汽車行業是數據挖掘大顯身手的舞臺

  數據挖掘的進入對于汽車行業來說無疑是一個非常好的機會。

  在過去幾年的高速發展中，汽車行業主要追求銷量，跟銷售要利潤。隨著汽車市場競爭日趨激烈，以及一系列限制性政策的出臺，銷量增長日趨緩慢，而圍繞從汽車售出到報廢的整個過程產生的一系列服務和交易的汽車后市場則蓬勃發展起來，必將成為汽車行業最主要的利潤來源，這是一個行業性的規律，全世界汽車市場發達的國家大抵如此。某上市的大型汽車經銷商年報顯示，其汽車銷售和售后的營業額比例大概是10:1，而這兩部分的利潤率恰好相反，是1:10，因此最后兩者所貢獻的利潤是相當的，比例將近1:1。這種態勢在不斷發展和深化，今后幾年售后服務對經銷商利潤的貢獻率將逐年上升并大于銷售業務。

  汽車行業不同于快消行業，汽車屬于大宗購買商品，購買周期長、消費頻次低、客單價高，即使沒有限購令，銷售量也必有限高。因此售后如何做、如何從中獲取利潤是廠商和經銷商今后需要重點考慮的問題。

  汽車售后的利潤其實高得誘人。一輛好一點的車一年僅維修保養就需要三、四萬塊錢，再換個零件、做做其他的保養和服務，又得好幾萬。假設一輛車平均能用十年，只要保證這十年客戶在你的售后服務體系內不流失，十年下來經銷商能夠收獲的利潤相當可觀。

  汽車廠商近年來已經越來越多地注意到了這一點，開始做客戶雜志、組織自駕游、開辦車主俱樂部等，并且開始考核售后的績效。售后績效的考核不同于銷售數據的一目了然，很多指標不能直接衡量，比如售后營銷的效果，而數據挖掘則可以在其中大顯身手。

  汽車行業數據挖掘的現存桎梏

  以往汽車行業之所以沒有大規模地開展數據挖掘工作，最為重要的原因在于整個行業的信息化水平比較低。

  銀行業和電信業屬于信息化水平比較高的行業，其用戶消費的本身就是無形的產品和服務，他們的日常行為都通過數據表現，同時這些數據大都是可以直接用于分析的結構化數據。汽車行業相比之下只能望其項背。

  首先，從行業結構來說，汽車行業的主機廠商和消費者之間還有一個層級是經銷商，它在其中形成了一個天然的數據壁壘。主機廠商（或銷售公司）拿不到潛在客戶的數據。潛在客戶的任何行為，包括到店、試乘試駕，以及其他一些涉及營銷的行為，這些行為產生的數據經銷商是不會主動提供主機廠商的。只有訂單產生以后，客戶付錢了，廠商才能拿到這個客戶的數據。之前大量的信息，尤其是最重要的潛在客戶的信息都掌握在經銷商手里。廠商給經銷商特許經營權大部分是1~2年重新簽署一次，歷時很短，因此它們之間大都還存在一定的猜忌。

  即便數據獲取的問題能夠得到解決，我們能獲取有效的數據并建立模型，經銷商與廠商之間的這一層隔膜也極大影響著數據挖掘結果的執行效果，并進一步影響廠商下一步確定是否繼續進行數據挖掘的選擇。

  不同的經銷商執行力千差萬別。比如，越是豪華的品牌，經銷商對廠商的話語權越強，廠商越弱勢，數據挖掘結果的執行力就會特別弱。也有的廠商很強勢，“全國一盤棋”式的掌控，經銷商的執行力就會比較強，能夠按照數據挖掘結果進行執行和改進。有時候執行力也和經銷商掌握的數據有關。比如廠商要把一個模型推廣到經銷商方面使用，但是經銷商可能會發現模型里需要的很多數據是廠商方面才有的衍生數據，經銷商無法直接使用，這也會使數據挖掘結果的執行力變差，這個壁壘的影響是雙方面的。

  其次，從數據質量來說，即便是廠商拿到了客戶數據，也存在大量的經銷商造假的情況。如果是銀行業或是電信業，用于考核業績的數據清晰明了，客戶存了多少錢就是多少錢，花了多少話費就是多少話費，這些統統都是系統記錄在案的。而在汽車行業，廠商主要通過銷量、飛行檢查、神秘客、審計等方式考核經銷商，這其中存在很大的造假余地。比如車主購車后需要留下個人信息，有的經銷商會留下保險人員或是銷售顧問的信息，等到廠商回訪進行滿意度考核的時候，經銷商方面可以為自己的滿意度打很高的分數，最后它得到的年底返利就會很高。 部分廠商的經銷商造假情況非常猖獗，甚至達到90%的數據都是造假的程度。如果幾乎全都是假數據，我們怎么根據這些數據進行挖掘、做營銷？

  針對這一點，新華信近年來一直在努力幫助廠商做數據打假，這種經銷商數據造假的情況相比以前已經有了很大的改善。營造一個清潔的數據環境是進行數據挖掘必不可少的基礎。

  最后，從可操作性上來說，在解決數據獲取和數據質量的問題之后，汽車行業不得不面對的是它長期積累下來的數據繁復雜亂的頑疾。我們在給客戶做數據挖掘的時候發現，花在數據整合上的時間往往是最多的，占整個項目的耗時少則60%，多則90%。相比之下，建模反而是一蹴而就的過程。出現這一問題的主要原因在于廠商數據架構的前期規劃沒有做好，這就會導致后期挖掘過程中很多問題的出現。打個比方來說，某汽車廠商在同一個系統中，光是同一顏色的編碼就有不同的40余種，做數據挖掘之前必須逐一整合這些信息；有的廠商使用的數據系統不是通用系統，而且還是上個世紀由廠商自己開發的，代碼只有他們自己懂，做數據挖掘之前就必須先用公式去猜、去算一些數據是怎么來的、不同的指標代表什么意思，才能開展下一步的工作。

  大部分汽車廠商、尤其是國產品牌的汽車廠商都存在大量的數據管理的問題，在這種條件下即使他們有意愿，我們也沒辦法做數據挖掘。有時候我們不得不建議廠商過幾年再做數據挖掘。數據管理的問題不解決，要擴大數據挖掘對汽車行業的貢獻也是一件難事——單次項目數據整合完成、做出模型之后，下一次項目如果要繼續，由于有新的數據產生，在挖掘之前還得再花大量的時間進行數據整合，這導致數據挖掘的結果只能是一次性的。

  值得慶幸的是，比起國外的汽車行業，國內汽車行業的數據可操作性已經強很多了。國外汽車行業業態不同，使得數據的收集更為困難。國內是以經銷商為主導的業態，從廠商經過經銷商就到消費者了，而國外從銷售到售后、保養、維修、零部件……每一個環節都是不同的大集團在運作，因此數據是相當分散的。

  數據挖掘蓄勢待發

  無論對于哪個行業來說，要做數據挖掘。第一步永遠都不是數據挖掘，而是先做企業或部門級的數據整合。現在基本沒有任何一個汽車廠家能把這一步的工作做完。前期準備工作沒有做好，沒有一個整合的數據平臺，數據挖掘無從進行。目前的情況是，我們每做一個項目都要先耗費大量的時間做數據整理的工作，這次整理完之后就放在那兒了。下一次的項目，因為又有新的數據產生，又得重新做一次數據整理，根本無法將數據挖掘作為一個常態來做，使得數據挖掘的價值被極大地壓縮。

  做完了企業級的數據平臺之后，第二步需要做的是建立商業智能系統，即通常所說的BI。事實上大量的描述性統計分析是可以直接在BI系統上直接實現的，甚至在做一些探察性分析的時候，是沒有必要建立模型的。很多時候一些有經驗的汽車業內人士使用BI系統進行常規性分析的時候，看一眼大概就知道有什么樣的問題了，大量基礎問題正是通過這樣的常規分析發現的。BI系統的作用不止于此，它對于數據挖掘也很關鍵。數據挖掘需要通過先做描述性分析、探察性分析來幫助理解數據或為挖掘尋找方向，只有做完了前期的這些常規分析再去架構數據挖掘才能有的放矢，因此BI系統與數據挖掘之間是一個遞進的關系。

  這就是為什么我們現在為汽車廠商做數據挖掘難度這么大的原因。在挖掘之前必須自己先完成數據整理和探察性分析，完成了前兩步之后，最后才能做真正的數據挖掘，才能去建模。

  新華信認為，中國的汽車企業要真正解決這個問題，也許還需要三到五年的時間。從汽車行業來看，變革的第一步由組織架構切入。目前的汽車企業尚且沒有一個單獨的部門或相關的組織架構來負責數據方面的事務，無法從客戶的角度收集、整理、組織數據；整個行業還是以職能制為中心，是一個市場、銷售、網絡、售后，各自為戰的職能網絡，缺乏一個鏈條來打通客戶數據的整合。因此，組織架構需要變革，需要有一個部門負責將各個業務流程打通，疏通數據的流動和整合。接下來的第二步就是打通系統，整個企業使用統一的系統和統一的數據編碼、數據架構方式。完成了組織架構的變革和數據整合，之后的數據挖掘就是順理成章、水到渠成的事了，完成的速度將會非�？臁＿@幾年對于數據挖掘來說還是一個蓄勢待發的時期，它需要踏踏實實做好前期的鋪墊。

  大營銷體系中的數據挖掘

  不同的廠商會把數據挖掘的功能放在不同的部門來實現，有的放在售后，有的放在市場，有的公司干脆單獨成立一個部門來專門做這件事。不管如何安排，數據挖掘都是處于一個大營銷體系中的，即便是做售后，數據挖掘的功能也體現在售后營銷，而非售后服務。比如一個模型出來之后，新華信的專業團隊會跟廠商的營銷人員討論這個模型怎么用、怎么調整、怎么優化，甚至根據現有模型衍生新的需求，進而繼續開發新的模型。舉個例子來說，做了客戶流失模型之后我們發現，在流失的客戶中，有很大一部分價值其實很低，是廠商沒有必要關注的，而需要關注的是另一部分具有很高價值卻流失了的客戶，所以我們還需要應用新華信客戶價值模型，兩個模型交叉應用才能解決實際問題。

  如此看來，數據挖掘一定是一個團隊完成的。要真正做好數據挖掘需要幾方面的人才共同配合。第一是對行業有深入理解的人，或者說是行業專家，他們可以對技術不太了解，但對行業的了解一定要非常深入。對行業的理解不一樣，采用數據挖掘結果做出的方案就不一樣。比如汽車行業不同于快銷行業，要做所謂的精準營銷，無法直接面向客戶推大量的產品，我們的方案必須聚焦在維修保養和追加銷售上；第二是技術人員，這其中又分為兩類，一類是做單純的IT工作的，比如數據整合、BI平臺建立，第二類是學統計的或做模型的；第三是營銷人員。這些模型歸根結底是要用到市場上去的，所以需要有對營銷非常在行的人，才能發揮這個模型的真正價值。他們需要知道這個模型怎么用，后期營銷如何據此策劃，以及如何據此為客戶提供整套的服務，而不是模型做完就沒有下文了。

核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。

轉載請注明出處：拓步ERP資訊網http://m.guhuozai8.cn/

本文標題：大營銷體系下的數據挖掘

本文網址：http://m.guhuozai8.cn/html/consultation/1083938456.html