要的功能，它让业务分析变得更加的灵活和可靠数据应用层在2024年推出即席分析和第一版AIGC产品，还推出了数字孪生产品和跨集群管控的功能。大家知道，大型企业往往BI系统不是一个集群，有可能是10个，在我们看到的中国有的大型企业已经超过100个集群，这些集群如何进行非常高的监控和集中管理变得非常重要，为了支撑中国超大规模的数据分析的应用，我们推出了业内唯一的一个跨集群运维的平台，这个在2024年也干成了，欢迎大家可以去试用一下。
再回到刚才给大家分享的企业级的数据架构，这是永洪与客户一起形成得非常先进的数据架构，我认为它代表了未来全球和中国企业的数据架构的发展方向。这三层架构底层是数据治理，中间是基于Data Fabric的数据资产，上层是数据应用或者叫数据消费。我们来看看即将推出的永洪vividime11版本会有什么样的一些努力和成果？
数据资产平台，我们把Data Fabric在11版诠释的更好，能力增强了，企业全域的数据逻辑通过编制的形式形成逻辑整合，我们通过用户做这个工作而不仅仅是IT的用户来做工作，让业务用户都能做这个工作。这样用户可以自己做数据资产的编织和数据资产的消费和使用。另外一个是指标服务，大家可能在以前觉得它是两个字“指标”，我们这个部门需要20个指标去监控或者怎么样，其实指标的核心是对企业的业务进行一个有效的监控，甚至于对企业的绩效进行有效的管理。
所以在即将发布的11这个版本里面，我们把指标服务这个能力也提供给大家了，11很快就会发布了，有可能是2024年，最多是2025年出RC版本。还有一个很重要的能力是血缘，企业的数据毕竟要求很高，必须是可信、可靠，我们为了让这个企业的数据可信可靠，我们把血缘服务做到全域穿刺，从最底层到最上层都知道数据的来龙去脉，这个事情上11也把这个放进来了，在企业级的数据资产平台，要想做好Data Fabric通过编织使用数据，我们必须有一个强大的数据引擎做底层的支撑。我们通过永洪科技vividime把标准接口的一个服务可以共享给大家，这个服务除了永洪的BI可以使用之外，其他第三方的BI、AI数据产品都可以使用，这个我们也能够把它干成。
下面再展开说一下指标服务到底有什么样的能力。
我们的指标服务完全业务制作的，所谓的IT平台化，数据业务化。同时我们这个指标是支持全系列的指标，从基础指标到衍生指标到复合指标，可以满足企业各个部门各种各样的需求和应用，同时我们希望可以通过强管控去统一的规划、定义、管理企业的所有指标，对它进行跟踪和智能的分析，提供洞察和见解，提供企业基于指标的企业级管理提升和绩效在11这个版本都把它给快要干成了。
下一块向大家汇报一下永洪在AI上面的思考和11版本上面的实现。
AI上面，数据应用上其实有蛮多的技术路线，有的技术路线是NLP2Skill，有说NLP2python，其实我们思考来思考去，我们认为这个是不够的，不足的，解决不了核心问题的。所以我们坚决地选择了一条更难的路，就是我们说的vividime Copilot，它是结合组合AI和Agent的解决方案。为什么要符合AI和Agent来做这个事呢？单纯的skill不能很好让用户检查AI结果是不是对的，AI问数结果是不是对在企业来看是非常关键的。我们要让看到图表之外，更要让他看到数据的逻辑和图表的逻辑，我们通过AI Agent的方式让大家看出来图表是怎么逻辑生成的，有什么问题。同时我们融合了大模型和小模型以及数据分析的领域模型，我们可以把业务问数这个专业的事情解决得更好，所以大家可以看到后台的Agent的能力以及大模型和小模型的接入能力，我们在11这个版本都诞成了。
下面放一个VCR看一下我们的vividime Copilot。
——（播放VCR）——
刚才的VCR可以看到，V11业务问数的能力得到大幅度的增强，非常值得期待。业务用户用数据非常困难早年间很多BI产品都是需要IT用户使用，业务用户提需求，后来永洪把它干成业务用户可以自己去做，但是很多业务用户觉得非常麻烦。从vividime V11以后这个事就变得相当低门槛，我们直接可以通过vividime Copilot产品，让所有的用户通过动手打字或动嘴说话完成业务的需求。vividime Copilot在几件事上干得非常好，以前Copilot产品只能面向一个个数据集问数，我们有些客户反馈回来说这么干很麻烦，我们的业务用户还需要去选数据集。在V11，我们把这个麻烦打掉了，我们可以向业务域问数，多个数据集放到一个业务域里面，比如说人事业务域、制造业务域、财务业务域，选择一个业务域就可以展开工作。除了问数这样一个非常基础的需求，我们还能提供总结、数据洞察、数据预测各种分析的能力，我们都提供给大家。同时我们有一个最关键的能力，在V11把它干到更好，那就是我们说的让数据变得可信。大家知道大模型的幻觉其实对企业级的应用来讲是一个灾难的，数据应用必须完全准确，十分可靠，针对这样一个极限的要求vividime Copilot可以实现在限定场景下的100%的数据准确率，这个对于我们全面铺开在企业的各个领域、各个部门的业务用数保证了关键支撑。另外，我们还关注并且解决了安全的问题，除了支持公有云的大模型以外，我们还支持了私有化部署的大模型，私有化部署大模型国内和国外主流的大模型厂商，我们进行联合测试通过了相应认证，大家可以保证自己的业务在之前已经采购的大模型上展开业务用数的工作。
总体上来讲，永洪科技的V11不管是在数据的资产平台还是在数据的应用平台我们都取得了蛮大的进展，也是非常值得期待的。
当然，在我们最核心的一些能力，比如说Dashboard我们在不断地推进，比如说分析和计算进一步增强了，报告的美化上也进一步增强，展示功能的增强上面依然不断地提高它，我们打造了数据门户千人千面的工作，我们让报告的演示、汇报变得更流畅，在自动运维方面把能力也增强了，持续打造领先的数据分析产品，是永洪科技义不容辞的责任，这个事情是我们一直坚持的并且将把它持续的放在产品全景图中，向客户呈现各种能力，包括数据治理产品、数据资产产品、数据应用产品以及各种场景和技术服务，我们想办法为客户打造最好的产品和服务。
最后，我们回顾永洪科技的企业价值观，以卓越的数据技术和客户服务，为客户创造价值，长期与客户共同成长。
主持人：感谢何总的精彩演讲，我们看到了vividime 产品的精彩表现，就像刚才何总所说的一样，永洪致力于帮助企业和用户释放数据价值，从商业洞察到商业智能，再从商业智能到商业增长。相信未来永洪科技vividime，将大步向全球化市场迈进，帮助更多的全球企业和全球用户释放数据价值，实现业务增长。
今天，我们正处于一个前所未有的变革时代，数字化浪潮正以不可阻挡之势重塑着每一个行业，每一家企业。在这场深刻的转型之旅中，如何把握机遇，将数字化转型的力量转化为企业的核心竞争力，成为了摆在我们面前的重要课题。正是基于这样的背景，我们特别邀请到了华为流程IT平台三部/人工智能使能部部长——许榕俊，为我们带来《数字化转型与BI应用结合 》的分享，有请！
许榕俊：大家早上好，我是许榕俊。我一直在华为负责华为公司的所有数据底座、人工智能以及数字化运营。
我今天作为永洪的用户，我分享一下华为在数字化运营释放数字价值我们的实践以及历程，当然也有中间踩过的坑。
华为在数字化运营方面有一个核心的假设，企业大到一定程度，新的成本会始终保持在高位，当你尤其在想建设一个更好的产品，更好的服务的时候，你效率最低的部门会让你的成本倍增。就像一个人能跑进10秒，当你跑进9.5秒的时候，身体在各个阶段都会给你牵扯。你怎么样把企业瞄准未来持续保持增长，这是巨大的问题，这是如何解决华为大企业病的核心要素。管理团队认为很重要的手段就是数字化运营。
华为的数字化运营主体来说历程分为三阶五步。
第一个阶段就是统计分析，就是我们为所有的业务和领域提供基于数据的分析与决策，它在这里面分了两步，第一部分叫局部运营，是业务部门有数据以及相应的BI来支持每一个业务部门，每一个产品，每一个流程进行成本和效率的提高，相应来说组织方式就是一个个BI项目。底下的像BI的实施部都是由我在负责。各个业务部门通过BI的应用支撑各个业务的运营，在这个过程中我们的主体技能就是数据仓、BI、商业智能。在2011年我们开始进入第二步全局运营，整体的组织模式是业务驱动到数据分析会在各个业务部门成立基于数据的BICC。我们看到在平台部门出现了企业级数据仓，这不是一个技术概念，是一个业务，把全公司所有的数据，我们说3万多的数据，600多万个数据对象的数据实体纳入统一数据湖，形成数据在集团的数据书同文，文同意，使得一线跟机关，流程的左右部门，管理层的上下部门都实现了打破数据孤岛统一的数据底座，这个过程中实现端对端的运营。
2016年我们开始进入到第三阶段，第三阶段最大的使命是什么？数字化运营不再只是业务的支撑而是业务本身，数据要嵌入到业务流程实现业务价值。第三步核心开始实现了相应的实时的智能中心，构建了企业级数据湖，让数据智慧到业务流程；
第四阶段2019到2020年构建集成业务中心，我们在这儿底下构筑了新型的运营模式和模态。我们的能力主体基于War room的指挥，战时指挥，平时值班以及洞察和自助分析的能力。
在2024年开始进入第五步，就是人工智能引申以后，我们觉得在企业需要一个决策大脑，构筑联合作战指挥的作战能力。
下面我们沿着三阶五步分享一下企业如何来思考的。
第一阶的时候，2004年以前华为没有做商业智能，大家只做一些报表。当时IBM给华为做完战略规划的最后一步提出来华为一定要建立基于数据分析和决策，才能把变革和流程真正有效落地下去。所以在这个时代，我们很好地学习了老师的经验，我们在每一个业务部门都成立了质量运营部，具体遵循的流程是PDCA，规划、执行、评估、改进。同时在公司这个层面要建立运营的架构，从战略愿景出发，一路从战略目标到成功要素，这可能大家都很熟了，整个指标体系，层层依托的体系构筑指标支点。这是第一阶段，我们觉得第一阶段挺成功的，所有的业务部门都基于数据分析和改进。我印象特别深，每个公司给公司汇报的QCC缺，质量改进缺每个月是100多个，但是在这个阶段也有坑，有一个巨大的坑。老板在年底就能收到5个收入，销售部门的收入、产品线的收入，服务部门的收入，供应链还搞的发货收入，数据满天飞。我们在2008年金融危机的时候要成本改进度过冬天，采购部门说通过他们的努力把成本改进了48%，产品线说通过他们的气电替代工艺创新改进36%，各个部门都有改进目标，最后我们的成本改进12%，老板很纳闷，究竟怎么回事。
这就进入到第二阶段，我们进行全局运营，我们打破企业所有的数据孤岛，所有的单部门以及点对点的数字化运营，我们开始构筑端对端从头到尾的运营。这个领域，当时现在轮值董事长任总牵头，它的实现效果是大家在外面听到炮声的人呼唤炮火，这是我们把企业端对端的数据群打穿了，总共大的维度9+36个大维度，100多个小维度，所有的数据上下都是层层勾连的，这样实现华为既是一家公司，同时支持6800个小华为，6800个小华为都可以独立经营、独立作战，同时可以获得大平台的支持和管控的一致性。
我们当时做的第二个是合同端对端，从客户的汇兑到回款，我们叫合同的五个一。
我们再讲端对端的运营跟第一阶段，第一阶段各部门不是都改进了吗？为什么还启动，听起来不是最好的吗？我举个实例，第一阶段订单管理部说合同到客户阶段我们努力特别好，客户来所有的SA都在30分钟之内把合同变成订单，非常快。但是从公司角度来说，面向客户角度来说当时我们比爱立信在全球的交付时间长60%，将近20天。我们的订单的差错和异常将近涉及到每年10亿美金，即时交付率问题非常多，但是为什么他的指标特别好呢？很简单，他只看到我的合同到订单的30分钟，他没有看到合同要传递给订单中间的环节短的一天，长的一两周。因为合同部门在签合同的时候并不符合订单的可履行的要求和规则，所以不可接受，订单不接受，必须要符合合同的条款要符合订单履行。
我们建立端对端运营体系以后，订单部就要往上游看，去帮助合同签一个可履行的合同，当合同生成的时候就可以快速形成订单。同时订单部要往后握手，要看制造部、供应部，我的订单的计划是否能够确保它能够被履行，这样我们在整个端对端就能串起来。再一个企业里面为什么这么难？企业其实是把供应链内化的，所以面向客户交付差不多有36个部门，L2级的部门，200多个L3级的小部门，在高质量交付涉及的1.2万个华为员工，任何一个人的差错都会面临合同面向客户不能高质量。我们整整的变革做了两年，说起来是5个指标，整体上是300多个指标层层勾连，更重要的是促进业务流程和模式发生变化。
我们最后把这个做完，在企业级数据仓里面发现真的做好一个合同涉及的数据是3.2万个数据。非常简单，当海关清关L3的流程，他有海关清关的协议，清关的配置、硬件EHS、环保属性一堆，任何一个东西错了就不能有效清关，确保清关的质量。在这里面构筑端对端的运营对华为来说是支撑业务能否实现的高质量。当然研发产品都在做这个事情，这是第二阶段，实现全局运营。
全局运营也有坑，最大的坑是任总修路，说我们的信息流跑不过实务流。我们当时在供应链总裁那儿做了一个大屏，结果就变成公司的笑话，客户来了，其他领导来了就把屏打开，领导一走就关了，供应链智慧大屏。为什么？不是数据有错，数据不真实，但是数据不是实时的，他是非实时人录入的数据，可能业务流早走了，人才录入数据，这些数据被响应到指挥系统中，无法指挥。当时做的是动态PPT，这是巨大的坑。第二个坑是华为在2016年当时的战略蓝军给华为做了战略研讨说收入在下降，成本在上升，3年后可能发不出分红，就是大企业病。所以老板让陶总领导我们的数字化转型。数字化转型同时陶总把数字化运营定义为数字化转型的先行者和使能者。
我在负责数字化转型就进入到第三阶，数字化运营是业务，数据即业务。在这个阶段，我们定义的核心理念就是让运营和决策基于数据更准确、更即时，更有效。核心是三个，第一从信息到执行，信息一定要能驱动行动，信息驱动业务，这样才能有真正及时高质量的数据价值信息；第二个是从管理者到全员，意味着流程的权利进行平权，在流程的权利从管理者能赋能给每一个员工就能做决策，所以它的流程，业务的敏捷和响应度非常高；第三个是从局部到全量全要素。我们自己一年的服务器在刚开始做到第三步的时候，流程IT管理的服务器3万台，我们为了服务器的成本和效率做了很多工作。但是，当我们用这套理念的时候发现我们错了，因为我们还有十几万台，二十万台在各个产品线，各个实验室，各个研究中心，还有20万台服务器。那些服务器事实上效率、质量和成本都在我们的管理范围之外。后来我们通过ROT联网把它全建了。我们要把所有在这个业务范围内的数据基于对象的数据全部都要拿到，就像我们公司现在说所有的IOT凭30多万个全栈连接才能连接到我们网络中，这样才能实现数据业务的全覆盖。
基于这个业务，我们当时提出来构筑了架构，底下最熟悉的是数字化转型三个词，业务对象数字化，在业务对象上产生数据，实时的，只有业务对象才能更加实时，更加准确，更加清晰度，这就是大数据首先要落在数据对象上。第二，把业务过程的规则数据化、算法化；第三业务过程数字化线上化，所有的作业都由IT来承载，这跟过去跟信息化具有代际，在数字化底座的基础上构筑可视、分析、执行和决策。
沿着IOC的架构，我们讲一下2016年做的第一个项目，2016年做了6个项目。我们以物流为例，一年的物流差不多100亿，每天跑5万到20万辆车，我们的挑战是有很多人，但是物流的周期也很长，在我们园区到处都是停满装车的人，一个单来了停5公里到客户的交付周期也很长。那我们怎么做？我们把所有的车都装了Sensor，司机能实时感知，所有的物都装了Sensor，重要的集装箱像运芯片、运手机，我们装了门磁和摄像，所有的对象上我们加了Sensor。业务的过程全数字化，每一个工作，能够预判每一个货物理货的质量，能够预测什么包完。这样我们带来模式的变化是什么？每一个货预计几点几分包完，车什么时候到哪个卸货台取货全是数字化，司机也不用在华为等4-6小时。算法告诉你预计你来接这个货你的距离和预计开车的时间是不是合适，同时所有流程的决策环节，中心丢货的感知过去是天，现在到分钟，而且决策的流程，丢货的决策由普通的员工就能做决策，究竟是补货，究竟是探查还是什么。过去办案一周，补货行为的决策一个月，更别说补货完成。整个过程下来，使得物流成本当年降低4670万，而且过程的质量及时性非常高。
第三步运营业务还有坑，坑是啥？数字化转型是智能升级数字化运营一定是要带来业务模式的变化，以物流为例。物流部原来有83个小类，2小时给司机打一个电话进行物流跟踪。260个物流员做理货跟车的调度匹配。业务模式要发生这些人都要被革命，它的挑战很大的，最后物流部留了50个人做数据分析，做物流节点的筹划，做更多的拼装拼货各种分析，全球的规划，这是我们很大的坑。因为我们这个项目是由董事长梁博牵头，一般的部门没有变革力量底下谁也不愿意革自己的命。第二个bug核心是数据，在这样的体系底下，它需要大量的数据，我们一致认为第三方物流数据都很正常，大家都能看到数据，但是作为一个企业，我们要作为实时物流需要300多个数据，其中85%需要外部门，需要客户公摊的数据，需要制造的数据，包括制造相应伙伴的数据，需要第三方供应商的数据，需要物流的数据，海运的数据，空运的数据，海关的数据，需要跟客户外部的路况路径的数据才能做到从天到分钟级的协同。他要做到协同，85%的数据都来自于外部门，怎么持续有保证，这个数据变成很大的挑战。任何一个数据出了问题意味着我在全球不能正确的发货，而我们在变革底下是能做的。但是在我们正常的业务部门要保证这么多的大数据外部门持续有质量的进入和支撑，形成数据价值，是有困难的。
我们后来就进入到第四步，我们开始构筑业务模式，在老板的支持底下开始构筑了几种模式，第一叫拉远直管，把主流的业务重新进行梳理。我们把原来分散在各个地方的运营和管理的能力都集中在各个运营中心去，这样在运营中心实现新的数字化运营的能力。我举个例子，第一个是财务，原来在全球有130多个子公司，我们每个月的财务结账都需要每个子公司分别结账，最后形成合并报表。我们在这样的模式下，我不需要每一个子公司建，我们在全球建了一个财经的结账中心，所有账务管理、账务协同、账务合并都在这个中心，这使得全球任何一个姐账的异常和过程都能实时做指挥和处置确保结账。
以结账小的案例来说，当时IBM全球结账的时间20天，还不包括回溯。在我们做完运营指挥的时候，全球结账的时间是3天，而且能确保结账在各个维度底下的质量。
第二个案例，因为我们交付中心，全球要面向客户进行站点交付，一年大概是30多万个项目，我们要交付150万个站，这里面每一个站都是一个任务，所以过去每一个项目都要建很多的项目管理。后来我们在所有的项目过程中加了实时感知和大数据。一开始一个客户一个指挥中心，次年一个国家建立一个指挥中心，所有的这些项目都在这个指挥中心去做管理、运营。接着现在全球3个运营中心管理了全球所有项目的交付，这带来的变化是什么呢？我们当时有5万华为员工，20万外包，当做完运营指挥中心，因为最后会把人员的协同共享全部去做，项目共享也在这儿做了，最后剩下三万三华为员工，8万伙伴，这些员工的薪酬都从低级别变成高级别，因为他们干三份活拿两份工钱，目的不是为了节省成本核心目的是克服服务的能力，响应力。第二，我们构筑了平行监管，我们在过去因为管理和分析和风控要在业务流里加很多的大坝，所以使我们的流程会比较慢，效率比较低。
我们把所有的监管、网络安全、信息安全、审计、内外部合规，在所有的主业务流上加上感知，这样在不打扰主业务流下对异常的风险进行管控，进行决策和指挥。这两块是我们确定在公司形成组织的变革，现在在公司大概有60多个大的指挥中心，小的有600个，相应我们有很重要的举措，任何一个指挥中心要持续改进还需要分析的平台，我们就开始在2018年开始推大众数据分析，朴素的目的并不是为了做分析，我们认为前面的项目做得挺好，最朴素的目的是希望数据有价值，有更多的人用，促进各个业务部门把各类的数据，符合质量标准的进入到数据湖里。核心目的是冲刺数据湖的数据力度，因为大部分人要消费的数据都是外领域的，所以每一个都需要就要把自己的数据贡献出来。在数据平台大家看到价值才能持续运作，我们就构建了大众数据分析。
我们在2019年的时候，大众数据分析用OBIE我们当时成为他全球的TOP用户，我们这么大体量，所以每一类都非常大。
我们给大家汇报一下，我们在2019年的时候，当时每年活跃的数据分析师1.2万，大家也知道2019年我们发生了巨大变化，美国516以后打压华为，我们不可能用美国所有的供应链环境，我们非常感谢永洪，他们成为我们入选唯一BI的伙伴，帮助我们在华为最困难的时候帮助我们跨越了数字化运营的难关我们是要做得更好。这个数据跟刚才何总稍微有一点区别，现在在自助分析师上能自己做数据分析的员工2万多人，活跃的报告和分析的报告是15万多张，在活跃的消费者是4万多人。
这是第四阶段，让数字化运营即业务，让数字化运营改变业务流程和模式，等于是把数字化运营的数字化智能化做了，那下一步走到哪去？老板老在问我们，是不是就做完了？为了这个事情我们往前瞻研究，这里面有两个动力，一个动力就是美国国防部军事理论一般领先产业界10到20年，我们学习了美军的GATC2，学习了军事智慧体系加PREA，信息战略、战术和执行的决策体系。第二，我们要打造下一代的智慧系统，决策大脑，这就是我们从2022年开始酝酿，在今年正式开始启动这个战略，打造IOT2.0。同时这里面有一个很大的契机是人工智能ChatGPT横空出世，人工智能大模型带来我们能力的泛化。这样的一个能力的大模型底下会带来我们重新构筑决策联合智慧底下的三大优势，第一是信息优势，第二是决策优势，第三是行动优势。
在这一方面，我就讲一个案例，余总去年开始有底气说我们不仅给伙伴提供自动驾驶的设备，还能赋能质量运营，我们以质量运营的一个小案例讲一下。我在春节的时候正好刷到这个视频，这是MT的车主，在2月4日5点49分发一个小视频说华为的MT质量有问题，先刮雨刮后喷水会把玻璃刮坏的。2月6日9点钟他收到一个短信，短信上写的是你的问题反馈我们收到了，他说这个问题因为打你电话没联系上只能发个短信，告诉他说这个问题我们很重视，接受了，预计在3月份的OTA会给你解决。所以用户在2月7日拿着短信发了小视频，他说我在4号的傍晚发了视频，6号早晨就收到了，这说明厂家5号一天就把这个问题解决了，这个效率遥遥领先。
过去我们的车厂是怎么做的呢？过去车厂每半个月到各个部门收集一次数据，收集完数据之后由专业部门分析以后，到一个月底再把任务下发下去，让大家决策。我去年在北京跟大众的质量CQO交流，他说大众一般这个问题的解决周期是最快半年。为什么这个活比较难呢？很简单，因为第一步我要建立感知是所有的论坛，无论是汽车之家，懂车帝，要聆听互联网的声音。这里面主要的阵地300多个，跟所有的跟客户的连接触点当时做的是20万个，包括客户往来和服务，所以由AI能够快速在每天海量的数据里面筛选出来什么是对产品的副品。这个工作实际在做的时候是7分钟感知到客户的声音以及产品质量，做完这个够不够？这个问题应该谁解决？他要确定解决的方案，该不该解决，要不要解决，解决完方案这个东西在过去不能决策，你无法落地等等，所有过程的决策都需要人工智能来加强来进行平权，来进行控制。所以所有的决策用了6个小时，接着由人工智能判断它的行动，我要让客户经理给客户做关怀，帮助客户监督产品是不是有效在版本落地，在车辆上体现。3月31日这个小伙子又发了视频，确实解决了。
讲了这个案例就是讲人工智能会带来模式的完全变化，像这样是构筑华为最新的战略，华为一直以为是创新为中心，华为的战略以质量优先，不是以产品技术优先，以智取胜。我们把这个在全公司各个环节的推广，由小徐总推动这样的数据价值，这意味着我们面向用户服务的能力，迭代是传统车厂的60倍。
在新的阶段，我们从数字化运营有数据支撑的信息化，到数字化运营就是业务，到数字化运营创造新的企业的作战和联合指挥的模式成为公司大脑，我们认为是逐渐迭进。第五阶段我们还在探索，我们跟永洪还成立了联合创新实验室有3个议题，其中有一个议题是用大模型，我们关心的不是智能问数，我们今天的问题是问数即洞察，希望在5年内是问数即决策。大模型会潜入到所有的新型运营模型中。我们理解这样才能构筑数据驱动，以及智能协同的新型的智能运营智慧中心。
最后，我们公司现在认为数据是企业的生产要素，我们怎么发挥它的价值都在路上，我们希望跟各位同仁共同探索，我的发言就到这里。
主持人：感谢许总精彩的分享，为我们深入剖析了从数据驱动决策的重要性，到BI工具在各方面的具体应用，无疑为我们提供了宝贵的启示和思考。
在数字化浪潮的推动下，数据已成为企业最宝贵的资产之一。而如何有效地收集、分析、利用这些数据，以更好地服务于用户，提升用户体验，成为了所有企业共同面临的挑战。今天，我们有幸邀请到了东风岚图 大数据团队负责人——雷亮东，为我们带来《岚图汽车——以用户为中心构建大数据服务体系》，有请雷总。
雷亮东：感谢永洪科技，感谢各位现场的嘉宾，愿意花20分钟的时间来听我讲述蓝图汽车大数据的故事以及我们对大数据未来的思考。
我今天分享的课题叫构建以用户为中心的大数据服务体系。东风岚图是一家新能源的造车企业，为什么我们的切入点不是以造车和卖车为切入点，请允许我先用简短时间介绍一下东风岚图的由来。
东风岚图是高端智能的电动品牌的国家队，我们岚图的LOGO来源于先秦庄周《逍遥游》的鲲鹏之志，这里面有一句话“北冥有鱼，其名为鲲”。这个LOGO就是鲲鹏飞上天的过程。第二，岚图的岚，上面是山，下面是风，岚图给人带来的是清新的山间风的感觉，代表新能源；第三，东风岚图位于武汉十堰，武汉十堰大家不一定，大家肯定了解一个门牌“武当派”武当山就是湖北十堰，岚图的岚字带着我们承载着东风人对于创业创新的一个精神，就是马灯精神。第三个“岚图”也是一个谐音，代表我们跟用户一起描绘用户未来的人生蓝图。
岚图是一个比较年轻的品牌，整个新能源是相当卷的赛道，我们用了4年的时间造出了4类大的车系，覆盖了SUV、MPV、轿车和紧凑型SUV，是目前国家队里面唯一一家敢于布局的企业。既然是我们有这样的布局，我们品牌的愿景就三点：科技向上、用户向上、品牌向上，大家可以看到用户向上放到中间，代表岚图未来要打造的是一个科技型的用户企业。
谈到用户，我们最近做的什么事情？
第一，我们主打听用户劝。最近在北京不知道有没有见到岚图的车叫梦想家，我们在中间的改款的过程中做了颠覆性的改款。这个改款是怎么来的？我们通过数据发现梦想家的车主44%是使用了华为手机的终端，结合全国30多个车友会的声音以及100多个KUC、KUL的意见，我们总结了四个方面的升级，智能化、安全化、舒适性、娱乐性。我们跟华为有比较深度的合作，把华为的自动驾驶、智能座舱的系统搬到车上，在安全上我们获得了NCAP五星认证，舒适性把冰箱搬到车上，但是价格没有进行增长，这是听用户劝做的产品升级。
第二，既然你说用户数据这么重要，它会不会形成一个指挥棒，这个指挥棒到底要承载什么样的作用？后来我跟我的团队一起思考，我觉得有两点核心的作用。第一，能不能用用户声音洞察全链路进行体验的改善？是用户真实在主流媒体上发声的意见；第二，用用户行为进行全渠道的精准通达，最后实现两个目的，宠和粉。宠就是全链路包括产品体验、销售体验、售后体验、APP体验；粉，就是自动化的圈层运营。
从数据的角度，我们从产品孵化到全链路围绕用户出发，上面是产品的全生命周期，下面是用户的，某个产品在上市前很长一段时间内，我们就应该去接触用户，这个用户是指行业内百万级用户的声音，在产品研发过程中不断去验证能力，目的是这款产品面世的当天就知道目标用户在哪，目标用户人群应该往哪投，去降低销售宣传和产品的成本。华为的营销操盘里也会有这样的概念。成功上市之后，我们也会对同级别车主的洞察挖掘销售机会，这里面结合公司域的数据。
第三，有了数据，我们也会考虑怎么样做分层的运营，岚图会对用户分5个层，从潜客、线索、准车主、保客和KOC的层级。在这里面数据做的核心的两个作用是在金字塔的左边和右边，浅蓝色的部分就是怎么去识别用户去跃层的升级，右边是怎么防止用户在圈层降级之后我们去做的主动触达的动作。
既然刚刚提到更多是岚图业务运营的愿景，作为大数据的团队应该有自己的岚图怎么支撑这样的庞大体系。到2030年全面建成岚图、用户、数字智能生态，这里面有四个层级的能力。第一，数字连接用户，现在作为车企，作为新能源的企业能够触达用户的渠道已经比传统企业变多；第一，跟合作公域的传媒进行网站触点；第二，私域，APP注册用户有四五百万的级别；第三，线下门店，线下门店已经打穿到各个上商超里面，现在只要逛逛街就可以带家人到车里面感受一下，可以在车里面感受零重力座椅的舒适性。第二层，既然有数据库的构建之后，我们要基于这个数据做商业决策中心，包含平时的运营、战时的指挥和查打一体，核心的核心是要把这个变成供应链实现自主性和主动性，包含研发，包括最后的订单到生产，到最后的发运到交互，甚至能够再往前延伸到产业链，这里面包含最上游的零部件供应商和最下游后市场保险、金融等等服务。
为了实现这个体系，我们分了三步走：第一步，蓝图是2019年成立，大数据团队在2021年的时候才正式成立，第一步花了2年多的时间把全链路数据进行贯通，基于人车厂的维度进行贯通；第二步，大数据服务体系的构建，希望花两年的时间支撑第三步数据价值的变迁，真正跟供应链上下游的数据交易来产生新的数据价值。
既然说到数据服务体系，它的框架是什么？我们做了一个高阶的框架定义，从目标来看还是以实现全价值链以用户为中心的数字决策运营，我们会面向三类数据消费的场景。第一，数据开会。在座的各位跟IT或企业当中的一些管理层，现在很多的时候跟你们直接面临的数据还是在核心会议上，核心决策会议上，所以第一个消费场景要支撑公司全部的核心会议的召开；第二数据集市，更多面向专业的数据分析师做一些深度的数据洞察；第三数据模型，要支撑一线的运营、决策有更好的预警预测的模型。同样，我们为了支撑这三个场景，在我们企业内打造5个产品线，包含数据门户、移动端、DataGDP、自助分析平台、全旅程洞察。其中最后两个产品是基于永洪科技的BI产品去做了自主的打造。这5条产品线对应了三个核心举措和9大关键的路径，最终为用户呈现的是数据服务的体系。
数据服务体系描绘了它未来的数据服务的地图，从左边的分类来看，我们有6类数据服务供应给上游的业务，从数据采集到核心算法的能力到给标签、内容、产品去打标签的能力以及指标的管理能力和图模型、多维模型，多维分析模型的能力，把它列入到数据服务地图甚至数据服务的商城，供上游的业务系统，供给业务进行使用。
我们这里也做了一个大胆的尝试，每个企业在做大数据运行的时候，数据资产很重要，数据资产怎么去构建？是围绕什么构建？我相信听过华为方法论或者别的咨询公司的方法论，第一步以围绕核心价值链构建数据资产，比如说核心业务链有十几个主题域。后来想想这种方式还是玩端到端的数字资产的构建，如果以用户为中心发出数据的时候，它的主题可能不是业务的端到端，更核心是从上往下看，从用户的视角，从产品的视角，从每个渠道门店的视角，从每个订单的视角，从一线生产员工、研发员工的视角去看，他们作为一个真正的实体，他们才是产生数据的第一来源。用这样的维护我们做了数据资产目录2.0的升级，从用户的认知、了解、购买、使用我们车到最后的裂变，这样的过程会把跟用户相关的财务数据、售后信息、销售信息融合到用户的维度中进行贯穿。这样，我们也提供给业务部门更多的了解，原来很多业务部门说好像我们听不到用户声音，作为一个质量部门、制造部门甚至工厂的厂长说到底用户对我们的质量抱怨在哪？对我们的车造的满不满意？有这样的体系才能让业务部门真正了解用户的声音，了解产品带出的声音。
接下来是几个实践的总结：第一个环节，既然以用户为中心去构建大数据体系，我们第一个要想办法怎么丰富用户数据。我们现在不单单是一些结构化的数据，我们还有很多的非结构化的数据，还有半结构化的数据。第一步先通过理解现在业务的难点，好比销售的难点。我们花了很多的钱去买很多的线索，一个月买几十万条线索，后面成交的可能就一万甚至都不到。这里面有大量线索的暂败，为什么会暂败？如果从原来的结构化的数据分析，可能我们更多会从线索转化率去分析每个渠道的价值。但是如果我们结合非结构化的数据，每个线索到店，到店之后的试驾过程，有录音数据、行为数据等等去结合他的声音，你会判断每条线索的购买意愿以及转化周期，这个会帮助一线销售有更好的决策，怎么跟进用户，甚至还可以基于这个标签写跟进建议，告诉销售怎么跟用户打交道，他最近产生哪些动作，也许这个动作代表对车有什么认识。我们结合大模型的能力去解读录音数据把它变成半结构化的数据，再存到结构化中台变成标签数据，把原来线索标签的覆盖率只有20%左右，提升到80%，我们标签的能力变强了，这样我们的一线运营能力也会变强。
有了数据之后，把它挂到数据集，利用永洪产品定制了VDP数据集市，当时想要做这个产品的出发点是能不能做一个企业内部的天眼查。如果用过天眼查的产品都知道，能否通过一个人的账号或多个人的账号看到相关的信息，这样把100%的用户、100%的车辆、订单、门店、顾问5个100%都灌到数据集市里面，可以让所有业务部门在这里快速的找到他想要的用户，就好比能不能从最近一个月的订单里面去找到是岚图员工去下单的用户，这个对于原来做数据的话肯定要找岚图的手机号打标签，我们做了整合之后，用户只要简单地几个操作基本上可以找得到用户的群体再去做下一步的运营。
还有基于永洪搭建了自助分析平台，我们大概现在有5000多人的水平5000多人里面2000多的工人，1000多的销售，基本上三四千人不会每天面对电脑做数据分析，更多面向客户和生产线，剩下就是研发人员和职能领域的人员，他们要学会用数据完成数据分析，这跟永洪合作做培训，帮助我们不断提升业务自助分析的能力。这一点是我的直线领导对我提的要求说原来很多的报表服务都是业务部门提需求，我们搞一两周或者一两个月的时间做出来，最后不是业务想要的。这种需求就尽量不要让我们去做，而让领导业务自己完成，我们也在做这样的变革。
基于自助分析有了这些数据之后，对于用户来说我们做了一些验证，作为新能源企业核心就是订单式的交付。我们的用户也结合自助分析的平台去分析假如说在订单分后时怎么保证订单及时交付，可以通过及时分析快速分析有效订单，识别现有的资源情况，如果资源不够能否去产线再去匹配，把它整个链路进行自动化。有了这个分析我们做了两个好的改善：第一，反过去促进业务系统做了很多自动配单的功能优化，避免人工审单的审核周期，订单配置率提升50%；第二，有了订单，从客户视角希望下单能否快速交付，如果买过理想、极客，如果你想买好的资源要一两个月才会到，我们集团对我们提出的要求7天，从客户下单到生产到交付给客户7天。大家了解到汽车制造的，这是很难达成的事实，如果不做提前的生产和铺货不可能达到。集团既然提了这样的目标，我们也分析给用户交付这个车的时候有哪些缩短的机会。基于永洪的BI分析，去做了客户从下单到最后交互分节点的监控，去做每一个环节时间的缩短和提升。在C端客户交付周期提高35%，在A类客户订单已经是现在14天左右的时间，原来我们也基本上在行业30天左右的水平。就是月头你下了订单，我月末才能交给你，变成你月头下订单，我月中就能交付给你，这样能满足客户对用车的需求。
最后也感谢大家聆听我对岚图大数据的分析，希望在座的各位来宾能够到全国岚图汽车门店感受一下现在中国的民族品牌的向上，谢谢大家！
主持人：感谢雷总的精彩分享，不仅让我们对大数据服务体系有了更深入的理解，更为我们指明了实践的方向。
在数字化的道路上，企业不再仅仅满足于数据的收集与分析，而是更加追求数据的智能化应用，以实现业务的自主决策与高效运行。下面就让我们有请天合光能 大数据应用负责人——李清杰 为我们带来《数智时代，业务自助应用的创新实践》，有请。
李清杰：大家好，感谢永洪的邀请，我们今天有这个机会在现场来跟大家分享一下天合光能大数据做的一点事。
很多在座的大家都不了解天合光能，光伏在整个的产业里属于小的板块，但是它也是现在目前一个很火的赛道。天合光能是1997年成立，2003年的时候天合光能参加了西藏的光明工程，天合光能18勇士通过马驮肩扛完成第一次天合光能产品的应用。2006年天合光能在美国纳斯达克上市，2020年天合光能在A股上市，是第一个光伏主题的企业。2023年天合光能年收益突破千亿。截止今年上半年天合光能组件出货量达255GW，客户覆盖全球170个国家地区，公司员工接近5万人，我们的员工分布在全球的70个国家和地区。
天合光能是一家新能源企业，我们核心的目的是创造美好的零碳世界。所以天合光能的使命是用太阳能造福全人类，大家可能不太了解是说我们光伏组件就这么一小片能发多少电呢？从天合光能累计的225GW的出货量来看，整个清洁能源发电量大概是30375000万千瓦时，相当于10个三峡水电站的装机量。
（图示见PPT）这是给大家去看光伏的现状。天合光能作为光伏企业，我写了一个叫“穿越周期”天合光能是很卷的赛道，目前天合光能也是处在这样一个穿越周期的时间。我们来看一下这张图，从2010年到2024年15年时间发生了什么？2010年的时候光伏1瓦成本大概在25块钱，今年上半年光伏国内组件的价格低于1块钱，价格有了将近25倍的下降。但是，我们再去看另外一组数据，光伏组件的产能，全球产能已经达到750GW。但是我们看2023到2024年装机量的需求大概在产能的一半不到一点，产能过剩是一个非常要命的一个问题。
第二，海外的一些贸易，美国也在提制造业回流，包括欧洲在内有很多的限制，包括准入的门槛。所以，光伏企业要解决这个问题首先要提高自己经营的管理，所以数字化转型是光伏企业现在大家都在去走的一条路。数字化转型最终落地在哪点？对于IT来说，是要通过数字化提升企业的差异化的竞争力，问题给到了我们，如何破这个局。
传统的数据团队工作模式是什么？我相信大家所面临的都有这个问题。一个数据团队，大部分的时候承接的是业务的需求，拿到业务需求，设计、开发、交付，周而复始一直在做这件事情。我们把活干了业务团队真的就满意了吗？你们会发现不可避免的问题，你做的慢了，业务说你响应不够，你做完了业务说你做的东西是我提出的需求，你做的结果都是我已知的。整个过程，用户所谓的参与就是在需求提升的阶段和验收的阶段，你做完之后用不用呢？不一定用了。
作为一个数据团队，大家早些年一直提一个概念，做数据的比业务更懂业务，是真的吗？作为一个传统的企业里面工作了这么多年的我来说，我的理解是其实很难。在传统企业里面，研、产、供、销、服、售后这么长的过程，包括业务在内很少有人站出来说我对公司所有的业务流程都是了解的。在这种情况下，你说我一个做数据的比业务更懂业务其实是不客观的。业务也有它的困惑，数字化做了这么多的工作，我每年投这么多钱去做数字化。数字化做的这些数据能用吗？能直接拿去打单呢？有问题是否能快速通过数据暴露出来。
我们今年做了一件事情，这是天合光能第一次举办数智大赛，我们花3个月时间做相应的策划，我们刚开始就说要教会业务用BI工具，让业务用户用永洪，解决他做报表的问题，这件事情可以替代70%的业务需求。我们在做的过程中，我们跟相关领导研讨过程中发现其实创新，包括一些价值主题的挖掘可能才是我这期主题真正需要去着重关注的点。然后高价值场景的落地一定是这期项目最终的产出，到第二个月、第三个月一直在策划这件事情。我们从今年年初开始策划到4月份开始招募，招募的时候在想我们这期招募的利益这么高，业务是否真正参与。在不到20天的时间内业务部门提出100个业务主题，300多个选手参加我们的比赛。过程中4月份到5月初的时候完成15场次专业的课程培训，业务部门参加的人次超过2000人。这些主题当中是业务开始准备参赛的作品，跟AI相关的主题大概占到60%，跟传统的BI分析占到40%，说明业务在创新方面的需求是实实在在的。
在6月份的时候，这些业务主题中筛选了30个主题入围第一阶段，第一阶段有10个进入到决赛，有3个主题，今年已经开始落地并且2024年年底这些主题就会上线。
（图示见PPT）这是我们的大赛。大赛这件事情一开始是想做一点小事，我们汇报之后，公司高层非常支持，我们在做这件事情的时候，包括永洪、阿里、IBM大厂也都给予我们很多的支持，在培训过程中业务参与度非常高。我们说我们做这些事情我们的评分标准是什么？首先，我们要看课题的创新性，包括价值，然后可扩展性以及我做完作品的完整性。
大家可以看一下分值的比例，创新和价值是最高的。我们看一下已经开始落地的几个课题，基于仿真的物流策略优化，这是目前在做的。天合光能每年有50%以上的收入来自于海外，物流对我们来说是成本非常重的；第二，通过CV做产品外观的检测。下面两个是特别应景的主题，资金和应收账款是非常核心的点，这一块也是我们今年到年底已经上线的内容。
最后再总结一下，永洪科技作为一个已经合作7年的合作伙伴，有几个领域的合作模式。第一，专家服务。目前我们跟永洪主要的合作模式是专家服务的模式，永洪的专家帮助我们实现一些业务主题的快速落地、快速实现并且实现本地化全面的支持服务，这个我们和用红团队在合作过程中是非常的默契。接下来的两块模式，一块是项目的合作，包括未来更多的围绕天合数字化转型过程中持续深度的合作。
（图示见PPT）这可以展示一下天合光能和永洪BI主要的应用成果，包括物流仓储，这是提质降本的专题，得到公司高层的直接认可；第二是制造成本的核算，让成本看得准看得清；第三是数据上会的主题，这是明年和永洪会深度合作的主题，这个目前来说整个项目还在研发保密阶段，后面会跟大家做分享。
以上是我的分享，谢谢大家！
主持人：感谢李总的精彩分享，让我们不仅对数智时代下的业务自主应用有了更深入的认识，更为我们提供了宝贵的实践指导和未来展望。
在快速变革的商业环境中，良信电器作为电气行业的领军企业，始终走在时代的前列，积极拥抱数字化转型的浪潮。接下来让我们有请良信电器 数据及安全部部长——张潘总，为我们带来《良信数字化转型价值分享》，有请。
张潘：非常感谢也邀请我们参加永洪数智大会。之前在2016年的时候，我是永洪上海部的实施工程师，我2014年毕业，后来去了制造业，来这个工作是传统制造业，一步步从底层的数仓、大数据平台、移动端、电脑端一直在做，跟永洪的合作在2019年到2024年，现在已经有五六年了。
下面简单分享一下传统制造业的案例。
工业革命在发展，包含从疫情三年过来很多企业营收不变。自动化一直在发展，我们如何推动企业去高效的做一些降本增效，通过数据如何决策？通过数据分析来提高决策和改变生产效率现状，特别是整个行业下自动化与智能化越来越普及，特别是对于传统的离散性制造业影响更大。当你收入不多的时候，人力成本、材料成本一直在上涨，你如何来降本增效或者如何给老板一个比较好的决策手段，能给公司的管理层、决策层或者公司相关会议提供一些精准的数据帮助他们来进行决策。再加上现在客户需求一直变化，市场一直在变化，我们如何降低生产成本，就像这几年汽车一直大降价，如果还保持传统的模式运作，那企业能否生存下去是一个问题。
这是智能制造工厂，我们公司坐落于上海浦东，嘉兴有200亩做了生产制造车间。制造业一直在讲工厂承受能力评估，通过这些图可以看到，从2021到2023年制造力承受度评估在三级以上的企业比较少，但是在这些企业中有精益数字化的企业占73%，对于生产的系统包括ERP、生产制造过程一直在做线上化，做自动化。我们第一步把线下业务搬到线上，第二能否通过数字化手段真正让企业发现数字中的问题给老板提供决策的方式和方法，通过决策提高效率，优化生产流程。
后面讲的良信整体的材料布局，从材料、电子、电气、力学、电磁、机械、控制、自动化，布局的行业有微网、建筑、风光储能、电动出行、充电网、数据中心和园区。我们公司主要聚焦两智一新，智能配电、智慧人居、新能源电气行业。因为之前我们在2019年公司40%的营业收入来自房地产行业，包括万科、碧桂园、恒大，也是我们的大客户。通过这几年市场行情变化，公司后面改变了战略，走了“两智一新”。在走新能源赛道的时候，你发现毛利逐步下降，我们是2014年上市，通过财报可以看到在2018、2019年之前整体的产品毛利率40%，到2021、2023年毛利率整体下降。如果我们不改变营业模式，不去拥抱变革，不去拥抱数字化，你会发现这些成本或者利润怎么控制。
基于这些我们公司专门做了专题，通过一些数据源做毛利率分析的问题。这部分主要是公司在每个月开经济分析会，老板最关注的指标是毛利率。如果价格已经没有优势了，成本怎么控制，费用怎么控制，毛利率持续下降，通过一些产品的数据，生产过程的数据如何降本增效可能是传统制造业做数据一个比较大的改善点或者是改观。
基于这部分，我们公司整体来做数字化也是两部分，我们以用促建，包含在公司的综合度量平台、营销这部分从营销端从公司级的会议到大区级的会议到部门级的会议，都是用决策平台来保持公司会议形式的运作。包括前两年做的制造控制塔、质量度量平台、研发建设仓，研发建设仓是做新品研发的测算，包含看一些研发项目的投入与产出，一些产品上市与上量的比较。后面就是移动端，是手机BI平台可以看到整体的运作情况。
基于这部分建设，我们发现我们在做数据的时候类似于华为的变革一样很难去革业务部门的命，你去做变革，你想通过一些数据优化业务部门人员，去改变业务部门的架构比较难。我们能做的是通过跨部门的协作，通过数据帮助业务部门做一些改善，通过营销端，帮助营销老大做一些人员的管控，人效的管控和能力的管控，在制造端做一些生产成本、制造过程，包含生产制造治费降本率，包括也可以通过数据发现哪些产品上市很多年价格没有很大的销量，产品在制造过程中一直是低毛率或负毛率的产品，能不能拉出来给老板看这个产品要不要做改良和优化。
采购端，我们发现一个问题，公司每年原材料采购额大概20多亿，通过采购分析数据发现很多单品的物料，有很多价高的物料买到公司，价低的物料买不到公司，我们发现业务上有一个问题，很多供应商有配额管理。供应商的价格很低，配额有限，导致当月超配额之后，公司根据采购的策略只能选择有配额的厂商，到后面运作的时候会发现价格偏高，会导致公司整体毛利率分析的问题。
后面我们也是在探索的机器学习包括永洪发布的新产品AI智能算法，我们内部也用了和BI结合如何去问数帮助老板找数据，包括去全国出差的时候能否快速发现客户的销量、订单等情况。
IoT，制造业做数字化这一步是比较落后，我们会看一些金融行业或者大厂的做法，我们学习了华为的方法论，看后面怎么把监控系统的数据，就设备运转这部分能灵活应用到实际场景中。
我的分享比较简单，谢谢大家！
主持人：感谢张总的分享，相信这些生动的案例和宝贵的经验，将为我们提供有益的启示和借鉴。
接下来就到了大家期待的环节，也就是我们的大赛颁奖。2024永洪科技全国数据分析大赛聚焦于发现数字化转型标杆的力量，旨在发现并奖赏在企业数据应用管理中的标杆企业与数字化成员，为还在转型创新之路中探索的企业带来有价值的帮助，为更多中国企业照亮数字化转型的前行之路。
永洪科技在刚刚过去的三个月里，开展的全国数据分析大赛，经过大赛评选委员会公正、严谨的审核，从众多的参选人中，评选出17个优秀作品。作品背后的他们都是数据分析领域应用的引领者、排头兵。
今天的论坛现场，我们将要进行的是为评选出的17位优秀作品的参赛选手颁奖，下面由我为大家公布获奖名单
首先，颁布是永洪科技数据分析大赛优胜奖10人，他们分别是
1、参赛队伍：张传银、胡兆胜
2、参赛队伍：翁瑞杰、张思琪
3、参赛队伍：龙虹余、丁鹏、祁德银
4、参赛队伍：李文峰、陈慧芳
5、参赛队伍：赵卫健、杨秀丽、赵宇、王启凡、马小津、许敬程、米乐
参赛选手：魏雪微、谌佳莹、王玥、王秀君、张龙
有请永洪科技联席总裁贺新颖颁奖。
恭喜各位选手，请上台领奖，合影留念。
·永洪科技数据分析大赛三等奖（3人）
恭喜参赛选手田赛、郑夺、佘晓江
获得华为freebuds耳机
·永洪科技数据分析大赛二等奖：（2）人
恭喜参赛选手：周文毅、梁志波队伍（梁志波、黄志忠）
恭喜各位获得华为智能手表
·永洪科技数据分析大赛一等奖（1人）
恭喜参赛选手：仉欣瑜
·永洪科技数据分析大赛特等奖
恭喜参赛队伍：安昊、杜宇、王嘉利、刘莉
因为我们的参赛选手都是来自全国各地的，由于时间安排原因，有些参赛选手无法来到现场，但是已经安排了相关人员来代领，让我们再次恭喜他们。
接下来，就让我们有请 待定 为获奖人员颁奖，掌声有请颁奖嘉宾马总。
——（颁奖）——
有请待定与获奖人员合影留念，同时让我们用掌声祝福各位优秀的选手们能够不忘初心，再创佳绩！
各位领导各位嘉宾，亲爱的永洪科技所有新老客户朋友们，今天的高峰论坛活动上午场到这里就要告一段落了，下午我们将会有信创国产化分论坛、行业数字化转型分论坛、AIGC大模型分论坛在内的3大专场分享，而且此时，我们也开设了互动抽奖专区，大家可以到会厅各大展位区进行集章抽奖，还有更多惊喜礼品等着大家来参与、领取，不要错过哦！希望大家能够继续留驻参与，再次感谢所有前来参会的新老客户们，在未来永洪科技将不断开拓创新，做您前进路上最好的合作伙伴。
我们下午见！
——（结束）——