当前位置:CIO新闻中心 → 正文

数据如何驱动智能化决策

责任编辑:cdeng |来源:企业网D1Net  2018-07-20 14:14:53 原创文章 企业网D1Net

数据已成为当今制造业持续运营的关键性因素,通过对过去以及现在的数据分析能够精确的预测未来,数据正从汽车中分离出来,7月14日,专注汽车行业数据分析的广州威尔森信息科技有限公司首席产品创新营销官赖敏茹女士就在由企业网D1Net主办的2018汽车行业CIO论坛为现场带来了《数据如何驱动智能化决策》的精彩演讲。

以下是演讲实录:

【广州威尔森信息科技有限公司首席产品创新营销官 赖敏茹】

赖敏茹:非常感谢主办方的邀请来参与今天的会议,今天是CIO的聚会,一天的会议下来,让我觉得这个“I”实际上赋予了很多内涵。首先“I”其实很多时候给人感觉第一想象的是IT技术。第二我们要IT技术做什么呢?其实就是Information ,我们必须要很丰富的information。随着科技的发展、科技的进步以后,现在互联网也是一个很重要的部分,Internet of Things。

接下来我们还可以看到AI的技术,所以我们可以看到整个“I”,这个CIO有一点混淆,这里面包括了一些什么,里面既有CTO、也有CIO的概念。总的来说,其实这些都是希望我们用新的科技,让我们的生活更加便利,我们做的工作更加快速、更加高效和更加精准。其实在我的title 当中CMIO,这个“I”其实是没有包含我刚才谈到的“I”的信息的,我这个“I”更多的是市场信息的概念。

其实在我的这个团队背后有三个组成部分,第一个是Information ,威尔森公司广泛的收集了全面的关于汽车行业的相关数据,所以我们有一个Information 的概念在里面。第二个组成部分是一个算法的团队,这个包括了建模算法和AI的算法团队。第三部分我们要实现让Information 真正的被企业应用到,我们也有一个IT的团队。所以我这个“I”的后面包括了三个“I”:Information 、AI计算以及我们的IT Solution。

这家公司是在2009年成立的,在2009年成立的时候这家公司的定位更多是市场数据的供应商。在那个时候我们更注重的是Information这个环节,包括我们可以看到打通了82类汽车行业的数据,成为这个行业里面能够提供最完整的客观营销数据的体系。这些数据的打通让我们可以看到包括销量的数据、价格的数据、终端检测以及产品数据,涉及广告、营销、渠道、宏观经济。

随着新能源的发展,我们也包括了整个新能源的产业链,因为新能源的产业链跟传统的产业链已经不太一样了,它包括三电,包括其它的三电充电桩等等,这些都是新的产业链。同时汽车的产业链是很长的,也包括了后市场,后市场的配件、后市场的服务、金融等等。我们可以看到,其实现在在汽车行业当中,虽然它还是很依赖于4S店去销售,但是我们发现网站的作用非常非常大。以前可能30%的车主去到一个4S店,他知道要拿什么东西,但是现在反过来,7、80%的车主在去到4S店之前已经做好了决策,这个是因为什么呢?是因为互联网数据或者随时网站带给他们的价值,他们在互联网上已经可以找到足够的信息帮助他们做决策。

当然我们还有来自消费者的一些反馈数据,刚才提到的CRM管理,其实CRM更多的是说对于现有的所有车主,我们要去做好他的生命价值管理,所以这也是我们的一个数据。刚才有一位演讲嘉宾也谈到,其实这些数据是很头痛的一件事情,你怎么把它清理干净以及把它进行打通。所以我们公司在2009年开始,已经很注重数据的清理和打通的工作。现在我们打通的颗粒度可以细到每一个品牌、每一个车型、每一个型号进行打通,也就是说你可以看到每一个型号里销量的数据、市场的价格数据、以及产品和整个生命周期的发展、以及配置水平等等都包括在里面。

简单举一个例子——价格,价格数据已经很复杂,它不是仅仅看到汽车厂商提供什么样的价格,汽车厂商提供的价格还包括了交易的价格、网络的报价、提供金融服务的报价、提供水平业务的报价,所以整个报价体系是非常复杂的。包括配置水平也是这样,每一个车有很多不同的配置。而且企业为了争夺更多的市场份额,汽车配置也是在不停的改变,所以这些都需要有一个完整的监测体系。

我们刚才提到,首先我们需要有一个强大的数据收集渠道。刚刚有在座朋友问到我,你的数据从哪来?其实我们的数据,第一我们有官方的数据,例如每台车上市的时候都会公布车型的配置水平,我们要持续跟踪官方的数据。第二我们看到有一些我们跟第三方合作的数据,比如我跟互联网公司的合作或者跟政府机构合作有一些数据。第三是我们自己要去采集的数据,比如说我们做价格的监测、做消费者的调研等等,我们要把所有的数据进行系统化的收集。

第二部分是数据的管理体系,包括从采集,清理等等,它都是一个很庞大的工程。只有数据互联,刚才我们谈到,我们的颗粒度要做到每一个车型的打通,现在难度是非常之高。还有是BR的重建,我们用了这么庞大的数据,其实我们只是为了服务汽车行业OEM厂家以及相关的产业,例如像金融机构或者是科研机构等等,这些都是我们的客户,但是我们80%的客户都是来自于OEM的,我们也是服务8、90%的OEM企业。所以我们在这边也要谈到,怎么样能够把我们的数据呈现给客户,能够更好的应用到我们的数据呢。5年前我们的IP实践,其实就大家所理解的,对于一个数据库的BR的重建,这是目前我们5年前的实践。

具体我们可以看一下,这边有一个video,可以看一下我们大概是什么样的内容。举个例子来说,这是我们的销量数据,我们可以看到跟踪每个月份销量的变化,以及每个区域的销量情况是怎么样的,包括消费者的选择,他可以选择不同的厂家、不同的区域的变化情况和对比的情况是怎样的。对于产品来说,我们可以看到,刚才我们提到我们会积累所有的配置库的水平,所有的车型一上市的时候或者改款的时候,你都可以看到它的配置变化,以及我们在选择不同的车型的时候可以进行一个对比,相对来说两台车优势和劣势的配置分别在哪些领域当中。我们还可以看到,这些配置对于消费者来说他的感知价值是多少钱,以及当我们两个不同的品牌对比的时候,我们可以看到这台车的性价比水平,从它的配置总值以及加上价格,我们就可以计算它的性价比水平。

同时我们可以去根据这台车的配置水平以及消费者的配置感知价值,我们建议做一些配置上的调整,具体可以看到每一个调整的状况会是怎么样的。同时因为我们有了一个跟踪,我们可以知道每一个配置水平在不同级别的车型当中,他的装配率和装车率的情况有些什么样的变化。这个可以帮助我们的企业知道,他在下一次要不要把这个配置装上去。这个在我们原来的平台当中能够提供的,也就是说我们通过一个BI也有一些基本的算法,把这些数据进行一个重现,来帮助我们的客户无论是在销售、产品规划、消费者管理、以及其它的渠道管理方面提供这样的信息。

但是我们发现,其实这是不够的,所以我们在2017年的时候已经做了一些改变。现在我们公司成为了一个信息科技的服务商,这个改变主要是什么?我们可以看到源于几个考虑,第一是企业内部全面IT化的提升,以前我们在服务的时候可能只是服务一个部门,例如像marketing inside或者其它的部门,但是我们会发现,越来越多的客户会觉得这个IT的应用或者数据的应用不仅仅是一个部门,以前是这个部门服务他的内部客户,但是现在要求我们的IT系统每一个部门都要用到数据进行决策。基于这样的情况下,我相信在座的各位,你们无论在OEM的厂商或者是IT服务商,也能够感觉到客户这种迫切的需要。

第二个部分,我们刚才提到,其实多部门的协同一致决策高效率也是一个很迫切的需求。举个例子来说,我们可以看到,如果现在在一个车型的定价的时候,它会涉及到几个部门,第一是财务部、第二是市场产品规划、第三是产品生产规划以及销售部门,它是多个部门来决定一个车的定价水平的。所以我们现在需要有一个系统,把在定价的过程当中所需要的信息以及企业的决策逻辑,我们会放到这个系统当中来帮助客户进行定价。

也就是说,我们每个部门我们都会用到这个系统,而不只是一个部门在使用。刚刚我们提到,我们有很庞大的数据,我们有几十亿的数据点在里面。但是我们可以看到,如果是零零散散分布在里面的,可能只能是一个人或者一个部门会知道他的数据在哪里,其他部门要应用其实是很难的。所以我们现在的改变也是从data改变成场景决策,场景决策举个例子来说,像营销部分,车型的销量制定和目标的管理是其中的一个场景。

这个场景取决于什么因素呢?取决于这个市场的发展、市场容量的变化以及你的投入、包括你期望的所占有的市场份额是多大等等,很多因素在影响着决策,所以我们要把相关的信息、决策思路以及算法要放到这个场景当中。还有包括产品的年度改款,其实是很经常发生的事情,那么年度改款最主要的核心要改的是配置水平的改变。所以我们等下会以这个案例来说明一下,我们是怎么样去实现是这些事情的。

另外还有一点,除了我们有这样的一个系统以外,我们的企业也追求这种产品,就是信息的透明化以及可分享。所以我们除了在做PC端以外,还做移动端的应用,因为很多管理层也是移动的工作方式,所以我们也是要有这样的一种应用,不仅是在PC端的应用,还有在移动端的应用。所以我们现在基于这样的一些企业,其实也是企业的IT要求在驱动着我们的一些改变。所以现在威尔森的IT实践上,我们提出了了ISolution的概念,其实它是一个DSS系统。

在这种情况下,它跟我们的MIS不一样的地方在哪里呢?第一,我们同样的数据要求会更高,以前数据的呈现只是中间的一个环节,但其实现在数据的呈现是最后的结果,所以对数据的要求是非常之高的。第二,我们要读懂客户,我们客户的想法是怎么样的,他的决策思路是怎么样的。在决策的过程当中,他需要用到什么样的信息以及算法逻辑是怎么样的,我们要在里面要做很深入的理解。第三,我们有一个很精准的算法,其实这里面我们要注意到,现在很流行说AI、机器学习等,这是可以帮助我们去提升我们的算法精度的。

但是我们现在所有做的marketing 的算法当中,如果没有一个基础的数据建模,比如说阿尔法狗,它为什么能够战胜人类,因为我们有一个规则给它,而且大量的数据供它去学习。但是其实在现实的生活和工作当中,作为marketing 的数据是很有限的,而且我们是没有一个很清楚的规则的,这个规则我们还没有真正的摸索出来。举个例子来说,谁能告诉我这个广告投入就能带来多少产出,这是没有的。所以我们需要用更好的数据建模,我们先把模型建好,然后再通过机器的算法来提高我们的精度。所以这个团队不能够脱离原来的数据建模的基础。

最后我们要有一个互动的IT系统,因为现在的IT技术能够让我们更好的提供互动的带有预测性的和带有模拟的工具,给我们客户做出决策的支持。所以说,我们不是帮助客户决策,我们只是提供一个系统,让客户能够更加灵活的进行模拟预测,然后自己做出决策的方案。

我们再举个例子,你们刚才看我们的BRI的系统当中,我们已经有充分的数据,我们有配置的水平、配置的装配率、消费者的感知价值等等数据都零零散散的摆在那边。如果我们的客户进行后续使用,不是不可以用,他们要从系统里面倒出所有的数据,再填到excel表格进行计算,计算完之后再进行计算,用这种方法。现在我们这个系统和别的系统不一样的地方在哪里,我们已经知道客户的逻辑是什么。

所以说,第一步我们先做一个分析诊断,本车型和精品车型是保持对标的车型。我们会看到,在这里面对标的过程中,你有没有发现哪些价格、销量是需要去提升的,以及有没有哪些空白的市场、空白的价格要进入的,其实这里面就取决于价和量的关系分析。

有了这个之后,我们选好以后,我们再进入到第二部分,就是配置优化的策略。我们会从几个角度,第一个是竞争的角度,到底竞争对手有哪些配置我们是没有的,是不是会影响到我们产品竞争力。第二个是用户的视角,举个例子来说,有没有消费者很关注的配置我们是没有的,以及消费者认为这个配置重不重要,他愿不愿意花钱去支付购买这样的配置或装有这样的配制,能不能带给他配置购买兴趣的提升。第三个是从行业的角度,有一些配制是有一个趋势的或者是一些新车技术的热点,我们要把它考虑在里面。

所以通过对比,通过市场趋势、竞标的对比、消费者的需求,我们会提出一个建议,怎么来进行优化。到了这里面,当我们选好了以后,我们还要做一个计算。做完以后,我们调整好以后,我们要计算整个PVA值,PVA是一个性价比的概念。也就是说,我这样调整完之后,我的性价比是不是合理的,过高过低的性价比都是不行的。因为如果你的性价比过高会影响到你的整个品牌力,你的性价比过低会影响你的销量。所以这里面有逻辑要去计算,怎么样的一个PVA值才是一个最优的定位,以及我基于这样的PVA值、基于它的价格,我们预测我们的销量是多少。

这是一个企业里面,我们可以看到每一台车型或者年度改款的时候必须经历的过程。我们一起来看一个视频,这就是我们iSolution的一个展现,就是关于车型年度改款的。首先我们会选择这台车型,我们知道这个产品的生命周期以及我们要选择的对标车型。看产品生命周期的变化,是不是有很大的压力,我们要改变,还是说我们还有时间可以缓冲改变的过程。

接着我们要分析我们在哪些价格段里面现在是有空缺的,或者是哪些价格段我们是一个机会市场、必争市场,我们再进行优化。我们选定了一个必争市场以后,我们看对标一个最核心的车型或者跟竞争最接近的车型,我们看配置水平的差异是什么样。通过市场消费者的需求以及竞争的环境,我们进行价格调整,这里我们可以看到大概是这样的一个过程,最后我们要计算整个车型PVA值。

所以总的来说,我们会把整个系统应该要的信息、应该有的算法、客户的逻辑全部都嵌到这个系统里面来进行计算,这样我们的效率就会提高很多,我们的精度就会提高很多,就会减少很多人为的影响而导致的计算错误,或者是很繁琐的工作而去完成这样的一件事情,使得我们后方的同事能够花更多的精力进行模拟,选择一个最优的解决方案。所以为了实现我们的策略,我们在做智能化的发展过程当中,我们的策略是什么呢?我们会提供一个信息管理和决策支持系统。

首先第一部分我们还是会保留这部分,这个是作为一个信息系统,它是一个查询的功能,也就是说你希望查到一个什么信息,提供一个完整的图片。

第二部分我们刚才谈到的不同场景会很多很多,从营销的角度、销售管理的角度、渠道管理、产品规划、金融服务等等有很多的场景,我们在慢慢的一步一步的设计过程当中,所以这个是能够给客户做预测、模拟和互动的信息系统。

最后一层我们会给每个企业的高层提供一个支持系统,因为每个企业的负责人也要尽快的获取到市场的信息或者让他能够决策的信息。我们会根据每个OEM管理层的需要来进行调整。也就是说,从我们的底层数据当中去抽取或者是去提炼他需要的信息。所以我们可以看到,如果我们没有这部分我们就做不到iSolution,如果我们没有iSolution我们就做不到ESS,所以这是一个循序渐进的发展过程。

我今天想给大家分享的基本上就是这些内容,就是分享了一下威尔森在过去的几年是怎么借助IT技术的发展,怎么去为OEM提供决策更加高效、更加精准的solution。谢谢各位!

关键字:智能化数据决策

原创文章 企业网D1Net

x 数据如何驱动智能化决策 扫一扫
分享本文到朋友圈
当前位置:CIO新闻中心 → 正文

数据如何驱动智能化决策

责任编辑:cdeng |来源:企业网D1Net  2018-07-20 14:14:53 原创文章 企业网D1Net

数据已成为当今制造业持续运营的关键性因素,通过对过去以及现在的数据分析能够精确的预测未来,数据正从汽车中分离出来,7月14日,专注汽车行业数据分析的广州威尔森信息科技有限公司首席产品创新营销官赖敏茹女士就在由企业网D1Net主办的2018汽车行业CIO论坛为现场带来了《数据如何驱动智能化决策》的精彩演讲。

以下是演讲实录:

【广州威尔森信息科技有限公司首席产品创新营销官 赖敏茹】

赖敏茹:非常感谢主办方的邀请来参与今天的会议,今天是CIO的聚会,一天的会议下来,让我觉得这个“I”实际上赋予了很多内涵。首先“I”其实很多时候给人感觉第一想象的是IT技术。第二我们要IT技术做什么呢?其实就是Information ,我们必须要很丰富的information。随着科技的发展、科技的进步以后,现在互联网也是一个很重要的部分,Internet of Things。

接下来我们还可以看到AI的技术,所以我们可以看到整个“I”,这个CIO有一点混淆,这里面包括了一些什么,里面既有CTO、也有CIO的概念。总的来说,其实这些都是希望我们用新的科技,让我们的生活更加便利,我们做的工作更加快速、更加高效和更加精准。其实在我的title 当中CMIO,这个“I”其实是没有包含我刚才谈到的“I”的信息的,我这个“I”更多的是市场信息的概念。

其实在我的这个团队背后有三个组成部分,第一个是Information ,威尔森公司广泛的收集了全面的关于汽车行业的相关数据,所以我们有一个Information 的概念在里面。第二个组成部分是一个算法的团队,这个包括了建模算法和AI的算法团队。第三部分我们要实现让Information 真正的被企业应用到,我们也有一个IT的团队。所以我这个“I”的后面包括了三个“I”:Information 、AI计算以及我们的IT Solution。

这家公司是在2009年成立的,在2009年成立的时候这家公司的定位更多是市场数据的供应商。在那个时候我们更注重的是Information这个环节,包括我们可以看到打通了82类汽车行业的数据,成为这个行业里面能够提供最完整的客观营销数据的体系。这些数据的打通让我们可以看到包括销量的数据、价格的数据、终端检测以及产品数据,涉及广告、营销、渠道、宏观经济。

随着新能源的发展,我们也包括了整个新能源的产业链,因为新能源的产业链跟传统的产业链已经不太一样了,它包括三电,包括其它的三电充电桩等等,这些都是新的产业链。同时汽车的产业链是很长的,也包括了后市场,后市场的配件、后市场的服务、金融等等。我们可以看到,其实现在在汽车行业当中,虽然它还是很依赖于4S店去销售,但是我们发现网站的作用非常非常大。以前可能30%的车主去到一个4S店,他知道要拿什么东西,但是现在反过来,7、80%的车主在去到4S店之前已经做好了决策,这个是因为什么呢?是因为互联网数据或者随时网站带给他们的价值,他们在互联网上已经可以找到足够的信息帮助他们做决策。

当然我们还有来自消费者的一些反馈数据,刚才提到的CRM管理,其实CRM更多的是说对于现有的所有车主,我们要去做好他的生命价值管理,所以这也是我们的一个数据。刚才有一位演讲嘉宾也谈到,其实这些数据是很头痛的一件事情,你怎么把它清理干净以及把它进行打通。所以我们公司在2009年开始,已经很注重数据的清理和打通的工作。现在我们打通的颗粒度可以细到每一个品牌、每一个车型、每一个型号进行打通,也就是说你可以看到每一个型号里销量的数据、市场的价格数据、以及产品和整个生命周期的发展、以及配置水平等等都包括在里面。

简单举一个例子——价格,价格数据已经很复杂,它不是仅仅看到汽车厂商提供什么样的价格,汽车厂商提供的价格还包括了交易的价格、网络的报价、提供金融服务的报价、提供水平业务的报价,所以整个报价体系是非常复杂的。包括配置水平也是这样,每一个车有很多不同的配置。而且企业为了争夺更多的市场份额,汽车配置也是在不停的改变,所以这些都需要有一个完整的监测体系。

我们刚才提到,首先我们需要有一个强大的数据收集渠道。刚刚有在座朋友问到我,你的数据从哪来?其实我们的数据,第一我们有官方的数据,例如每台车上市的时候都会公布车型的配置水平,我们要持续跟踪官方的数据。第二我们看到有一些我们跟第三方合作的数据,比如我跟互联网公司的合作或者跟政府机构合作有一些数据。第三是我们自己要去采集的数据,比如说我们做价格的监测、做消费者的调研等等,我们要把所有的数据进行系统化的收集。

第二部分是数据的管理体系,包括从采集,清理等等,它都是一个很庞大的工程。只有数据互联,刚才我们谈到,我们的颗粒度要做到每一个车型的打通,现在难度是非常之高。还有是BR的重建,我们用了这么庞大的数据,其实我们只是为了服务汽车行业OEM厂家以及相关的产业,例如像金融机构或者是科研机构等等,这些都是我们的客户,但是我们80%的客户都是来自于OEM的,我们也是服务8、90%的OEM企业。所以我们在这边也要谈到,怎么样能够把我们的数据呈现给客户,能够更好的应用到我们的数据呢。5年前我们的IP实践,其实就大家所理解的,对于一个数据库的BR的重建,这是目前我们5年前的实践。

具体我们可以看一下,这边有一个video,可以看一下我们大概是什么样的内容。举个例子来说,这是我们的销量数据,我们可以看到跟踪每个月份销量的变化,以及每个区域的销量情况是怎么样的,包括消费者的选择,他可以选择不同的厂家、不同的区域的变化情况和对比的情况是怎样的。对于产品来说,我们可以看到,刚才我们提到我们会积累所有的配置库的水平,所有的车型一上市的时候或者改款的时候,你都可以看到它的配置变化,以及我们在选择不同的车型的时候可以进行一个对比,相对来说两台车优势和劣势的配置分别在哪些领域当中。我们还可以看到,这些配置对于消费者来说他的感知价值是多少钱,以及当我们两个不同的品牌对比的时候,我们可以看到这台车的性价比水平,从它的配置总值以及加上价格,我们就可以计算它的性价比水平。

同时我们可以去根据这台车的配置水平以及消费者的配置感知价值,我们建议做一些配置上的调整,具体可以看到每一个调整的状况会是怎么样的。同时因为我们有了一个跟踪,我们可以知道每一个配置水平在不同级别的车型当中,他的装配率和装车率的情况有些什么样的变化。这个可以帮助我们的企业知道,他在下一次要不要把这个配置装上去。这个在我们原来的平台当中能够提供的,也就是说我们通过一个BI也有一些基本的算法,把这些数据进行一个重现,来帮助我们的客户无论是在销售、产品规划、消费者管理、以及其它的渠道管理方面提供这样的信息。

但是我们发现,其实这是不够的,所以我们在2017年的时候已经做了一些改变。现在我们公司成为了一个信息科技的服务商,这个改变主要是什么?我们可以看到源于几个考虑,第一是企业内部全面IT化的提升,以前我们在服务的时候可能只是服务一个部门,例如像marketing inside或者其它的部门,但是我们会发现,越来越多的客户会觉得这个IT的应用或者数据的应用不仅仅是一个部门,以前是这个部门服务他的内部客户,但是现在要求我们的IT系统每一个部门都要用到数据进行决策。基于这样的情况下,我相信在座的各位,你们无论在OEM的厂商或者是IT服务商,也能够感觉到客户这种迫切的需要。

第二个部分,我们刚才提到,其实多部门的协同一致决策高效率也是一个很迫切的需求。举个例子来说,我们可以看到,如果现在在一个车型的定价的时候,它会涉及到几个部门,第一是财务部、第二是市场产品规划、第三是产品生产规划以及销售部门,它是多个部门来决定一个车的定价水平的。所以我们现在需要有一个系统,把在定价的过程当中所需要的信息以及企业的决策逻辑,我们会放到这个系统当中来帮助客户进行定价。

也就是说,我们每个部门我们都会用到这个系统,而不只是一个部门在使用。刚刚我们提到,我们有很庞大的数据,我们有几十亿的数据点在里面。但是我们可以看到,如果是零零散散分布在里面的,可能只能是一个人或者一个部门会知道他的数据在哪里,其他部门要应用其实是很难的。所以我们现在的改变也是从data改变成场景决策,场景决策举个例子来说,像营销部分,车型的销量制定和目标的管理是其中的一个场景。

这个场景取决于什么因素呢?取决于这个市场的发展、市场容量的变化以及你的投入、包括你期望的所占有的市场份额是多大等等,很多因素在影响着决策,所以我们要把相关的信息、决策思路以及算法要放到这个场景当中。还有包括产品的年度改款,其实是很经常发生的事情,那么年度改款最主要的核心要改的是配置水平的改变。所以我们等下会以这个案例来说明一下,我们是怎么样去实现是这些事情的。

另外还有一点,除了我们有这样的一个系统以外,我们的企业也追求这种产品,就是信息的透明化以及可分享。所以我们除了在做PC端以外,还做移动端的应用,因为很多管理层也是移动的工作方式,所以我们也是要有这样的一种应用,不仅是在PC端的应用,还有在移动端的应用。所以我们现在基于这样的一些企业,其实也是企业的IT要求在驱动着我们的一些改变。所以现在威尔森的IT实践上,我们提出了了ISolution的概念,其实它是一个DSS系统。

在这种情况下,它跟我们的MIS不一样的地方在哪里呢?第一,我们同样的数据要求会更高,以前数据的呈现只是中间的一个环节,但其实现在数据的呈现是最后的结果,所以对数据的要求是非常之高的。第二,我们要读懂客户,我们客户的想法是怎么样的,他的决策思路是怎么样的。在决策的过程当中,他需要用到什么样的信息以及算法逻辑是怎么样的,我们要在里面要做很深入的理解。第三,我们有一个很精准的算法,其实这里面我们要注意到,现在很流行说AI、机器学习等,这是可以帮助我们去提升我们的算法精度的。

但是我们现在所有做的marketing 的算法当中,如果没有一个基础的数据建模,比如说阿尔法狗,它为什么能够战胜人类,因为我们有一个规则给它,而且大量的数据供它去学习。但是其实在现实的生活和工作当中,作为marketing 的数据是很有限的,而且我们是没有一个很清楚的规则的,这个规则我们还没有真正的摸索出来。举个例子来说,谁能告诉我这个广告投入就能带来多少产出,这是没有的。所以我们需要用更好的数据建模,我们先把模型建好,然后再通过机器的算法来提高我们的精度。所以这个团队不能够脱离原来的数据建模的基础。

最后我们要有一个互动的IT系统,因为现在的IT技术能够让我们更好的提供互动的带有预测性的和带有模拟的工具,给我们客户做出决策的支持。所以说,我们不是帮助客户决策,我们只是提供一个系统,让客户能够更加灵活的进行模拟预测,然后自己做出决策的方案。

我们再举个例子,你们刚才看我们的BRI的系统当中,我们已经有充分的数据,我们有配置的水平、配置的装配率、消费者的感知价值等等数据都零零散散的摆在那边。如果我们的客户进行后续使用,不是不可以用,他们要从系统里面倒出所有的数据,再填到excel表格进行计算,计算完之后再进行计算,用这种方法。现在我们这个系统和别的系统不一样的地方在哪里,我们已经知道客户的逻辑是什么。

所以说,第一步我们先做一个分析诊断,本车型和精品车型是保持对标的车型。我们会看到,在这里面对标的过程中,你有没有发现哪些价格、销量是需要去提升的,以及有没有哪些空白的市场、空白的价格要进入的,其实这里面就取决于价和量的关系分析。

有了这个之后,我们选好以后,我们再进入到第二部分,就是配置优化的策略。我们会从几个角度,第一个是竞争的角度,到底竞争对手有哪些配置我们是没有的,是不是会影响到我们产品竞争力。第二个是用户的视角,举个例子来说,有没有消费者很关注的配置我们是没有的,以及消费者认为这个配置重不重要,他愿不愿意花钱去支付购买这样的配置或装有这样的配制,能不能带给他配置购买兴趣的提升。第三个是从行业的角度,有一些配制是有一个趋势的或者是一些新车技术的热点,我们要把它考虑在里面。

所以通过对比,通过市场趋势、竞标的对比、消费者的需求,我们会提出一个建议,怎么来进行优化。到了这里面,当我们选好了以后,我们还要做一个计算。做完以后,我们调整好以后,我们要计算整个PVA值,PVA是一个性价比的概念。也就是说,我这样调整完之后,我的性价比是不是合理的,过高过低的性价比都是不行的。因为如果你的性价比过高会影响到你的整个品牌力,你的性价比过低会影响你的销量。所以这里面有逻辑要去计算,怎么样的一个PVA值才是一个最优的定位,以及我基于这样的PVA值、基于它的价格,我们预测我们的销量是多少。

这是一个企业里面,我们可以看到每一台车型或者年度改款的时候必须经历的过程。我们一起来看一个视频,这就是我们iSolution的一个展现,就是关于车型年度改款的。首先我们会选择这台车型,我们知道这个产品的生命周期以及我们要选择的对标车型。看产品生命周期的变化,是不是有很大的压力,我们要改变,还是说我们还有时间可以缓冲改变的过程。

接着我们要分析我们在哪些价格段里面现在是有空缺的,或者是哪些价格段我们是一个机会市场、必争市场,我们再进行优化。我们选定了一个必争市场以后,我们看对标一个最核心的车型或者跟竞争最接近的车型,我们看配置水平的差异是什么样。通过市场消费者的需求以及竞争的环境,我们进行价格调整,这里我们可以看到大概是这样的一个过程,最后我们要计算整个车型PVA值。

所以总的来说,我们会把整个系统应该要的信息、应该有的算法、客户的逻辑全部都嵌到这个系统里面来进行计算,这样我们的效率就会提高很多,我们的精度就会提高很多,就会减少很多人为的影响而导致的计算错误,或者是很繁琐的工作而去完成这样的一件事情,使得我们后方的同事能够花更多的精力进行模拟,选择一个最优的解决方案。所以为了实现我们的策略,我们在做智能化的发展过程当中,我们的策略是什么呢?我们会提供一个信息管理和决策支持系统。

首先第一部分我们还是会保留这部分,这个是作为一个信息系统,它是一个查询的功能,也就是说你希望查到一个什么信息,提供一个完整的图片。

第二部分我们刚才谈到的不同场景会很多很多,从营销的角度、销售管理的角度、渠道管理、产品规划、金融服务等等有很多的场景,我们在慢慢的一步一步的设计过程当中,所以这个是能够给客户做预测、模拟和互动的信息系统。

最后一层我们会给每个企业的高层提供一个支持系统,因为每个企业的负责人也要尽快的获取到市场的信息或者让他能够决策的信息。我们会根据每个OEM管理层的需要来进行调整。也就是说,从我们的底层数据当中去抽取或者是去提炼他需要的信息。所以我们可以看到,如果我们没有这部分我们就做不到iSolution,如果我们没有iSolution我们就做不到ESS,所以这是一个循序渐进的发展过程。

我今天想给大家分享的基本上就是这些内容,就是分享了一下威尔森在过去的几年是怎么借助IT技术的发展,怎么去为OEM提供决策更加高效、更加精准的solution。谢谢各位!

关键字:智能化数据决策

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^