江淮集团分享:江淮集团数据管理实践

2024-06-03 16:20

本文主要是介绍江淮集团分享:江淮集团数据管理实践,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

下文为江淮集团信息化管理部副部长丁志海的演讲全文:

大家下午好。我是来自江淮汽车的丁志海,我做IT、做信息化做这一块有二十多年了。这次得帆邀请我来讲讲数据管理的实践经验。我就想说一说我的感受,为什么我们当初选择得帆,和一些合作的情况。

01

#江淮集团简介

江汽集团是安徽省省属的国际企业。目前其实上面有一家江汽控股有50%,是德国大众控股的,这个也是江淮和大众合资的一家公司。下面有一个叫安徽大陆。安徽大陆的是江汽和大众合资的一家公司。江淮有商用车、乘用车、动力总成服务,是综合性的企业,产品比较全。我们这两年基本上以出口为主,出口的东西比较多,占比较高,百分之五六十都是出口。

我们从64年建厂,08年拿到轿车和乘用车的资质,10年开始做纯电的电动车。那时候我们和蔚来合作,我们看到的蔚来的汽车都是江淮生产的。去年的蔚来汽车为了自己拿造车资质,所以江淮把工厂卖给蔚来了,后面蔚来新生产的车就是他自己生产的。

目前我是整个IPD团队的IT代表,负责整个IT建设。江淮的业务架构包括整车、乘用车、商用车、客车,目前客车整个业务都非常好。我们下面有一家出行公司,叫和行科技,做网约车、租车这些业务,合肥比较多的。然后我们还有一家汽车金融公司。

我们的制造实力,国内有8个生产基地,分别在合肥、阜阳、亳州、六安、安庆,还有山东的钦州、江苏扬州、四川的遂宁,海外有19个科技工厂。合肥有一个高端的乘用车基地和一个高端的轻卡基地。对外合作方面,为了响应国家一带一路的倡议。我们坚定不移地走国际化战略。我们在出口市场覆盖89个一带一路的国家, 在一带一路沿线有15个海外的KD工厂。

02

#数据管理背景

#全面数字化转型

下面我们说一下数据管理的背景,我们当时为什么做数据管理啊?作为汽车企业,江淮的应用建设都比较早,像ERP、MES这些应用系统,基本上2000年左右都已经在建设。在2010年,这些系统基本上都比较完善了,都在用了。在15年、16年以后,阿里提出数据中台的战略,我们当时也在朝这个方面考虑,而且我们本身也碰到了关于数据方面的问题。

当时我们做了十四五规划,这个规划我们内部做了一版,后来也请华为专门做了一个咨询项目,一个是十四五规划,第二个就是关于工业互联网的建设。这里面有个很重要的内容,就是要做数据挖掘,数据清洗这一块。数字化转型,其实不是IT的事,而是业务的事情,业务部门是最重要的,我们IT就是工具。

我们做咨询也是为了引起公司高层的重视,所以我们董事长在牵头做这个事。现在资金的投入明显的比前几年要好一点。原来IT的投入不是刚性的,现在的投入是刚性的,比如说招人,我们的原来的人员队伍可能也五六十人,现在有100多人做数据这块。前一段时间我们还专门成立了数据管理部,作为一级部门来管理公司的各个业务链条的数据,对数据负责,包括数据的产生、数据的利用、数据挖掘。整个这一套,充分体现数据的重要性。

第二就是我们作为国有企业,在对标世界一流行动里面也做了一些咨询。国家对数字化转型它是有比较明确的目标的,我们作为国有企业也是有考核的。所以这也是其中一个因素,我们目前的数字化投入也比较大。

#数据现状

当时18、19年,我在到处找合作的公司,后来找到了得帆,现场聊了一下。我们一开始想从技术平台入手,包括得帆的全家桶,ESB、aPaaS、数据中台、主数据,统一门户,这些东西都有。

数据管理的现状,我想大家都差不多。因为应用系统比较多,数据质量差;数据有,但是看不见,然后也用不起来,不知道怎么用,用率低;数据不可控,有的数据就出去了;所以数据这个东西要有技术,要有管理。

03

#数据管理体系

#阶段划分

我们当时也定了几个阶段,做了自己的数据治理的管理路径。目前来讲,我们的技术平台都已经搭完了,而且也开发了很多应用,管理体系这些也都做完了。我们做了自己的3到5年的,关于数据治理的路径,当然我们会按照这个目标去坚持地去做。

我们归纳关于数据治理的四个阶段。第一要做数据的分类分级和确定数据标准,第二要做数据定义,就是我的数据应该是什么样的。第三是管理。最后做优化。这个就是方法论。

#总体框架

总体的框架,包括工具、组织、流程。工具我们已经有了,治理平台、数据管理平台,包括主数据。

组织这部分我们目前正在做。当然虚拟的组织是有的,但是还没有明确,有些东西它不会非常明确,比如说我的BOM数据、延产供销的数据。其实有人在做数据,但是没有明确的职责去定义它,比如说你对这个数据负责。我们现在要做这个事,公司的层面也会有一个专门的部门或者专门的业务去做这个事。原来数据和应用混在一起,或者和业务混在一起,是有问题的,所以这个我们很快就会落地。

后面是流程,这个流程其实江淮也有些乱。其实流程与IT部是比较合适的,因为我们在做IT的时候,其实很多都是和流程有关的。原来是先有部门再定流程,这个是不合理,应该先有流程,然后再可以配下部门。

#应用架构

我们的应用架构,我刚才说了,我们用的是得帆的全系列的产品。我们整个集团是用的是SaaS的飞书。我们的主数据、数据中台、低代码,包括iPaaS,这个就是得帆的。我们自己的核心的业务系统,像ERP、BOM,这些应用系统接入我的数据中台做数据清洗,就是我们出数据,最后做展现。最上层基本上是用的是帆软展现。

#实施路径

我们的实施路径,包括了我们在营销、供应链、财务研发这几个领域,我们正在做的数据治理的事情,数据一边治理、一边场景展现,业务拉动、业务驱动地去展现

去年我们做了几个比较大的财务报表。虽然我们很早就上ERP,数据也还是比较乱。有下面五六十家子公司,一些几级企业,它的财务要上来的话,其实比较麻烦的。主要是业务标准、财务的一些定义、科目,这些东西还不是很标准。所以我们原计划去年做财务几套报表,一个是账龄,一个库龄,一个销售快报,这几个报表,从ERP里面把我们最原始的数据全部抽到数据中台,当时抽了有700亿条数据进到数据中台,然后我们再把这些数据通过数据模型,通过算法把它再展现出来。那个项目就花了两三个月,最后做了大概8个月左右。我们也是前几天发了通知,要求我们所有的财务,以后我们的报表已经不能手动往上报了,只能从系统走。我觉得对江淮来讲,财务这块是一个0到1的突破。我们还会持续做财务二期项目。

#数据管理团队

我们数据管理团队大概有十个人左右。当然这十个人其实有的是兼职的,有的是专职的,我们今天专职的两位也到现场来学习。说到团队建设的重要性,我们需要有实体化的数据管理组织,明确团队的分工,保证数据管理能稳步进行,要坚持去做这个事,营造数据治理氛围。

#数据管理办法

我们去年做了6个数据管理办法,包括质量模型、主数据等等。今年还有好几个管理办法要做。就这些数据管理办法,不管对不对,反正我先把它制定出来,大家先按这个干,过程中再优化,这个是我们的初步的指导思想。

04

#数据管理成果

#主数据应用场景

目前我们建了集团级的主数据管理平台,落实了我们的主数据管理规范,经销商、客户、车辆等等,十个主数据。

比如说像智能客服应用,现在我们下面有好多产品,有好多事业部,客户有的数据没填,或者有的数据没有更新,这个就通过主数据来清洗,然后再给400输入。

#数据中台应用场景

关于数据中台的应用场景,我们这些数据怎么用?第一个是我们财务,第二个是关于车联网的数据分析的。我们在网联院做车联网平台,数据怎么样去使用的问题,他们有自己用数据中台去做,来解决数据散乱的问题。然后就是供应链的数据的集成和分析,解决数据断层的问题。

#iPaaS应用场景

我们iPaaS的接入情况,目前基本上大部分的应用系统都接入了,这个也是刚性要求的,要求所有的应用系统、所有的接口,原来点对点的传输原则上全部都要走iPaaS。目前已经600多个接口,现在iPaaS已经非常成熟了,基本上不会有什么问题。

我们用了这个平台以后,那时候蔚来汽车把我们的工厂买过去以后,我们用的是ERP,后来蔚来用的是SAP。当时我和蔚来在讨论,我说你这个接口,你要切过去。后来蔚来也买了得帆的iPaaS。因为蔚来它其实是去ESB化的,后来就觉得还是用得帆比较方便一点,数据导入导出就行了,就很方便,所以当时也用了得帆的iPaaS。

#aPaaS应用场景

我们用得帆aPaaS开发了有四五十个应用,有几个比较大的,一个是国际的产运销协同平台,这个讲白了就是可以“离线状态”,比如说客户下单以后,状态是什么进展,通过aPaaS给它开发出来。它集成了WMS、DMS,包括物流的一些数据,用手机就可以看到,这个很快。然后包括原来有很多线下的应用,我们把它搬到了线上。这个是最前端的,你首先要线上,要不然就没法弄。然后也做了这个分析,先做可视化,然后再做分析,比如说订单周期,从下单到交货,这个周期到底卡在哪?这个就可以看得出来。

其次是化工桶扫码的管理平台,还有事故双重预防的机制平台。这两个就是小一些的应用。

我的分享就到这里,感谢大家!

这篇关于江淮集团分享:江淮集团数据管理实践的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1027492

相关文章

防止Linux rm命令误操作的多场景防护方案与实践

《防止Linuxrm命令误操作的多场景防护方案与实践》在Linux系统中,rm命令是删除文件和目录的高效工具,但一旦误操作,如执行rm-rf/或rm-rf/*,极易导致系统数据灾难,本文针对不同场景... 目录引言理解 rm 命令及误操作风险rm 命令基础常见误操作案例防护方案使用 rm编程 别名及安全删除

C++统计函数执行时间的最佳实践

《C++统计函数执行时间的最佳实践》在软件开发过程中,性能分析是优化程序的重要环节,了解函数的执行时间分布对于识别性能瓶颈至关重要,本文将分享一个C++函数执行时间统计工具,希望对大家有所帮助... 目录前言工具特性核心设计1. 数据结构设计2. 单例模式管理器3. RAII自动计时使用方法基本用法高级用法

PHP应用中处理限流和API节流的最佳实践

《PHP应用中处理限流和API节流的最佳实践》限流和API节流对于确保Web应用程序的可靠性、安全性和可扩展性至关重要,本文将详细介绍PHP应用中处理限流和API节流的最佳实践,下面就来和小编一起学习... 目录限流的重要性在 php 中实施限流的最佳实践使用集中式存储进行状态管理(如 Redis)采用滑动

ShardingProxy读写分离之原理、配置与实践过程

《ShardingProxy读写分离之原理、配置与实践过程》ShardingProxy是ApacheShardingSphere的数据库中间件,通过三层架构实现读写分离,解决高并发场景下数据库性能瓶... 目录一、ShardingProxy技术定位与读写分离核心价值1.1 技术定位1.2 读写分离核心价值二

深入浅出Spring中的@Autowired自动注入的工作原理及实践应用

《深入浅出Spring中的@Autowired自动注入的工作原理及实践应用》在Spring框架的学习旅程中,@Autowired无疑是一个高频出现却又让初学者头疼的注解,它看似简单,却蕴含着Sprin... 目录深入浅出Spring中的@Autowired:自动注入的奥秘什么是依赖注入?@Autowired

MySQL分库分表的实践示例

《MySQL分库分表的实践示例》MySQL分库分表适用于数据量大或并发压力高的场景,核心技术包括水平/垂直分片和分库,需应对分布式事务、跨库查询等挑战,通过中间件和解决方案实现,最佳实践为合理策略、备... 目录一、分库分表的触发条件1.1 数据量阈值1.2 并发压力二、分库分表的核心技术模块2.1 水平分

Python内存优化的实战技巧分享

《Python内存优化的实战技巧分享》Python作为一门解释型语言,虽然在开发效率上有着显著优势,但在执行效率方面往往被诟病,然而,通过合理的内存优化策略,我们可以让Python程序的运行速度提升3... 目录前言python内存管理机制引用计数机制垃圾回收机制内存泄漏的常见原因1. 循环引用2. 全局变

SpringBoot通过main方法启动web项目实践

《SpringBoot通过main方法启动web项目实践》SpringBoot通过SpringApplication.run()启动Web项目,自动推断应用类型,加载初始化器与监听器,配置Spring... 目录1. 启动入口:SpringApplication.run()2. SpringApplicat

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro

linux安装、更新、卸载anaconda实践

《linux安装、更新、卸载anaconda实践》Anaconda是基于conda的科学计算环境,集成1400+包及依赖,安装需下载脚本、接受协议、设置路径、配置环境变量,更新与卸载通过conda命令... 目录随意找一个目录下载安装脚本检查许可证协议,ENTER就可以安装完毕之后激活anaconda安装更