我们致力于帮助人们查看数据并改进业务

首页 > 关于我们 > 媒体报道 > 文章详情

DataHunter解读:汽车寒冬背景下 数据运营帮助经销商“过冬”

DataHunter · 2019-01-10

受宏观经济下行压力加大、居民收入增速放缓消费信心不足、乘用车购置税优惠政策退出等因素影响,我国汽车行业正在渡过近年来罕见的“寒冬”。商务部数据显示,2018年1-11月汽车共计销售2542万辆,同比下降1.7%。其中,乘用车销售2147.8万辆,下降2.8%,预计在2019年,汽车行业的“寒冬”仍旧将持续,预期增长率为0,汽车行业面临着巨大的成长乃至生存压力。

对于汽车经销商来说,在行业快速增长的背景下,凭借行业红利来拉动业务增长并不难。但是一旦行业进入寒冬,想要继续推动业务增长,就需要通过业务创新、数字化改造等多种方式,实现增长模式从粗放型向精细型的转变。对此,DataHunter 从数据运营出发,解读了汽车经销商如何从海量的数据中获得洞察,实现智能的数据决策,提供更能满足市场需求的汽车产品与服务,从而安全“过冬”。


汽车经销商的数据运营困境

在业务运营过程中,汽车经销商会产生很多的数据,如包含销售车型、销售日期、价格等维度在内的整车销售数据,包含汽车贷款分期、汽车保险费用等数据在内的保险金融数据,包含服务保有量、新增维修客户等数据在内的售后服务数据。这些数据直接来源于业务,对于反映业务真实状态,并指导业务实践无疑有着重要意义。

但是长期以来,这些数据的价值都没有得到充分的挖掘,大部分汽车经销商往往只是将这些数据录入到系统之后,就将这些数据束之高阁,只会在月末或者年末总结的时候,作出数据报表呈交给领导进行参考。数据到底说明了什么问题,业务下一步应该怎么做,市场的动向发生了什么改变?这些问题都很难得到回答,数据的价值也远远没有得到充分发挥。

要改变这一现状,需要的不仅仅是转变数据思维,还需要对对数据的搜集、分析、展现方式进行彻底的重构。传统报表式的数据分析往往只能被动式的查看历史数据,很难做到当前数据的实时展现,而且,汽车经销商普遍没有建立起统一的数据体系,其内部系统众多、数据管理复杂,造成数据的来源与类别分散,无法从大量历史数据得到有用的决策信息。

要想通过数据运营来改善汽车经销业务,就需要以商业智能(BI)为基本导向,在内部建立统一的数据挖掘、处理、分析、展示机制,构建更加灵活并具备扩展性的商业智能平台。
 
建立数据运营的“管理驾驶舱”

DataHunter 业务咨询专家段鑫龙建议,汽车经销商应该建立规范统一、高度共享的数据平台,并在此基础上,建设包括战略分析、经营分析、财务分析、竞争力分析、风险分析等多维度数据分析的数据运营体系;同时,应该建立有效的绩效分析指标和体系,建立对标体系进行指标的对比,有针对性的对企业进行管理,制定有效的决策信息。及时发现自身不足,及时调整,实现持续发展。

针对汽车行业的数据运营场景与实际分析需求,DataHunter 建议,汽车经销商应该从用户分析、衍生品分析、保险金融、营收利润、库存分析、财务分析这几个维度入手,搭建数据运营的“管理驾驶舱”。通过敏捷的 BI 工具,对这些业务运行的数据进行分析,可以有效地支撑业务的发展。


对于汽车经销商来说,要在企业内部构建“管理驾驶舱”及数据运营体系,首先需要对于企业内部的业务体系进行梳理,通过数据治理整合由CRM/ERP/MES等业务系统产生的各种类型数据,打通不同业务系统之间的数据孤岛,建立统一的数据仓库。

在接下来的数据分析与展示流程中,DataHunter 提供了基于 Data Analytics 数据分析平台、Data MAX 数据大屏展示平台、Data Wisdom 数据智能决策服务的商业智能解决方案,其具备以下典型优势:

· 支撑汽车经销商通过敏捷性、自助式的数据分析快速生成分析报告,实现对于业务运行状况的实时洞察。

· 拥有讨论板、团队共享、链接共享等全面的协作功能,支持员工快速分享、讨论数据分析结果,数据利用效率成倍增长。

· 强大的权限管理功能可以赋予不同的成员以不同的数据查看、便捷权限,在建立明晰的数据管理结构的同时,提升了数据安全能力。

· 真B/S架构,实现多终端支持,可以全方位支持PC、投影、电视到平板、手机等终端。

 
汽车经销数据运营实战

那么,在实际应用中,DataHunter 商业智能解决方案如何帮助汽车经销商提升业务能力呢?段鑫龙从最受经销商关注的“销售数据分析”这一指标为例,分享了数据分析的实战经验。

在汽车销售中,库存是一个非常值得关注的指标,一般而言,库存超过销售的1.5倍指示了一定程度的积压,会带来较大的成本压力,销售库存比保持在60%-70%之间比较理想。所以,通过对于库存与销售指标进行更细粒度的下钻分析,不仅可以对于销售额进行预测,还可以找到品牌、车系、车型、油耗、价位等因素对于库存的影响。

在建立了“库存-销售”的数据分析模型之后,经销商可以通过细粒度的下钻,实时地查看不同车系、车型、油耗、价位的库存与销售现状,分析出哪些产品更受市场欢迎,哪些产品存在库存异常现象,需要及时的调整进货策略(如降低特定车型的进货占比),销售策略(如针对库存压力大的产品采取力度更大的促销政策、更具针对性的销售引导、强化销售激励等),从而实现更大的业务价值。


除此之外,适用于汽车经销行业的DataHunter 数据智能解决方案还可以揭示销售额、增值服务、车型销售占比等各种类型数据,汽车经销商可以通过对各类业务指标进行灵活分析,让管理从“凭经验”向科学决策、智能决策演进。