导语： 同一台车架，冲压车间叫"白车身"，焊装车间叫"BIW"，数据平台上就是两个"不同的数"。奥腾科技为某大型汽车集团建设生产智造数据资产目录与标准化治理体系，依托 Ottomi-Nexus 多模态 AI 数据中台的多租户与 AI 治理能力，让跨基地、跨车间的生产指标实现"同名同义、同指同算、同数同源"。

一、项目背景

汽车制造是数据密度很高的行业：一辆整车下线，涉及冲压、焊装、涂装、总装四大工艺与数千个零件，PLC 设备、MES 系统、质量检测、能耗监测无时不刻产生数据。某大型汽车集团经过多年信息化建设，已建成数十个生产与管理系统，但数据治理相对滞后——各基地、各车间对同一业务对象的命名、口径、算法并不统一，数据资产"有多少、在哪、好不好用"没人说得清，管理层想要一张跨基地的产能与质量对比报表，往往需要各基地分别报送后再人工核对。

随着智能制造推进，集团明确"以数据资产为核心"的数字化战略，启动生产智造数据资产目录与标准化治理项目。

二、核心痛点

业务痛点

1. 指标口径"各说各话"。 "一次合格率"在不同基地的计算口径不一，跨基地对比缺乏可信基础，集团级经营分析"有数不敢用"。

2. 数据资产底数不清。 数据分散在数十个车间系统中，没有统一的资产目录，业务人员找数靠"问熟人"，重复开发普遍。

IT 痛点

1. 系统孤岛、接口散乱。 各基地系统独立建设，数据接口点对点连接，新增一个跨系统分析需求动辄数周。

2. 数据开发与治理脱节。 数据加工规则分散在脚本与个人经验中，缺少统一的质量校验与治理闭环，上游数据变化导致下游报表"静默失真"。

三、解决方案

1. 集团级多租户架构：一个底座，各基地自治

以 Ottomi-Nexus 多模态 AI 数据中台搭建集团级数据底座，采用多租户集团化架构：集团总部作为主租户，统一制定数据标准、分类分级规则与质检规范并自动下发；各生产基地作为分租户，在统一框架内扩展自身业务规则，管理本基地数据资产。各基地数据逻辑隔离、互不干扰，集团统一视角贯通。

2. 统一数据资产目录：AI 编目让资产"自动上户口"

落地**一站式 AI 编目归集**能力：对接各车间 MES、PLC、质检、能耗等系统，AI 自动识别数据类型、业务含义与敏感级别，自动打标、补齐编目字段，人工复核确认；建立 L1-L5 五级业务架构分层（业务域 → 主题域 → 业务对象 → 逻辑实体 → 对象），形成覆盖"人机料法环"的集团统一数据资产目录。

3. 指标体系标准化：一处定义、全集团生效

依托原子/派生/复合三层指标体系，将关键生产指标的业务口径在集团层面统一注册——"一次合格率""设备综合效率 OEE""单台能耗"等指标口径一处定义、全集团引用；AI 推荐辅助建指标，指标同名同义、同指同算，跨基地对比第一次有了可信的"一把尺"。

4. 数据质检闭环与分类分级：资产可信、安全合规

落地基于 DAMA 规范的数据质检体系，六大类质量规则覆盖完备性、准确性、一致性、及时性等维度，问题数据自动生成整改工单回传源头车间；同步执行 S1-S4 数据分类分级与敏感识别，生产数据、经营数据分级管控，权限、脱敏、审计联动。

5. 寻数问数：让业务人员"用数不求人"

基于寻数问数智能体提供对话式找数、问数能力：计划员问"昨日三基地涂装一次合格率对比"，智能体直接返回指标口径、数据与图表；四级数据权限直达问答结果，无权限的数据检索不到、查看不了，用数便捷与安全管控兼得。

四、落地成效

- 指标统一： 集团核心生产指标全部纳入统一指标库，口径一致率由不足 60% 提升至 95% 以上，跨基地经营分析由"月报人工核对"升级为"按日自动生成"；

- 资产可见： 数据资产目录覆盖生产、质量、设备、能耗等核心业务域，数据资产底数首次摸清，重复开发减少约 50%；

- 治理提效： AI 编目与 AI 质检使数据治理人力投入下降约 40%，数据质量问题平均整改周期缩短约 50%；

- 用数普及： 寻数问数智能体上线后，业务人员自助取数占比明显提升，IT 部门临时取数需求下降约 60%。

五、客户价值

本项目是奥腾在集团化智能制造场景的标杆实践：多租户架构解决了"集团统一管控"与"基地灵活自治"的天然矛盾；统一数据资产目录与指标体系，让数据资产第一次具备了企业级"会计科目"式的管理基础——每一项资产可定位、可评估、可运营。在此基础上，集团的生产经营分析、能耗优化、质量追溯等场景获得可信数据支撑，也为未来数据资产入表、数据要素对外流通预留了治理底座。标准化治理的价值会在每一次跨基地对比、每一次经营决策中被反复兑现。