广告
数字文明与传统汽车的归零思考
2020-08-18 17:02:24· 来源：SoCar产品战略咨询 作者：张晓亮
如果我们将当前所处的时代定义为从工业文明向数字文明过渡的变革阶段，我们将更容易思考和理解传统汽车行业正在面临什么样的挑战。
显然，传统汽车以及研发、制造、销售传统汽车的整个商业链条是工业文明阶段非常具有标志性的智慧结晶：庞杂的产品体系；高度垂直/充分细分，并且持续优化上百年的分工系统；复杂的使用环境以及严苛的质量要求……汽车是工业文明时代诸多商业和管理理论最为充分的践行者。但是今天，当数字文明时代来临，由于汽车，以及汽车背后的整个商业系统缺乏足够充分的连接能力，更加缺乏对数据的理解和使用能力，这个行业正面临前所未有的挑战。
传统汽车与数字智能驱动的汽车存在巨大差异
首先我们通过两个案例来看传统汽车与数字智能驱动的汽车存在哪些思维模式上的巨大差异：
1、传统汽车的盈利模型说到根本是产品的售价与成本（主要包括物料成本、制造成本加上营销成本）之差。其中占比最大的就是物料成本，而物料成本中最大的可变因素就是每个配置的成本。于是上面那个问题在很大程度上就是测算配置的需求与成本之间的关系。但到了由数字驱动的智能车上，大量配置变成了获得数据的基础，比如后排只有安装了电动调节座椅，我们才能充分采集用户使用后排座椅的方式，梳理关键场景。这样后排电动座椅就由需要加价卖给用户的一个配置，变成了为了获取完整数据而进行的投资。
2、无论厂家如何宣传自己的服务，传统汽车一旦卖给用户，原则上只要不出现质量事故，用户与厂家的交易就已经结束了。但智能车的交付过程仅仅是用户与OEM捆绑的开始。基于软件和服务销售产生的利润将远远大于整车销售带来的利润。如果再考虑到软件的定价模式可以同用户ID捆绑，就像苹果ID那样，用户在换车过程中的品牌忠诚度也将远远大于传统汽车。这个时候车企的服务将不再是一种责任，而是其商业闭环中最大的一部分。
从大的背景而言，随着整个社会进入越来越被数字充分连接的数字文明，如果汽车依然是一个数字孤岛，他将大概率被这个新的文明形态淘汰掉。而随着诸多新造车公司的商业实践在模式上越来越清晰，这轮传统汽车物种大灭绝的进程已经无可避免。关键是传统车企必须意识到这种改变的根本，并且真正行动起来。
数字智能驱动的车企划分为三个层级
沿着数字智能的这一关键维度，车企可以划分为三个层级：
1、最低层级的车企依然是简单生产和销售产品的公司。依靠设计、研发、采购、生产、代理销售等多个步骤完成自己的商业活动。这里面每个步骤都只能依靠经验或上一周期的数据报表进行决策。显然这里无法获得充分的实时数据，再加上各个环节分属不同的利益主体，数据报表也会因为利益问题而掺杂水分。比如厂家为了冲击业绩很有可能给经销商压库，从而导致数据信号失真等等。
2、中间层级的车企则开始注重对数据的采集和使用。他们会在产品和服务端“埋点”，尝试把用户数据采集回来，并且通过分析解读这些数据优化自己后续的商业决策。但是由于这些数据不是从整体上规划和架构的，企业的组织也没有真正给数据分析的结果充分授权。一方面数据无法实现真正闭环，另一方面企业使用数据的程度依然不够充分。因此这些车企可以通过数据获得一定程度的业绩提升，但依然不够彻底。
3、最高层级的车企则是让自己在整个链条上的业务充分数据化，不仅仅是产品的功能数据化，企业自身的组织以及业务也必须数据化，只有这样才能真正形成有效的数据闭环。当然最为关键的是，企业的运营必须由数据驱动。虽然这里依然存在诸多细节问题需要在实践中摸索，比如第一推动由人为的战略选择决定还是完全由数据选择等等，但有一点是非常明确的，在确定明确的原则、方针的前提下，借助大量实时数据，整个系统的运转效率会获得指数级别的提升。显然支撑这一模式的关键是车企的认知以及最高领导者的全面实践。对于传统车企而言，现有的组织架构以及基于组织架构形成的利益格局显然是车企进入这一层级的最大障碍。
在上述三个层级背后，其实是车企对于由数字智能驱动的商业模式理解的巨大差异。在工业文明时代，硬件是车企最为核心的产品。硬件在自我复制过程中边际成本的降幅有限，甚至存在规模不经济的拐点。因此车企最初阶段往往都在寻求规模的扩张，但伴随扩张过程，车企的收益却未必同步优化（比如大众集团的盈利能力远远比不上同等规模的丰田集团）。但是到了数字文明时代，数字资产是越用越多的一种特殊资产。由数字编写的软件在自我复制过程中其边际成本接近于零，并且当用户达到一定规模后，其收益将呈现指数函数的跃升。这意味着汽车进入数字文明时代的整个商业模式都面临刷新。如果商业刷新了，企业组织怎能不被刷新？
因此，现在对于传统车企而言，需要进入一个真正意义上归零思考的阶段了。首先他们需要思考自己的业务如何数据化；其次是产品的感知架构和功能架构如何在数字化的同时融入整个系统；第三，也是最为关键的就是让组织沿着数字驱动的方向获得“基因突变”。
显然，传统汽车以及研发、制造、销售传统汽车的整个商业链条是工业文明阶段非常具有标志性的智慧结晶：庞杂的产品体系；高度垂直/充分细分，并且持续优化上百年的分工系统；复杂的使用环境以及严苛的质量要求……汽车是工业文明时代诸多商业和管理理论最为充分的践行者。但是今天，当数字文明时代来临，由于汽车，以及汽车背后的整个商业系统缺乏足够充分的连接能力，更加缺乏对数据的理解和使用能力，这个行业正面临前所未有的挑战。
传统汽车与数字智能驱动的汽车存在巨大差异
首先我们通过两个案例来看传统汽车与数字智能驱动的汽车存在哪些思维模式上的巨大差异：
1、传统汽车的盈利模型说到根本是产品的售价与成本（主要包括物料成本、制造成本加上营销成本）之差。其中占比最大的就是物料成本，而物料成本中最大的可变因素就是每个配置的成本。于是上面那个问题在很大程度上就是测算配置的需求与成本之间的关系。但到了由数字驱动的智能车上，大量配置变成了获得数据的基础，比如后排只有安装了电动调节座椅，我们才能充分采集用户使用后排座椅的方式，梳理关键场景。这样后排电动座椅就由需要加价卖给用户的一个配置，变成了为了获取完整数据而进行的投资。
2、无论厂家如何宣传自己的服务，传统汽车一旦卖给用户，原则上只要不出现质量事故，用户与厂家的交易就已经结束了。但智能车的交付过程仅仅是用户与OEM捆绑的开始。基于软件和服务销售产生的利润将远远大于整车销售带来的利润。如果再考虑到软件的定价模式可以同用户ID捆绑，就像苹果ID那样，用户在换车过程中的品牌忠诚度也将远远大于传统汽车。这个时候车企的服务将不再是一种责任，而是其商业闭环中最大的一部分。
从大的背景而言，随着整个社会进入越来越被数字充分连接的数字文明，如果汽车依然是一个数字孤岛，他将大概率被这个新的文明形态淘汰掉。而随着诸多新造车公司的商业实践在模式上越来越清晰，这轮传统汽车物种大灭绝的进程已经无可避免。关键是传统车企必须意识到这种改变的根本，并且真正行动起来。
数字智能驱动的车企划分为三个层级
沿着数字智能的这一关键维度，车企可以划分为三个层级：
1、最低层级的车企依然是简单生产和销售产品的公司。依靠设计、研发、采购、生产、代理销售等多个步骤完成自己的商业活动。这里面每个步骤都只能依靠经验或上一周期的数据报表进行决策。显然这里无法获得充分的实时数据，再加上各个环节分属不同的利益主体，数据报表也会因为利益问题而掺杂水分。比如厂家为了冲击业绩很有可能给经销商压库，从而导致数据信号失真等等。
2、中间层级的车企则开始注重对数据的采集和使用。他们会在产品和服务端“埋点”，尝试把用户数据采集回来，并且通过分析解读这些数据优化自己后续的商业决策。但是由于这些数据不是从整体上规划和架构的，企业的组织也没有真正给数据分析的结果充分授权。一方面数据无法实现真正闭环，另一方面企业使用数据的程度依然不够充分。因此这些车企可以通过数据获得一定程度的业绩提升，但依然不够彻底。
3、最高层级的车企则是让自己在整个链条上的业务充分数据化，不仅仅是产品的功能数据化，企业自身的组织以及业务也必须数据化，只有这样才能真正形成有效的数据闭环。当然最为关键的是，企业的运营必须由数据驱动。虽然这里依然存在诸多细节问题需要在实践中摸索，比如第一推动由人为的战略选择决定还是完全由数据选择等等，但有一点是非常明确的，在确定明确的原则、方针的前提下，借助大量实时数据，整个系统的运转效率会获得指数级别的提升。显然支撑这一模式的关键是车企的认知以及最高领导者的全面实践。对于传统车企而言，现有的组织架构以及基于组织架构形成的利益格局显然是车企进入这一层级的最大障碍。
在上述三个层级背后，其实是车企对于由数字智能驱动的商业模式理解的巨大差异。在工业文明时代，硬件是车企最为核心的产品。硬件在自我复制过程中边际成本的降幅有限，甚至存在规模不经济的拐点。因此车企最初阶段往往都在寻求规模的扩张，但伴随扩张过程，车企的收益却未必同步优化（比如大众集团的盈利能力远远比不上同等规模的丰田集团）。但是到了数字文明时代，数字资产是越用越多的一种特殊资产。由数字编写的软件在自我复制过程中其边际成本接近于零，并且当用户达到一定规模后，其收益将呈现指数函数的跃升。这意味着汽车进入数字文明时代的整个商业模式都面临刷新。如果商业刷新了，企业组织怎能不被刷新？
因此，现在对于传统车企而言，需要进入一个真正意义上归零思考的阶段了。首先他们需要思考自己的业务如何数据化；其次是产品的感知架构和功能架构如何在数字化的同时融入整个系统；第三，也是最为关键的就是让组织沿着数字驱动的方向获得“基因突变”。
广告 
广告
编辑推荐
最新资讯
-
驾驶模拟器与自动化验证工具：智能座舱品质
2024-12-04 19:35
-
汽车信息安全态势感知系统筑牢安全防线
2024-12-04 19:34
-
最新的 NVIDIA AI、机器人和量子计算软件登
2024-12-04 18:22
-
《rFpro汽车仿真测试应用系列：智能大灯测
2024-12-04 15:38
-
2025年HBK线下培训课程计划
2024-12-04 11:46
广告
广告
