大數據建設框架成為企業實現精細化經營的重要途徑

隨著汽車市場逐步飽和，競爭加劇，車企希望通過擁抱大數據實現精細化經營，領先一步。但是大數據化的過程并非一蹴而就，也不是簡單的大數據技術選擇，更應該看成一個企業級系統工程。本文結合大數據項目實踐和行業理解，著重闡述了如何系統看待大數據建設和關鍵問題解決思路。

背景

隨著汽車普及的不斷深入，中國汽車市場逐漸飽和增速放緩，我國車企已邁入了競爭運營的階段。隨著近年大數據的興起，越來越多的車企也選擇投身大數據潮流，希望通過擁抱大數據，實現更加精細化的業務運營，營銷模式變化，乃至企業轉型，提高自身運營競爭力。如國際頂級車企大眾、寶馬、奔馳，還有國內車企長城、吉利等都紛紛開啟了自己的大數據之路(圖1)。

圖1 車企大數據典型案例

然而，在大數據化進程中，車企卻發現演變過程并不是那么一帆風順，在和車企交流中，往往能聽到業務部門的抱怨：

1.數據質量怎么這么差，用戶姓名一看就是隨便輸入的，手機號碼居然只有9位;

2.銷量統計錯了，把提車數統計到實銷數里了;

3.你做的分析功能我們不需要，對了，我們庫存預測到底能不能做。

信息化部門卻會感覺到困惑：

1. 我們已經采用先進的大數據技術平臺了，但是該做些什么業務;

2. 我們哪里知道業務部門對應計算口徑是什么，業務需求不清楚;

3. 你這個業務需求，我們心里沒數。

由此可見，如何構建一個高效大數據平臺，不僅僅是簡單的IT系統建設，更不是簡單購買了大數據平臺就能實現大數據分析。企業大數據化更應該是一個系統，要貫穿管理-業務-系統-數據，逐步規劃，逐步建設，而不是一蹴而就。因此，基于大數據思考、實踐模式，聯想總結出企業大數據建設框架(圖2)，針對其中關鍵問題提出思考和分析。

圖2.企業大數據建設框架

大數據之“本”：多源之水，夯實數據倉庫

對于成熟的車企而言，要利用大數據產生價值，必然要構建豐富的數據體系才能發揮出大數據平臺的價值，否則將成為無源之水，無本之木。一般情況下，車企需要圍繞四個主要因素構建數據源才能滿足整體業務需求：主機廠、渠道、客戶、車。

那么車企有哪些數據呢?通常大部分車企的傳統數據來源已經有了相對成熟的生產體系，包括銷售領域的分銷商管理系統(DMS)，以及經銷商使用的CRM、客服中心(Callcenter)、生產管理系統，質量管理系統(QIS)等等，這幾類數據可以滿足日常主機廠對于自身的運營分析、產品分析以及對渠道運營分析，但是，仍然存在如下問題：

1.客戶數據匱乏，相比電信、金融行業，車企行業客戶觸點過少，而周期又過長，這導致其無法構建出多維的客戶數據。

2.產品質量數據往往通過售后服務來反饋，因此進行被動故障排查的難度較高，如此一來，車企無法做到預測性故障的分析。

因此，為了發揮大數據的價值，車企就需要增加新的數據源，用來滿足業務分析對數據多樣化的需求

一、車聯網系統：

目前，越來越多的主機廠考慮部署或者已經部署車聯網系統，從大數據角度來說，車企通過車聯網系統可以有效補充用戶日常數據缺失，以ADAS系統為例，可以捕獲如下數據：

1.用戶駕駛行為數據：用戶每次駕駛里程、轉向習慣、行駛速度、是否有疲勞駕駛等，均可以有效幫助客戶來搭建畫像建模。

2.產品參數實時獲?。翰煌悴考年P鍵運營指標，如轉速、溫度、電子指標等，從而為精細化產品質量預測和分析提供了基礎。

二、網絡輿情信息：

網絡已經是用戶信息傳播的主要渠道，相比主機廠傳統的傳播方式，網絡渠道可以更早、更全面的反映用戶對主機廠的相關信息，通過部署自有網絡爬蟲系統或者購買第三方的SAAS服務，可以針對重點門戶、知名行業網站、論壇、電商平臺等。

1.通過爬蟲系統可以有效捕獲網絡新聞、論壇帖子、用戶評論等網絡信息

2.基于大數據技術處理，車企可以通過網絡信息進行市場營銷、品牌影響力推廣以及對用戶習慣、產品質量等內容的分析。以品牌為例，車企可以完成對品牌日常熱度、口碑傾向等內容的分析。

三、第三方外部數據：

1.行業性數據：通過乘聯會等行業組織的數據引入，可以有效解決市場趨勢分析的數據引入。

2.第三方用戶標簽數據：在和第三方的數據合作之中，車企往往希望能得到用戶級的數據交換，但考慮到第三方數據匹配成功率不足的問題，就需要車企構建統一的用戶標簽體系和用戶多ID體系。此外，更為可行的做法是充分利用第三方的做好用戶畫像分析數據，優先完善用戶群統計數據。

添加該三項數據源的歸類，車企才能真正實現現階段對精細化經營的補充，讓整個車企的數據源架構升維到更加實用、高效的層面，這也是未來車企發展的重要途徑。