DataHunter解读：汽车寒冬背景下数据运营帮助经销商“过

作者: DataHunter小数 | 来源:发表于2019-01-05 15:16 被阅读19次

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。