松下集團在中國及東北亞地區擁有有64家法人公司，員工人數約4萬人，業務範圍涉及研究開發，養老、鑄件、汽車、車載、能源、電池等多個方面，這些多元化的業務組合爲松下常年可持續性發展提供堅實保障。中國地區的松下已有30多年的歷史，集合了研發、生產、製造、流通、銷售、服務於一體。
互聯網浪潮下，松下作爲百年傳統制造業企業，在務實的堅實基礎上進行創新，本文將圍繞數字化改革中所遇挑戰，松下數據治理實踐及未來期待三部分進行說明。
松下集團在數字化改革中的挑戰
多元化的業務組合爲松下常年可持續性發展提供了堅實地保障，但也帶來了不小的挑戰。比如我們的業務種類豐富，體系大，供應鏈管理複雜，也給我們帶來管理層面的各種挑戰。PISSH是松下傘下的IT服務公司，包含大家比較瞭解的前端CRM，以及ERP、智能工廠MES，包括跨整體的數字化的大數據解決方案，這些基本上都是我們的輻射範圍。因爲我們松下是自帶產業的，公司有大量的比較紮實的數字化解決的落地實際。
回顧正題，爲什麼要進行數字化改革？中國地區的松下已經有30多年的歷史，在很長的時間內基本屬於全球領先的電器製造商，像我們的骨幹業務及研發、生產、製造、流通、銷售服務於一體，產業也是涵蓋B端、C端，這樣的產業鏈條長，多業態並存的模式直接給我們帶來的，特別是在數字化時代，給我們帶來的衝擊就是內部運營效率低下，對市場的相應速度不夠快。市場我們C端主要是消費者，他們喜歡什麼、喜歡什麼樣的設計、顏色、使用方式，這樣我們後端的製造部分捕捉信息的能力就比較薄弱，這塊也是數字化時代直接顯現的課題。具體表現爲以下幾點：
- Excel是戰鬥武器
作爲傳統老牌製造業企業，公司長時間內依然基於Excel進行數字化表格的製作，工作人員需要耗費大量時間成本去完成，沒有較好順應互聯網浪潮，因此需要迫切改變這一局面。
- 發展期後遺症
松下中國在發展的30年內組織不斷分分合合，這樣的過程導致不同時代的IT系統導入保留了它自身的痕跡，加劇了數據的私有化。
- 工作效率較低
公司發展過程中，間接部門溝通效率較低，導致工作效率與投入產出量化困難，員工的工作熱情難以調動；
- 以年爲單位長週期的PDCA
各部門的改進措施是不斷進行中，但無法隨時且快速發現整個領域的瓶頸。
- 思維層面與習慣層面的固化
老牌工業企業，歷史包袱重，在過去幾十年的經營過程當中形成的一種習慣性的思維，是最難解決的。導致運營效率低下，增加經營壓力。
從數據架構層面拆借一下剛剛的問題，以前IT的導入模式，基本上是煙囪型的，典型的一類業務、一個IT系統、一個數據庫，這個情況現在覺得應該是比較慘痛的現狀，直接帶來的是一個數據的孤島現狀，系統和系統之間的數據語言不統一帶來的數據無法貫穿，帶來的是數據無法分析。像我們的很多主數據，比如產品主數據、客戶主數據，有些是在CRM系統裏面，有些是在ERP系統裏面，有些在Excel的表格裏，我們到底分析的時候以哪個數據爲準，這也帶來了數據分析的準確性。
業務層面是算在決策者層面，作爲松下集團旗下的法人公司，重複的IT建築帶來了重複的投資，決策者關注的是投資，重複的IT建設帶來了一系列的技術層面的問題，我們的運維成本逐步提升。另外由於每個架構體系不太一樣，因此我們要學習很多新技術和工具，給我們技術人員帶來了極大的負擔。
松下集團數據治理實踐
數據治理目標
基於剛這幾點，接下來簡單分享一下松下是如何規劃和實施的。首先是站在松下自己的全局視點，我們是以全局最優，不是各自法人最優。我們站在64家法人的視角，打破各自的事業部、法人、產品線，貫穿事業部，縱向打通8項業務場景，規劃整體最優的數字化模式。我們的核心目標和剛纔的話題也上下貫穿，我們要解決提升自己的運營效率，實現卓越運營。卓越運營現在是我們集團內部的大口號，帶來的經營體現就是降本增效。
數據治理歷程
分享一下近幾年走過來的路，其實還是非常坎坷，松下作爲幾十年的企業，如今要做數據治理，要動一些根本，動起來是非常艱難的。三年前我們慢慢清晰地認識到這些課題，開始進行藍圖規劃實施，
- 2021年我們正式在平臺層面搭建了地域，構建了松下地域統一的大數據平臺。
- 2022年我們基於大數據平臺的基礎上，在數據的應用層上面進行工作指標標準化、數據資產盤點，以及我們的開放規劃的流程。在最上面的用戶層我們進行產品化封裝。
- 2023年7月松下得到屬於製造業自己的數據中臺著作權認證，成功獲得軟件著作權證書；創辦數據分析學院，面向管理/技術/業務人員開展個性課程
- 未來幾年，松下將會按照智能化、平臺化、集成化這麼一個三大軸來進行發展的。
規劃統一數據全景圖及架構
我們所規劃的地域統一數據平臺，全景圖應用架構可以拆解成Serverless架構（數據底座），高度標準化/價值化，人材培養三方面。Serverless架構（數據底座）松下使用阿里云爲穩定的基礎設施，包含數據治理，計算引擎，數據存儲，數據採集等架構。上一層數據應用的層面包括應用模型區，業務域指標體系，數據消費和數據應用區，以高度標準化/價值化進行衡量。業務域指標體系貫穿營銷，計劃，採購，製造，品質，倉儲，物流，售後大業務所有，數據消費會更加滿足多元化的數據消費訴求，基於這個基礎上，我們有統一的數據應用區，方便用戶直接投入使用。最後人材培養也十分重要，松下持續在培育人材投入大量精力，支持公司在未來將持續向智能化、平臺化、集成化發力。
數據治理重點舉措
1.架構選型-低成本、高性能、高可用Serverless架構
站在公司的角度來說，我們更多是要投入業務的實現，如何把現有的成熟的工具、產品經過組合，更高效地給應用方去使用，就像把現有的藥品都拿過來，給用戶、病人治病，這個是核心的指標。這樣的目標決定了我們需要選擇低成本、高性能、高可用Serverless架構。
2021年我們架構選型的初期不同的友商給我們提供了不同方案，A是阿里雲提供全託管的架構模式。B爲友商產品提供的方案，兩者方案在架構與核心組件有着不同點，對比如下:
架構層面對比
當我們把架構畫出來的時候，基本就有答案了，方案A爲阿里雲全託管PasS方案，方案B爲友商基於服務器的laaS方案，結合實際公司需求，採用阿里雲全託管PasS方案，原因如下：
方案B
評估需要擁有16臺虛擬機，分成兩個環境，一個是開發環境、一個是生產環境。兩個環境再切一刀我們就有4個集羣。我們需要將有限的精力投入到業務實現上面，沒有太多運維人員每天盯着服務器有沒有宕機，服務器上面的任務是否正常執行等，沒有那麼多的資源精力投入做這件事。
方案A
一個DataWorks工作空間對應兩個MaxCompute項目。支持設置開發和生產雙環境，提升代碼開發規範。能夠對資源權限進行嚴格控制，禁止隨意操作生產環境的資源，保證生產環境中數據的安全性，用戶只需關心作業和數據，而無需關心底層分佈式架構及運維。所以架構出來時，我們就選擇了DataWorks+MaxCompute的組合。
關於開源平臺與阿里雲自研平臺的思考：
我們的技術人員開源的情節比較深，我們剛開始選型當中也是一樣的，因爲我們技術人員成長背景、工作背景基本上都是基於開源做的，只有在開源的平臺才能體現技術人員的實力。所以在選型的當初我們是比較排斥的MaxCompute，於是在計算引擎層，我們將開源與MaxCompute進行了全面的對比。
開源不是不好，例如更加豐富的組件，統一的元數據管理等等，但是一定要有公司戰略、研發體系、研發團隊的配備，人力財力物力多方面的支持，你如果這些底層資源能力足夠的情況下，開源是可以考慮的方向。但是結合我們剛纔提到自身的情況，我們最終是面向業務應用，希望能花更多的時間在提高運營效率上，於是我們最終決定使用阿里雲自研的MaxCompute。
工具層對比：
再看一下工具層，我們繼續詳細拆解了阿里雲DataWorks和另一個友商的產品，我將松下核心關注的部分簡單列了下，比如說採購的模式、部署的方式、開放性等等，這種看起來比較一目瞭然。在做工具選型的時候，我們如果只是看PPT層面、其實會發現各家都非常相似，但是當我們實際使用測試之後，就會發現有有很大的不同。
以下是工具層面詳細對標與優劣勢總結：
友商產品：使用後發現產品過於封閉，比如我們松下有自己的賬號體系，無法與松下自研產品進行綁定，不開放API的接口。有時任務失敗了技術人員一定要把日誌拿過來進行排查，日誌的詳細程度直接會影響我們解決問題的效果，這塊友商沒有阿里雲DataWorks的詳細。另外我們是面向集團內幾十家法人提供服務的，併發任務會同時達到數十個、幾百個，友商的產品任務併發數量有限，這幾點會根本上限制公司產品選型。
阿里雲DataWorks：使用一套用戶認證體系，集成MyID，管理簡單；圖形化界面配置，操作簡便；集成權限管理平臺，可視化申請、審批和審計權限；可以進行全託管，無需管理維護集羣，運維人力成本較低，並且擁有數據保護傘的全部功能；天然的多租戶系統，適用於企業數據中臺建設（數據，權限，計算資源等）。
架構層面總結-松下統一數據底座
上方架構是目前的數據底座，最左邊經常會對接的數據源，因爲數據源更多的是像工廠用的比較多ECM、CRM的數據源。數據源經過流批一體處理，把處理的結果通過數據服務，再投給最終的用戶端。目前平臺經過近幾年打磨逐步完善規範化，包含數據湖，流批一體，數據應用，多元化數據服務等能力，BI、AI及底層算法能力也基本完備；數據治理能力基於標準化的規範及阿里雲DataWorks，已經初步達到及格線。
2.敏捷創新快，高度標準化/價值化
以前我們標準化做的不夠，舉個例子，松下經常以庫存的角度做盤點，比如彩電前端市場、滯留庫存有多少，滯留庫存的定義，我們每個法人定義都不太一樣。比如在倉庫呆了3個月算滯留，有些人覺得是6個月算滯留，有些人覺得是從過去的3個月到現在的6個月算滯留。因爲集團決策層是要加起來看一些彙總值，計算口徑不太一樣，沒法彙總。因爲領導層不太理解底層的細節口徑，主要看彙總值，如果看的數據不準確，也會直接影響他的決策。在清晰地認識到這些問題之後，我們再在統一架構的基礎上聯協了松下各個職能部門進行大刀闊斧的流程化改革。
技術架構只是物理上的統一，還需要在基礎上做一些文化、業務流程上的標準。我們切中了兩個維度，一個是業務，一個是技術。我們是技術方，不可能直接牽着業務改，後面有一個大的領導團，帶着業務幫我們做一些梳理，比如清晰的定義指標，統一它的指標口徑。另外我們從規範化建模這塊，儘量沉澱公共層，像DWD、DWS等這些公共層。這樣哪怕新的法人公司來開發的時候，複用率儘量做到極致。
這些年松下一直在逐迭代與改進，這個過程是一個漫長的過程，需要大家的齊心協力才能解決，近幾年取的了一些初步的成效。從公司的戰略來看，業務與數據雙驅動，不斷完善過程與規則數字化/標準化，提升數據服務能力，構築統一的數據管理規則，確保形成清潔，完整，高效及複用的規範化模型。從平臺和數據應用標準化梳理成果看，經過業務不斷創新優化，平臺整體成本下降30%，並且每年都有持續降本的指標。我們選擇全託管開發模式極大提高了開發效率，做出大量標準化實施，並且在今年獲得的製造業的軟件著作權。
3.人才培養
現在我們是保姆式的服務方式把數據餵給客戶端，但是這種方式價值就是有限的，發揮的能量不夠大，它的瓶頸在哪？就是人才。我們大批的人對數據不懂，不知道怎麼用數據，對於Excel很懂，但換一個模式的情況下對數據就不是懂了。
於是松下開設了數據分析學院，基於不同的人員分佈，大批量對一線業務人員、IT等同事，集團內部人員進行一系列數據分析、大數據、算法相關的課程培訓。本來我們以爲這種學習方式沒什麼新意，就是線上線下的方式都會進行，沒想到大家學習的熱度非常高，從今年9月1日開學，截止10月10日，松下當前64家法人公司，覆蓋了52家法人進行了學習。從側面也反映了我們正在解決的技術痛點，其實也是大家平時在工作中的痛點。
未來思考
這個時代變化的太快，變和不確定是常態。對於企業未來的發展，萬變不離其宗，我們要把握好宗。宗是我們當下基本要有的理念，是我們積極向上的企業文化。“向外看、求簡化、促協作、勇挑戰、樂成長”是我們松下的五大價值觀，未來我們數字化轉型的路沒有那麼好走，需要不斷地調整自己戰略的方向，基於這5個價值觀我們有了一個明確的行動準則與思考路徑。
- 向外看
對業務保持高度敏感，運用新技術、新手段、新理念，簡化信息獲取的複雜度，提供運營效率，不斷提升工作倖福感
- 求簡化
對業務保持高度敏感，運用新技術、新手段、新理念，簡化信息獲取的複雜度，提供運營效率，不斷提升工作倖福感
- 促協作
積極促成業界的深入探討，給同行提供借鑑，帶來啓發，共通推進數字化轉型
- 勇挑戰
改變思維，勇於跨出認知的侷限，勇於走向外部市場，經歷更加百花齊放的業態挑戰。促使我們的產品化能力日益增強。
- 樂成長
學習能力是重要的核心競爭力，努力擺脫傳統的學習方式，不斷拓展學習的視野和疆界，提升學習的效率和效能。
最後，將總代表辦公室的一句話送給大家，是李白的一首詩“長風破浪會有時、直掛雲帆濟滄海”。日系企業近幾年和我們國內的企業橫向對比，感覺它的動力不足，走的很辛苦，不僅僅是松下自己，也是整體行業的趨勢。我們既然在這樣的環境工作，不希望百年大廈倒在我們這一代的手上，接下來我們團隊各位同事，以及公司各個合作方將一起繼續合作，堅實地走下數字化轉型的每一步路。
作者：南宮蘭 松下信息系統（上海）有限公司 數據分析部部長
本文爲阿里雲原創內容，未經允許不得轉載。