【2024中国数据生产力大赛】价值驱动数智人才自主培养，助力数字化转型成功

企业简介

赛力斯汽车有限公司（以下简称赛力斯汽车）于2012年9月成立，公司以“推动汽车能源变革，创享智慧移动生活”为使命，致力于用精品智能电动汽车为用户带来更美好体验，让更多人参与绿色出行，并于2018年获得生产资质。

2019年4月赛力斯品牌正式发布并在赛力斯两江智慧工厂正式投产。2021年与全球ICT领先企业华为开创了联合业务深度跨界融合的先河，双方充分发挥各自优势，在核心技术、产品及渠道方面深入合作，双方共同打造的首款车型赛力斯华为智选SF5于上海车展发布并销售。

2021年12月赛力斯汽车发布全新豪华智慧汽车品牌AITO，同月发布AITO旗下首款车型问界M5；2022年7月，AITO旗下第二款量产车型“问界M7”正式上市；9月，AITO品牌旗下首款纯电SUV在华为全场景新品秋季发布会正式上市，这也是AITO家族的第三款产品；2023年4月华为高阶智能驾驶版正式上市；同年5月AITO问界第10万辆量产车正式下线，从第1辆到第10万辆下线，仅用时15个月，成为最快达成这一里程碑的新能源汽车品牌；9月问界新M7上市，累计大定已突破18万台；2023年底全景智慧旗舰SUV问界M9上市，上市5个月大定突破9万台；2024年5月问界新M7 Ultra发布，24小时内大定已突破12000台。

AITO是华为深度赋能赛力斯汽车的高端新能源智慧汽车品牌，融合了赛力斯汽车与华为最先进技术与最优质资源。

同时赛力斯汽车在整车研发、制造和工业化生产方面具有丰厚的经验，拥有以工业4.0为标准的智慧工厂以及极其严苛的实验验证体系，加之华为严苛的质量管控体系，双重确保产品品质。

背景

数字化转型背景

宏观背景

在数字技术快速发展的时间窗口下，以数据与AI的新质生产力将成为企业可持续发展的新动力。

• 新质生产力代表了一种以科技创新为核心的生产力形态，它强调通过数字技术、人工智能、大数据等前沿技术的应用，推动产业升级和经济结构的优化。
• AI作为新一轮科技革命的核心，正在引领各行各业的变革。面对未来可能出现的各种复杂问题和挑战，数智人才具备的创新能力和技术应用能力，对于推动可持续发展具有重要作用。
• 在数字化浪潮的推动下，中国正面临前所未有的机遇。然而，随着数字经济的迅猛发展，我国数字化人才缺口日益凸显，据估算，这一缺口在2500万至3000万左右，且呈持续扩大之势。为了把握数字化带来的机遇并填补这一缺口，2024年4月17日，人力资源社会保障部联合其他八部门发布了《加快数字人才培育支撑数字经济发展行动方案（2024—2026年）》。该方案旨在强化数字人才的基础支撑作用，为经济的高质量发展注入新动力。计划在三年内，通过一系列育才、引才、留才、用才的专项行动，提升数字人才的自主创新能力，激发其创新创业的活力。目标是增加数字人才的有效供给，形成人才集聚效应，构建一支规模宏大、素质优秀、结构合理、分布均衡的高水平数字人才队伍，以更好地支撑数字经济的高质量发展。

行业背景

汽车行业正经历着向“为用户提供全生命周期服务”的转型，其产业链与业务越发广泛与复杂，从业人员需要具备多方面的业务能力，以应对多样化的业态。传统的依靠增加人力来拉通业务的方式已不再满足行业发展，需要从业人员具备灵活运用数字工具的能力，以提升单兵作战能力，并适应数字化、智能化的宏观发展趋势。

数字化人才培养背景

赛力斯持续在数字化建设上发力，坚持智慧工厂以数字化为核心，关键工序100%自动化运行，以先进的制造运营管理系统和制造工艺流程为产品质量保驾护航。 其中，赛力斯汽车对于数据消费场景需求范围进一步扩大，对自身的数据治理、数据运营、数据应用等能力有了更高的要求。在此背景下，BI数据分析工具在全公司范围内开始逐步推广，数据分析需求越来越多，也遇到越来越多的困难和阻碍：

• 数字能力薄弱：数据可视化、数据底座搭建等和数据打交道的工作通常由数字化部门来完成，业务部门人员对于数据的敏感度不够、不能处理大数据、缺少整体分析。
• 数据分析人才缺失：业务侧缺少大数据分析人才，数字化侧缺少业务分析人才，且数字化侧人员与业务侧数据分析人员被边缘化。
• 数据挖掘能力弱：业务部门中的”表哥”、”表姐”一般使用excel工具进行数据分析，分析方式简单、效率低、深度不够，不能洞察数据所反馈出来的深层次业务问题。
• 业务和数字化交叉不足：业务侧和数字化侧的业务平行，缺少交叉点，数据不随着业务快速变化，或无法快速响应业务的新需求。同时业务部门缺乏业务数字化的创新能力，导致业务参与数字化转型度不够或参与不进去；另一方面，数字化部建设的可视化内容或系统缺乏对业务现状痛点的理解，落地产出不符合业务期望，导致荒废或使用率低，价值不被认可。

由此可见，为助力数字化转型成功，赛力斯汽车亟需建立一套数字化人才培养体系，提升业务人员数据分析、数据挖掘、数据管理、数据应用能力，为企业建设一支集既懂业务，还懂数、会数、用数的复合型人才队伍。

对于数字化人才的建设规划也得到了全公司由上至下的高度重视。全国政协委员、赛力斯集团董事长张兴海在2023年全国两会提交《关于加强数字化人才培养，推动智能网联汽车发展的提案》和《关于支持自主新能源汽车参与全球竞争的提案》。他认为在汽车“新四化”浪潮中，应该加大力度培养数字化人才，进一步促进我国汽车产业的健康发展。

培养方案（能力三角X培养六步）

为正确高效地培养数字化人才，赛力斯汽车对于整体培养方案提出“能力三角 X 培养六步”培养模型，其中能力三角从数据能力、数据思维、数据环境三方面入手，培养六步指分六阶段进行数智人才培养。将能力三角融合进六大培养阶段中，打造全方位数字化复合人才。

培养方案构建了数字人才能力评估模型，评估模型如下：

人才类型	主要职责	能力&技能要求
初级数据分析师L1	面向业务分析方向，收集业务需求并进行报表的开发展示	具备独立业务需求收集管理、指标梳理、业务逻辑梳理能力 初步掌握数据分析思维、数据分析方法，并利用BI工具借助数理统计知识，进行简单的数据分析 具备FCA-FineBI初级认证
资深数据分析师L2	面向业务分析方向，收集业务需求，并对高难度高价值需求进行报表开发展示 分享BI使用技巧、数据分析方法，帮助L1人才进行能力提升 参与业务数字化项目建设中	具备基于需求进行业务分析模型构建、业务分析指标构建能力 对数据分析思维、数据分析方法等数字能力更资深，同时可以挖掘数据价值驱动业务形成流程 具备FCP-FineBI资深认证
数据分析专家L3	面向业务分析方向，对业务需求进行管理，进行业务需求的分级分类 参与数字化人才建设中，为培养方案提供改进措施并进行方案实施 参与数智化&AI应用规划中	具备产出高价值数据资产能力，并具备结合数据思维、数据分析结果等能力对业务进行数字化创新 能力 具备行业数据挖掘与分析、数据预测与数据资产发现能力 具备ECS-FineBI专家认证

能力三角

• 数据能力：指培养员工BI应用技能——通过常态化BI培训，以适用于数据基础能力不同的员工，并总结出符合企业发展规律的BI培训体系。
• 数据思维：指培养员工数据建模、分析建模能力——通过同帆软的联合培训，开展产品应用交流、分析模型培训、翻转课程等高阶内容，提升员工整体数据思维。
• 数据环境：指企业搭建底层数据架构、建设数智人才梯队——通过与业务强沟通，搭建符合业务语言的数据仓库、数据集市，并构建企业数智人才认证体系、积分运营体系，实现企业内的数字资产建设与数智人才发现。

培养六步

阶段一 底座搭建，落地应用场景（2022.11—2023.02）

完成BI分析工具由0——1的配置工作，统筹启动前的人员与数据资源，并进行BI工具的应用验证。

具体方案

• 组建运营团队：组建由业务专家和数据专家两类角色组成的运营团队，业务专家要求是业务、数字复合型人才，负责统筹BI推广工作、业务与数据分析、数字化应用与规划，数据专家要求是数据开发资深专家，负责数据底座的建设，各业务域业务专家是要求至少通过FCP认证，阶段五建设完成后，陆续选拔人才以兼岗的虚拟组织方式作为团队成员。

• 搭建数据底座：抽取各业务系统底表数据，并由运营团队结合业务需求开发数据仓库，以大宽表形式实施公共数据1.0建设。
• BI应用验证：由业务专家沟通业务需求，基于业务现成的报表使用BI工具开发BI报表，实现业务侧的效率提升及应用验证。
• 数据人员盘点：通过与各业务端的沟通，盘点各业务端数据分析人员名单及能力现状。

阶段成果

• 人员现状盘点：统计到各业务端数据分析人员40余人，在数据获取、报表制作的效率低，同时数据分享不可控、风险高。
• 落地应用场景：实现了帮助业务搭建近20个报表，替代了业务端每日数据分析，并实现多层级用户的分享（总部端、区域端）。

阶段二 BI推广，甄选业务种子（2023.03—2023.11）

基于一阶段人员的盘点情况，启动BI工具初级培训，实现BI工具在业务端的广泛应用，优先推动业务端“表哥”“表姐”使用，减轻业务数据分析工作压力。

具体方案

• 常态化培训：由运营团队业务专家及帆软培训讲师开展线下FineBI工具入门培训，通过每月超过一次的多频次开展，让BI培训覆盖到各业务端。
• 种子用户培养：通过培训发现数据分析潜力员工，对该部分员工进行点对点指导，帮助自行、快速实现报表开发。同时采取“先富带后富”策略，让种子用户快速提升数字化能力，形成标杆效应，带动其余人员主动参与到数字化能力提升中。
• 公共数据迭代：数据依据业务域进行拆分，实施公共数据2.0建设。
• 培训成果检验：自下而上及自上而下双向检验业务侧人员学习成果。其中自下而上要求日常业务数据分析由BI工具分析完成，自上而下要求各业务会议、决策由BI报表提供决策支撑。

阶段成果

• 人员技能培训：实施培训12场，累计参与培训约500人次，具备开发能力人员超过50人，开发报表超过1000张，发布报表超过30张。

 

• 公共数据迭代：优化数据底座，按业务域进行拆分，公共数据增至60多张表。

阶段三 制度建设，培养数据思维（2023.12—2024.03）

基于阶段二的成果，业务侧的BI报表应用进入“野蛮”生长模式，需要强化BI开发应用规范管理，建设开发制度、强调数据安全，并同时进行数据思维培训。

具体方案

• 管理制度建设：通过项目积累经验，输出各类管理制度，保障BI开发规范、数据安全，并在培训过程中进行管理制度宣导，提升全员的数据规范使用意识。如：为保障数据安全，关闭用户协作权限；为提升用户体验，报表发布统一集成至EPM平台；为保护用户隐私数据，对公共数据发布进行限制……
• 公共数据迭代：建设关系型公共数据结构，实施公共数据3.0建设，通过数据驱动业务侧开发人员建立数据结构化思维。
• 数据思维培训：开展数据思维培训，强化数据准备过程的数据处理能力，包括数据字段的理解、数据辅助列的增加、数据并表差异、逻辑值处理、空值处理等内容

阶段成果

• 管理制度文件：编制数据流转全流程制度，覆盖从数仓建设到报表生产到报表消费，各业务版块人员形成统一的报表生产规范。

• 数据思维培训：实施培训4场，累计参与培训约200人次，开发报表超过2000张，发布报表超过100张。

• 公共数据迭代：建设关系型数据底座，公共数据超过130个数据集，上线原子指标超过300个。

阶段四 人员认证，开发报表资产（2024.04—至今）

基于阶段三的成果，业务侧在4个月内发布超130张报表，开发速度显著提升，但同时报表质量参差不齐，为进一步提高人员基于业务的分析能力，对人员开展人员认证，并通过报表资产入表对报表质量进行严格要求。

具体方案

• 人员认证体系：设计数智人才初级、中级、高级认证体系，其中初级、中级认证分别对应FCA-FineBI、FCP-FineBI认证，ECS高级认证是基于业务的数字化能力认证，包含对数据思维、数据资产挖掘、数字化创新能力的认证，建设企业数字化人才梯队。

1. 1. 1. 初级认证：每季度开展至少一次
      2. 中级认证：每半年开展一次
      3. 高级认证：每年开展一次

• 人员认证培训：启动认证考试、证书颁发（激励），同时接入帆软数字人才服务，开展翻转课堂、分析建模比赛等活动，激发人员的自主学习与能力提升。

• 报表资产建设：建设EPM报表资产中心，对发布报表进行质量审查，审查内容包括报表资产完整性、数据隔离、运行效率、分析逻辑、指标规范等，以驱动业务侧人员被动提高数据开发能力。

阶段成果

• 人员初级认证：截止5月底，两个月时间，参与初级认证人员51人，通过认证49人。

• 报表资产上线：对原发布报表进行资产上线审查，通过内测形式，对原发布报表进行100%改善，当前报表资产已登记入表超200张。

阶段五 积分运营，挖掘数据价值

业务侧人员经过技能认证、质量要求、规范管理的背景下，需要对其开发的报表在业务侧的价值进行评价，需要建设并运营积分版块，以强化数据对业务的支撑能力，形成对数智人才、数据资产的评价能力。同时为后续接入AI应用，业务逻辑、算法将成为重要数据资产，需要连同业务侧人员搭建企业指标中心。

具体方案

• 积分版块建设：建设积分运营平台，确定业务侧人员为数据生产者、其他人员为数据消费者，形成数据从生产到消费的闭环运营机制。
• 积分版块运营：为报表设置积分价格，将数据分享的过程分解为数据生产与数据主动消费，用户在订阅数据时将消费积分，最终消费积分会成为报表资产评估与数据生产评价的有效指标。通过量化评价，对不符合消费需求的报表资产进行淘汰，实现数据消费驱动数据生产的闭环、高效运营。

具体的运营如下：

• 1. 报表订阅/申请：用户选择订阅周期订阅报表，消费积分。
  2. 报表续订：报表订阅到期后，用户根据需要选择续订报表。
  3. 积分发放/获取：用户通过完成积分任务获取积分（如签到），通过运营虚拟货币，合理发放积分，让积分保持一定稀缺性，进而让用户在订阅报表时根据自己的需求进行合理消费。
  4. 报表价值衡量：通过报表资产积分收入、订阅率对报表价值进行评估，淘汰不良报表资产。
  5. 积分总量控制：积分通过新用户初始积分与签到产生，不额外人为增加积分总量，通过兑换实物、兑换认证资格等消耗积分，积分通过报表资产中心实现流通。

• 指标中心建设：建立企业指标资产中心，由业务侧人员提出、数字化人员开发，并开发工具进行全生命周期管理。
• 人才评价体系：通过报表生产、人员认证、积分收入、访问情况四大维度，按评分标准对人员数字化能力进行综合评价。

阶段六 业务闭环，驱动业务创新

通过对企业数字人才梯队培养，将数智人才的能力应用到业务中，实现业务数据化、数据资产化、资产价值化的完整闭环，并实现AI精准、高效应用。

具体方案

• AI能力培养：接入AI能力的培养，并配合ECS高级认证，全面强化AI应用能力与数字化业务创新。
• AI应用规划：自有ECS高级认证人才推动AI在业务侧应用，规划低成本、高效率、扩展性强的应用方案。
• 流程数字化监控：通过数据指标与企业制度流程形成强关联，让企业流程制度的执行透明可视、业务运营风险可控。

典型成果

【案例一】搭建服务数智体系，打造高端服务品质

业务背景

赛力斯汽车坚持“软件定义汽车”，并以“智慧升级服务”为锚点，打造了CARE关爱服务战略。该战略有四大价值，分别为“用户为中心”（Customer）、主动（Active）、尊重（Respect）以及数字化（E-service），均凝聚了丰富的服务内容。

通过“数字化”平台系统，赛力斯汽车以OTA升级、数字化服务及数字服务产品进行高效赋能，让用户在多维场景中均能享受透明、高效、优质的智慧服务体验。

解决过程

1. 搭建数据底座：搭建为商务智能服务的灵活多变的数据仓库，根据灵活多变的业务需求进行及时高效的数据提供。
2. 分层级规划：根据业务群体场景，将数字服务对象划分为总部层、经销商层（to B）、用户层（to C）三部分。
3. 数字项目方案确认：经业务调研、全业务需求整合、全应用场景拉通，总计梳理530+业务指标，涉及14个业务系统平台。
4. 业务数字化模块搭建：总部层根据业务关系，将数字化模块搭建为SOP研讨、服务质量支持、服务体验支持等七个版块；经销商层（to B）根据经销商经营水平，将数字化模块搭建为能力评价、透明化服务进度、沟通提示、小管家策略等六个板块；用户层（to C）根据用户间接感知，将数字化搭建为智能客服、AI数智云辅助等三大版块。
5. 项目实施旅程：2023.08 - 2023.09期间，向各业务团队进行FineBI平台的计划进行宣贯与工具培训；2023.10 - 2023.12期间，完成对业务部门的入门实操考核，同时绑定当期绩效评估，深化落地数字化运营与智能工作转型的理念，自上而下完成业务细节场景部署；2024.01 - 2024.05期间，由服务版块数字化管理团队协同各业务团队代表搭建制作BI报表，报表爆发式上量阶段。

场景价值

1. 数字化全面覆盖业务：全服务部门完成80+数据产品上线，基本完成全业务覆盖。2024.06至今，全面部署区域端和店端数字BI产品规划。
2. 用于区域管理：开展SOP、SOA业务运营研讨会议，BI平台提供体系化的考核指标管理与问题风险预警、完成结构性业务目标落地、改善方案决议与评估支持，能有效地对各区域业绩和员工业务改进提供指导性数据支持。
3. 用于经销商经营：实施EPM行动计划管理、执行巡店监管机制，完成经营诊断分析、行业竞争关系预测、更好的赛道评定与店面核心问题展示，同时解决了各店服务特征评估，形成了特色服务带来指导性结论，有效提升经营效率和质量。
4. 数智化模式转型：通过全业务数字运营体系搭建，推动了智慧工作模式转型，其中各业务团队均有数智化人才，全服务版块超过50人，开发内容覆盖90%以上的业务场景，业务已实现以数据驱动业务的精准管理模式。

【案例二】人员数据思维养成，驱动系统/流程优化

发现问题

在业务侧人员使用BI进行报表分析时，我们发现他们在处理数据时对于类似合并、主键、维度等内容缺少理解，进而导致一步就完成的数据处理需要N步。

解决过程

为提高业务侧分析人员的数据思维，我们深入进行了系列数据思维的培训课程。培训内容主要包含以下几个关键领域：

• 数据的处理，如以下内容：
  1. Excel数据处理与BI数据处理的差异：讲解BI工具相比Excel在处理大数据时的优势，以及如何利用这些工具进行更深入的数据分析。
  2. Excel表与数据集的差异：讲解数据集的概念，如何理解“字段”与Excel“单元格”的差异。
  3. 行数据与列数据的差异：讲解数据在不同维度上的组织方式，以及对分析的影响。
  4. Excel角度下的数据与报表的差异：讲解从Excel的视角下，哪些是数据？哪些是报表？如何将Excel的报表制作经验用于BI报表。
• 数据处理的技巧，如以下内容：
  1. 枚举值与主键的应用：讲解什么是标准数据和非标准数据，讲解关系型数据中如何应用枚举值和主键。
  2. 合并关联膨胀：讲解如何合并数据规避数据膨胀或利用数据膨胀。
  3. 逻辑值应用：降级数据处理中逻辑值（如0和1）的应用，以及它们如何简化计算过程。

场景价值

• 通过数据思维的培训，提高了业务侧分析人员数据思维，实现如下个人能力提升，例：

1. 1. 数据存储优化：分析人员学会了如何通过增加时间字段来合并存储多月数据，而不是简单地按月拆分Excel工作表。
   2. 数据检索规范化：通过引入主键和规则编码，提高了数据的规范性，形成有规定的、可连续记录的标准业务数据。
   3. 数据处理更高效：通过加入辅助列、合理的数据膨胀、逻辑值处理，简化了数据计算步骤，提升页面加载速度。

• 数字人才培养计划显著提升了员工的数据思维能力，使他们能够更有效地处理和分析数据，实现如下业务价值，例：

1. 1. 快速锁定问题业务：通过更规范化的数据处理，能够快捷地从异常数据中锁定到具体的业务，实现数据快速洞察。
   2. 跨部门协作降低沟通成本：统一的数据标准和编码规则让跨部门的数据协作更轻便，降低了沟通成本，降低业务理解不一致的风险。
   3. 规范编码保障业务一致性：如，生产计划中的手工订单编码包含车型、业务主体、时间、类型等信息，通过规范编码，保障了业务数据的一致性，多人工作交接也不会使线下业务发生形变。

总结与展望

总结

数字化转型不是一蹴而就的，通过前四阶段的实施建设，目前数字化人才培养已取得显著成效，主要包括以下方面成果：

能力三角	能力项	实施前	实施后
数据能力	人才梯队	传统的”表哥”、”表姐”	常态化的BI培训，BI编辑用户200+
			完善的人才认证体系，完成FCA认证49人
			数字化人才评价体系
	报表开发	线下excel报表	使用BI自主开发报表2000+
			使用BI自主开发报表并形成资产200+
数据思维	分析模型	无	应用标准分析模型
			开发基于EPM用户的业务分析模型
	指标建设	指标口径不一致	搭建了销服体系的指标体系，各类分析指标3000+
			业务侧实现应用指标字典解读报表内容
	公共数据	无	完成公共数据的三次迭代，共建设表150+
			完成建设关系型数据结构
			实现了到用户级、厅店级的最小粒度数据权限隔离
数据环境	数据底座	无	建设完成规范的数据仓库，分为4层，数据表1000+
			建设完成支撑商务智能的数据集市
	流程制度	无	编制EPM数据权限隔离标准文档
			编制数仓开发相关规范、标准文档
			编制数据集市管理、授权文档
			编制BI&FR平台运营、账号管理、积分运营管理办法
			编制EPM报表资产管理办法
			编制EPM指标资产管理办法
	认证体系	无	FCA-FineBI初级人才认证
			FCP-FineBI中级人才认证
			ECS-FineBI高级人才认证
	数据资产	无	建设了文件资产管理中心
			建设了指标资产管理中心
			建设了报表资产管理中心
	数据运营	无	建设了积分运营机制
	BI工具	使用excel进行分析	引入并覆盖全业务域推广了FineBI

虽已取得阶段性成功，但还需要加快数字化人才梯队的建设和完善，因此需要继续推进阶段五、阶段六的人才培养，深化业务侧人员深度数据分析能力，完善数据生产到数据消费的闭环。

展望

赛力斯汽车在追求商业成功的同时，坚持践行 “以人为本” 理念，高度重视人才培养与发展，建立健全培训和发展体系，激发员工积极性与创造力。在数字化建设的进程中，赛力斯汽车根据自身制定科学的“能力三角 X 培养六步”培养模型，助力员工在职业生涯中实现个人发展目标，成为企业所需要的复合型数智人才；同时也搭建属于赛力斯汽车的数智人才梯队，“数智人才”已经成为赛力斯汽车数字化建设的重要基石，锚定“以用户为中心，全心全意为用户服务”的宗旨、“软件定义汽车”的智电融合发展之路，以智慧重塑豪华，持续探索“传统豪华+科技豪华”的“新豪华”概念。

1. 2024生产力案例打卡活动介绍帖：https://bbs.fanruan.com/thread-149664-1-1.html
2. 2024生产力案例打卡导航帖：https://bbs.fanruan.com/thread-149661-1-1.html


欢迎大家来到打卡第25天案例帖下方打卡，打卡格式为：精读生产力大赛案例，打卡第25天，[20字以上心得内容]。

精读生产力大赛案例，打卡第25天,数据思维培训的实施对业务侧分析人员的能力提升及企业整体业务价值产生了深远影响。在个人层面，分析人员掌握了数据存储优化、数据检索规范化及数据处理的高效方法，显著增强了其数据处理与分析的能力。具体表现为，通过创新的数据存储策略，实现了数据的有效整合与高效访问；通过引入规范的数据编码与主键体系，确保了数据的一致性与可追溯性；同时，借助数据处理技巧的优化，大幅提升了数据处理的效率与准确性。

在业务价值层面，数字人才培养计划的成效显著。首先，分析人员能够迅速从海量数据中识别出业务异常，实现问题的快速定位与解决，提升了业务决策的时效性与准确性。其次，统一的数据标准与编码规则为跨部门协作搭建了坚实的桥梁，降低了沟通成本，促进了信息的高效流通与共享，减少了因理解差异导致的业务风险。最后，规范编码的实施不仅保障了业务数据的一致性，还提升了业务操作的标准化水平，确保了业务流程的顺畅执行与多人协作的高效衔接，为企业的持续稳定发展奠定了坚实的基础。

精读生产力大赛案例，打卡第25天：数字化建设离不开人才的培养，赛力斯汽车制定了一系列人员培养计划。能尽快见和完善数字化人才梯队。

精读生产力大赛案例，打卡第25天，赛力斯汽车，数据人才培养

        企业使命:推动汽车能源变革，创享智慧移动生活

        汽车产品：智选SF5、问界M5、问界M7、纯电SUV、新M7、问届M9、M7 Ultra产品。

        数据化背景：市场大环境数字化转型，行业上产业链与业务的复杂性促使数字化转变，数据人才方面懂计算机编程的人少，业务人员懂分析的少，业务人员和分析人员交流不足。

        培养计划：规划人才标准，1，BI应用技能及培训体系。2.数据思维训练，通过培训，交流，课堂等形式。3.分析环境，搭建数据仓库，人才认证体系，企业积分体系。然后从内部验证（准备）-->20人熟练应用（培训）-->常态化50人熟练应用（制度）-->常态化100人熟练应用（FCA）-->其中30人通过FCP（比赛）-->数字赋能团队（生态）的计划。

人才培养实施：

        1.组件数字团队，搭建数据底座，使用FineBI工具。

        2.广选数据分析人才，从业务精英中挑选数据人才，利用常态化培训，对种子人才优先培养，接着可以老带新，参与培训500人+，报表1000+，审核上线30+报表。同时IT人员对公共数据进行迭代，按业务类型分目录。

        3.有一定数据人才后，通过建立制度，规范数据规范，培养数据思维，对指标上线进行审核，实现报表2000+，审核发布100+报表。

        4.数据人才数量的增加，通过课程分析、翻转课堂、比赛等活动进行培训。衡量标准为数据证书Fine-A、Fine-P的获得，按季度、半年、年度进行考试认证。生成的报表，建立专门的审核制度和标准，审核发布200+报表。

        5.建立积分数字生态，充分挖掘数据价值，设立积分的获取，如完成任务签到，发布报表；消耗积分的方式如订阅报表，兑换实物奖品。建立数据人才积分综合看板，如报表发布，浏览量，更新，活跃用户数等。

        6.实现业务与数据分析闭环，从业务中来，经过分析，再回到业务中去，利用Ai工具业务应用，对分析指标与企业制度挂钩，执行透明化，减少了企业风险。

        7.数据人才建设成果场景，第一个服务看板，分总体KPI，服务规模、质量、标杆，明细导出，覆盖了各部门，均有数字分析人员；第二个数据思维养成，业务人员对分析思维的提成，如在使用工具时，区分excel与BI的差异、主键的关系、0和1的应用等。

        总结，很精彩的数据人才培养大片，在这样的制度、培养体系下，数据人才如雨后春笋般增多，特别是数据思维的养成，产出的数据分析报表逐渐提升质量，加上报表审核制度，积分生态，分析与业务结合，相信数据人才越来越多、越来越贴近业务，从而做好企业的数字化转型，实现赛力斯汽车企业创享智慧移动生活的目标。

精读生产力大赛案例，打卡第25天，数字化转型确实是一个长期且复杂的过程，需要分阶段、有计划地推进。从您提供的总结中可以看出，通过前四阶段的实施建设，数字化人才培养已经取得了显著成效，主要体现在以下几个关键方面：

能力三角的全面提升：
数据能力：从依赖传统的人工“表哥”、“表姐”模式，转变为常态化的BI（商业智能）培训，不仅扩大了BI编辑用户群体，还建立了完善的人才认证体系，显著提升了团队的数据处理能力。
数字化人才评价体系：建立了从报表开发到数据思维、指标建设、公共数据管理的全方位评价体系，确保了数据工作的标准化和高效性。
流程制度：制定了包括数据权限隔离、数仓开发、数据集市管理等一系列规范文档，为数字化转型提供了坚实的制度保障。
具体成果亮点：
报表开发：实现了从线下Excel报表到使用BI自主开发报表的转变，不仅提高了报表开发效率，还形成了可复用的报表资产。
数据思维与模型：从无到有地建立了标准分析模型和业务分析模型，增强了团队的数据分析能力。
指标建设：解决了指标口径不一致的问题，构建了全面的销服体系指标体系，提升了业务决策的准确性和效率。
公共数据与数据环境：完成了公共数据的多次迭代，构建了规范的数据仓库和数据集市，为数据分析和应用提供了坚实的基础。

精读生产力大赛案例，打卡第25天，看见标题就小小激动一下，问界汽车遥遥领先。【案例二】人员数据思维养成，解决过程的数据思维的培训课程很用心，学习的员工应该都能提升分析能力，值得学习！

精读生产力大赛案例，打卡第25天。
赛力斯汽车注重BI人才培养，由统筹数据分析人员、搭建数据底表开始到筛选有数据分析能力的人员再到最终的培养数据思维、完善制度，开发报表，挖掘数据价值，成功实现业务闭环，数据推动业务发展。

精读生产力大赛案例，打卡第25天：数字化人才培训不是一朝一夕就能完成的，需要梯队培养，由点及面，由少及多。

精读生产力大赛案例，打卡第25天，赛力斯汽车案例描述详细，从数据能力（人才梯队）、数据思维（指标体系）、数据环境（流程制度、认证体系）等工作展开，其中认证体系做的特别好，值得借鉴学习。

精读生产力大赛案例，打卡第25天，
业务流程自动化：使用自动化工具和平台，简化和优化业务流程。
数据分析与报告：创建定制化的仪表板和报告，帮助管理层基于数据做出决策。

精读生产力大赛案例，打卡第25天，数据人才培养很精彩，结合制度规范不错

精读生产力大赛案例，打卡第25天，赛力斯汽车面临着数字能力薄弱，数据分析人才缺失，业务和数字化交叉不足等问题，选择正确高效地培养数字化人才，数字化全面覆盖业务，数据可视化为生产赋能！！！

精读生产力大赛案例，打卡第25天，赛力斯汽车公司在数字化人才培训方面可谓下足了功夫，完善的人才认证体系，丰富的培训内容。这些都为企业的数字化转型储备了力量。

【精读生产力大赛案例，打卡第25天】
赛力斯的问界系列汽车最近几年可谓大红大紫，作为一个不怎么关注汽车的行外人都了解一二。
企业的快速发展带来的是数据的膨胀，而这之中，数字化便起着至关重要的作用。
而对数字化发展至关重要的就是数字人才建设，赛力斯在数字人才建设中，执行的是“能力三角 X 培养六步”培养模型，其中能力三角从数据能力、数据思维、数据环境三方面入手，培养六步指分六阶段进行数智人才培养。将能力三角融合进六大培养阶段中，打造全方位数字化复合人才。
从实际效果来看，这样的培养方案是很有效果的，特别是其中的数字化人才评价体系的构建，让人才量化，真正实现数字人才数字化

精读生产力大赛案例，打卡第25天，赛力斯汽车注重数字化人才培养，充分挖掘数据价值，培养数据思维助力企业数字化发展。

精读生产力大赛案例，打卡第25天
赛力斯汽车基于BI分析工具，培养全方位数字化人才，提升数字能力，驱动业务创新，助力企业数字化转型。

精读生产力大赛案例，打卡第 25 天，赛力斯汽车积极响应国家对数字人才培育支撑数字经济发展行动方案，通过育才、引才、留才、用才的专项行动，提升数字人才的自主创新能力，激发其创新创业的活力。为正确搞笑的培养数字人才，提出能力三角&培养六步的赶赶，主要从数据能力、数据思维、数据环境三方面入手，并从数据底座搭建、BI 推广、数据制度建设、人员认证、积分运营、业务闭环六步培养并打造全方位数字化复合人才。

精读生产力大赛案例，打卡第25天，赛力斯汽车为了打造全方位数字化复合人才，提出“能力三角 X 培养六步”培养模型。从数据能力、数据思维、数据环境三方面入手，培养六步指分六阶段进行数智人才培养，助力数字化转型陈工。

精读生产力大赛案例，打卡第25天 企业能有数据化思维，重视数据化，培养数据人才，能从传统的思维中走出来，这方面值得许多企业学习，

精读生产力大赛案例，打卡第25天，学习到了"能力三角"包括数据能力、数据思维和数据环境三个方面，而"培养六步"则是分阶段进行人才培养的计划。赛力斯汽车通过这一模型，不仅提升了员工的个人能力，也推动了业务的数字化转型，实现了数据驱动的精准管理。

精读生产力大赛案例，打卡第25天。赛力斯汽车利用FBI平台，搭建数据管理体系，建设数字人才，满足了多场景业务需求，成功实现业务闭环，挖掘业务新价值，数据推动业务发展。

精读生产力大赛案例，打卡第25天，赛力斯汽车通过数字化人才培养计划、人才培养实施、提升了员工的数据处理与分析能力，推动了业务的数字化转型，实现了数据驱动的精准管理和业务发展。

精读生产力大赛案例，打卡第25天，本案例通过"能力三角 X 培养六步"模型培养数字化人才，推动汽车产业数字化转型，提升企业竞争力。

精读生产力大赛案例，打卡第25天：明确了数据能力、数据思维、数据环境为数据人才培养的三大基石，围绕这三点，在此技术上再进行六阶段的系统巩固。 （阶段一 底座搭建；阶段二 BI推广，甄选业务种子；阶段三 制度建设，培养数据思维；阶段四 人员认证；阶段五 挖掘数据价值；阶段六 业务闭环，驱动业务创新）形成完整的闭环链路，促使数据化人才的发展壮大。