在智能化时代，汽车不再仅仅是传统的交通工具，而是变得更加智能化和网联化。技术进步是推动汽车智能化和网联化的关键因素。随着人工智能、物联网、云计算等技术的不断发展，汽车行业开始将这些技术应用到产品中，以提高汽车的安全性、舒适性和效率。
消费者需求也是推动汽车智能化和网联化的重要因素。随着消费者对智能科技的追求和对驾驶体验的期望不断提高，他们对汽车的智能化和网联化功能的需求也越来越高。因此，汽车制造商开始将更多的智能化和网联化功能融入到汽车中，以满足消费者的需求。
“新汽车”，让消费者感觉到车“懂我”
电动化、网联化和智能化是汽车进化为“新汽车”的主要因素。高科数聚创始人、董事长程杰博士表示，“新汽车”必须具备革新化的特点，除了新能源以外，更重要的是能够为消费者所用，提供更多功能。消费者需要的是一个能够随着场景改变而改变的个性化、动态化的出行体验。
为了实现这一目标，关键在于数智化。一般的数字化是不够的，因为这并不能表达出汽车的车主应该得到什么样的体验和享受。数智化是将数字化提升到智能的角度，对汽车发出指令，帮助消费者感受到汽车的理解和服务。
由于大量数据的使用，汽车具有理解消费者的能力，能够不断适应和优化控制和调整，以满足消费者的各种需求，包括导航、车速、控制、信息传输、推荐和车内小气候等。这种“新汽车”能够提供更好的体验和享受，使消费者感到满意和舒适。
从产品到决策，数智化成就“新汽车”
程杰博士认为，汽车行业在数智化转型方面已经发生了深刻的变化。过去，汽车只是一种简单的交通工具，但现在，随着智能网联技术的发展，汽车已经成为了互联网的一部分，可以与外部环境进行实时交互。这种变化不仅体现在新能源汽车上，也适用于传统燃油车。
在新能源汽车方面，数智化转型更为彻底。由于新能源汽车采用了全新的动力系统，车辆的数据采集、处理和控制系统需要完全重新设计。同时，新能源汽车的控制系统也更加智能化，可以通过算法对车辆的运行状态进行实时监测和调整，从而保证车辆的最佳性能和安全性。
除了汽车产品本身的数智化转型外，程杰博士认为数智化转型还涉及到汽车的生产、制造、研发等整个过程当中一系列的决策。在这个过程中，需要以消费者为中心，了解消费者的需求和习惯，从而为消费者打造极致的体验。
而另一方面，我们现在的汽车正在向软件定义汽车转变。这是因为汽车的硬件比较难以改变，一旦汽车制造完成，要让它的外形发生变化是很困难的。然而，人与车之间的交互界面，比如仪表盘和控制续航能力等，都可以根据个人的习惯和需求进行改变。例如，当我进入汽车后，我看到的仪表盘和其他人看到的可能完全不同。现在，只需按下按钮，选择一下界面上的小功能，仪表盘就可以显示出不同的图像和颜色。我可以选择古典风格，也可以选择时尚风格。同样地，我的另一位朋友可能看到另外一种仪表盘的界面。
同时，“新汽车”的数智化转型还需要提升数据的采集、治理和管理能力，以便更好地利用数据为产品和服务提供支持。程杰博士指出，初始的数据并非立刻可用，而是需要经过一系列的处理和转化。他将其比作石油，必须经过炼油厂的提炼，才能变为适用于各种机器的柴油、汽油和机油。同理，原始数据需要经过精细的处理和分析，才能为决策提供有力的支撑。这其中涉及到了数据的处理、算法的应用、分析以及建模等多个环节，而这一切都离不开软件技术的支持。与过去不同，现代的软件不仅要处理更大量级的数据，还要满足实时性的需求，特别是在移动出行领域，对软件的并发性和可靠性都提出了更高的要求。
数智化不是个自然的过程，面临多重阻力
在汽车行业，数智化转型日益成为影响企业生存和发展的关键因素。然而，尽管技术进步提供了强大的支持，真正实现转型却面临诸多挑战。程杰博士认为，数智化转型是一个不自然的过程，因为这需要企业去下决心改变经过多年形成的企业文化和业务流程。尽管中国的汽车行业相对美国来说比较年轻，但它继承了很多传统汽车行业的一系列体制、流程、系统，包括自然而然成为一种企业文化，因此数智化转型过程相当痛苦。
程杰博士用了一个比喻来形容这个过程，就像在马路上飞驰的汽车需要同时换轮子，这对于换胎员来说十分困难， 数智化转型亦是如此，会是一个相当具有挑战性的过程。二是如果企业是以利润作为目标，那么就会保护原有经过优化的知识数据和业务流程，这也会导致企业在复杂多变的市场环境下推进数智化转型时遇到阻力。
三是传统的企业组织架构已经有各自明确的责任边界，而数智化转型需要打通数据和创新，改变原来的责任边界，这也让人们本能地产生抵触情绪。
另一方面，《个人信息保护法》对数据的安全和商业机密的保护，给传统数据随意使用的问题提出了挑战。程杰博士表示，整个行业对数据的感受还在尝试阶段，由于这一新的挑战，大家有些踌躇不前。
四步实现从数据到决策的闭环
数智化转型需要具备基础能力，但更重要的是以终为始，将数据作为决策的基础。程杰博士提出了一个重要的概念D2D即用数据驱动决策(Data To Decision)。他提到，以前IT工作主要是从决策到数据，即做出决策后，通过数据来衡量和报告业绩。而现在，需要用数据驱动决策，即利用数据为下一次的决策提供服务。
从数据到决策的过程实际上是更为重要的一步。仅仅展示和呈现数据是无法解决问题的，我们需要通过描述、诊断、预测和优化四个步骤来实现从数据到决策的转变。这些步骤形成了一个闭环，最终达到智能决策的效果。
描述：用数据详尽、实时、高频地描述客户和车辆所处的状态，如人的个人特征、生活状况、兴趣爱好等;车辆的位置、速度、油耗等。
诊断：基于描述阶段所整理出的系列标签，再展开进一步的数据诊断分析。从中找出问题根源，这需要从企业的一方数据，合作伙伴/媒体的二方数据，以及公开平台的第三方数据去综合分析。
预测：完成描述和诊断分析后，利用数据和算法对业务决策进行模拟和预测，了解哪种决策后的影响和结果。
优化：通过决策模拟深入了解不同决策对业务的影响，随后对决策进行精细优化，调整数据参数，最终找到最有可能实现效益最大化和利润最大化的方案。
管理者要有数据的意识和用数据的习惯
数智化转型的目标是方方面面的，不仅仅是建平台、写代码、成立DTO等，还需要有战略和管理者的管理能力，管理者在 中的角色是不容忽视的。程杰博士提到，麦肯锡在大数据初期的研究发现，美国缺乏20万数据科学家和200万知道如何用数据来管理的管理者。他认为MBA课程中需要将统计学作为必修课，以培养管理者的数据意识和用数据来指导决策的习惯。
程杰博士还对比了中国和美国在数智化转型方面的区别。他指出，中国在软件开发能力方面很好，但缺乏综合性的能力，包括用写代码来实现数据分析、数据处理等方面的能力比较短缺。他认为这需要逐渐改变，但在数智化转型中仍然是一个难题。
低代码破解“人才”和“场景”难题
数智化转型对于人才有着较高的需求，需要具备数据能力、分析能力以及场景部署等方面的能力。这些能力不可能一个人全部具备，但一个团队可以具备。所以要把这些能力结合起来，需要团队能够善于分解，把它变成比较自动化规范的流程，成为企业的习惯，而不是一次性的解决问题。
程杰博士介绍到，低代码是一种很好的技术解决方案，它可以作为沟通工具，帮助业务人员和程序员之间进行有效的对话。此外，低代码还可以将企业积累的能力分解成小的代码单元，存储在库中以供调用，这有助于规范化，并降低数据安全和网络安全的挑战。
目前，汽车行业中备受瞩目的话题之一是拓展海外市场。而拓展海外业务不可避免地涉及到数字化，在这方面，企业可以借助数字化和数据分析来简化流程和优化决策。而要实现这一目标，开发代码是必不可少的，而低代码技术可以提供帮助。例如，国内成功的新能源车企在欧洲和南美使用西门子低代码Mendix，就是考虑到将国内成熟IT体系完全迁移到海外太重，集团IT对海外业务的支持也不够及时有效，再考虑到多语言，数据合规等等因素，由轻量化的低代码来快速承接不断变化的海外本土需求，培养海外本体的IT及业务团队的低代码能力，自给自足自循环，无需招聘大量人员和建立流程就可快速实现业务功能，是应对当前全球复杂政治经济局势下的最佳选择。
另外，在AI和大语言模型(LLM)的趋势下，我们接触到的各家主机厂的CDO/CIO都在积极探索LLM在近期能够有业务意义落地的可能性。据我们所知，Toyota总部就使用西门子低代码Mendix做了自己专属的ChartGPT，韩国三星也用低代码落地了质量检测类的AI应用，还有国内好几个主机厂也都是大数据组的人员在使用低代码。西门子Mendix低代码的易用性和标准化，加上与不同公司组织的大语言模型的方便集成，这些都是AI落地的强有力支撑。
对于国内业务而言，汽车行业IT相对成熟，如何从信息化的思路转化为数字化的思路?IT团队本身，如何将传统开发和低代码不同技术栈相融合，更好降本增效，以相同团队交付更多项目?如何标准化自开发流程，应对层出不穷的新技术栈，以及居高不下的开发人员流失，降低管理成本? 从甲方纯管理，乙方交付模式，转化为甲方自建COE团队，指导乙方交付的模式。模式上，数字化离业务终端更近，如何打破业务和IT的部门墙，形成业务和IT的融合团队，将瀑布式的传统项目交付和敏捷、甚至精益理念相结合，更加贴近业务快速交付项目，并支持后期快速迭代，在3-5年中长周期，如何将总成本降到最低?上述场景都是非常适合低代码发挥的领域，在中国主机厂和汽车零部件制造商中已得到广泛应用，并在以下项目中取得验证：
制造和供应链优化：(上汽乘用车)低代码开发可以用于构建供应链协同管理系统、工厂精益管理、质量控制系统、物流存储优化等应用，提高制造效率、物流效率和产品质量。
客户体验和数字化销售：低代码开发可以帮助汽车制造商和经销商进一步数字化优化经销商管理体系，(全球领先的专用车集团)并针对个性化车辆定制提供快速报价等等诸多支撑。
管理运营数字化：低代码开发可以帮助人事、财务、合规等职能性部门，尤其是集团总部级别的管理部门，快速实现精益管理，打通研产供销多个环节实现穿透式洞察式管理，从事后追责转化实时过程管理。
在汽车行业迈向数字化和智能化的发展趋势下，高科数聚以其深厚的数据分析能力和智能算法技术，成为该行业数智化转型的关键推动者。程杰博士介绍到，除了一般的开发方法外，高科数聚还提供咨询、平台开发和数据获取等服务，帮助客户用数据解决当下面对的挑战，并实现企业级的决策智能创新产品的落地。
多重Buff叠加，打造数据应用安全屏障
在汽车数智化转型过程中，还面临着诸多的数据安全挑战。程杰博士介绍到，数据安全涉及多个具体需求，包括系统安全、隐私保护和数据商业机密的保护。系统安全关注数据的采集、传输、管理和应用权限，确保数据不被窃取或不合规使用。隐私保护关注消费者授权，确保数据在系统内使用，避免未经授权的数据使用。数据商业机密的保护则关注数据分享和对接过程中的商业机密外泄问题。这些问题都需要通过低代码等技术手段来解决，并帮助企业提升数据安全能力。
在车联网数据使用方面，需要克服隐私的问题。人的数据和车的数据相连，使得厂家能够了解客户人群的用车习惯和需求，从而提供更好的服务和创新产品。但这种连接涉及到个人隐私和数据保护的问题。高科数聚通过技术手段帮助企业克服这一难题，包括联邦学习建模平台、不经意传输和无碰撞连接等，完成数据洞察和分析的需求。程杰博士表示，在这个过程中，我们能够帮助企业合法、高效地获得客户授权，这个得到授权的过程是需要流程设计和代码支持等技术手段实现，这些都是我们目前在做的事情。
