大数据分析在上汽通用的应用
上汽集团“新四化”深度促进与融合 创新引领未来汽车生活
82 ■2017.052016年经营业绩再创新高总市值超过3000亿元作为中国汽车行业的领头羊，上汽集团2016年再度交出了一张靓丽的成绩单。
年报显示，去年上汽集团共实现营业总收入7564亿元，同比增长12.8%；实现归属于上市公司股东的净利润320亿元，同比增长7.43%，经营业绩再创新纪录。
全年上汽集团共销售汽车648.9万辆，位居国内六大汽车集团之首，占中国汽车市场份额高达22.6%。
一直以来，上汽集团都被投资者视为高股息率优质蓝筹标的，数据显示，自2013年以来，上汽集团每年的分红金额都超过百亿元，五年来累计分红总金额已经接近700亿元。
2016年公司再度推出高比例分红预案，拟分红总额193亿元，占净利润约六成，再创新高。
招商证券分析师指出，上汽集团的分红率已连续多年达到50%以上。
按照分红公告当日收盘价计算，公司近三年股息率分别达到7.25%、5.74%和6.50%，长期投资价值显著。
优秀的业绩与持续的高分红，令上汽集团受到投资者的青睐。
今年是上汽集团登陆A 股市场20周年，借力资本市场，这家位列世界500强的汽车企业已经插上腾飞的翅膀。
截至4月25日，上汽集团的总市值已超过3000亿元，成为A 股市场市值最大的汽车上市公司。
从2004年起，上汽集团先后12次入围《财富》杂志世界500强，2016年公司以上一年度1066.8亿美元的合并营业收入，排名第46位。
自主合资两翼齐飞保持国内领先布局海外拓展全球市场事实上，中国经济经历多年的高速发展，正处于增速换挡和结构调整期，在供给侧结构性改革持续发力的大背景下，汽车行业正在发生深刻变革，既面临着巨大挑战，也孕育着重要机遇。
面对复杂多变的市场行情，上汽集团始终坚持创新，经营业绩不断实现新跨越，自主品牌翻开新篇章，创新重点项目取得新突破，呈现出自主合资两翼齐飞、创新转型升级发展的新图景。
数据显示，2016年上汽集团自主品牌乘用车销量突破32万辆，同比增长89%，其中全球首款量产互联网 SUV 荣威 RX5上市5个月，销量超过9万辆；自主品牌轻型商用车上汽大通2016全年实现整车销售4.6万辆，同比增长 32%，上汽自主品牌销量增幅远高于行业平均水平。
上海通用汽车的降低和管理物流成本的经验
上海通用汽车的降低和管理物流成本的经验前两年还很少有人关注汽车物流，可现在它俨然成了汽车业的香饽饽，很多公司都希望通过降低物流成本来提高竞争力。
作为国内最大的中美合资汽车企业，上海通用是如何降低物流成本的？秘笈一：精益生产及时供货随着汽车市场竞争越来越激烈，很多汽车制造厂商采取了价格竞争的方式来应战。
在这个背景下，大家都不得不降低成本。
而要降低成本，很多厂家都从物流这个被视作“第三大利润”的源泉入手。
有资料显示，我国汽车工业企业，一般的物流成本起码占整个生产成本的20%以上，差的公司基本在30%到40%，而国际上物流做得比较好的公司，物流的成本都控制在15%以内。
上海通用在合资当初就决定，要用一种新的模式，建立一个在“精益生产”方式指导下的全新理念的工厂，而不想再重复建造一个中国式的汽车厂，也不想重复建造一个美国式的汽车厂。
精益生产的思想内涵很丰富，最重要的一条就是像丰田一样——即时供货(JIT，JustInTime)，即时供货的外延就是缩短交货期。
所以上海通用在成立初期，就在现代信息技术的平台支撑下，运用现代的物流观念做到交货期短、柔性化和敏捷化。
从这几年的生产实践来说，上海通用每年都有一个或以上新产品下线上市，这是敏捷化的一个反映。
而物流最根本的思想就是怎样缩短供货周期来达到低成本、高效率。
这个交货周期包括从原材料到零部件，再从零部件到整车，每一段都有一个交货期，这是敏捷化至关重要的一个方面。
秘笈二：循环取货驱除库存“魔鬼”上海通用目前有四种车型，不包括其中一种刚刚上市的车型在内，另外三种车型零部件总量有5400多种。
上海通用在国内外还拥有180家供应商，拥有北美和巴西两大进口零部件基地。
那么，上海通用是怎么提高供应链效率、减少新产品的导入和上市时间并降低库存成本的呢？为了把库存这个“魔鬼”赶出自己的供应链，通用的部分零件例如有些是本地供应商所生产的，会根据生产的要求在指定的时间直接送到生产线上去生产。
大数据分析在汽车行业的应用案例
大数据分析在汽车行业的应用案例随着科技的不断进步，大数据分析在各行各业中发挥着重要作用。
在汽车行业，大数据分析也逐渐成为提升竞争力和发展创新的关键因素。
本文将介绍几个关于大数据分析在汽车行业应用的案例。
案例一：智能驾驶技术随着自动驾驶技术的发展，汽车制造商利用大数据分析为智能驾驶提供了强大的支持。
通过收集车辆传感器和相机数据，大数据分析可以实时监控车辆状态、道路状况以及周围环境。
基于这些数据，汽车可以做出更准确的决策，避免潜在的危险和事故。
案例二：用户行为分析大数据分析在汽车行业中被广泛应用于用户行为分析。
汽车制造商和销售商可以通过收集和分析顾客的购车偏好、用车习惯和行驶数据，了解用户需求并根据市场需求进行产品改进和市场定位。
此外，大数据分析还可以提供个性化的推荐和购车建议，从而提高用户满意度和购车体验。
案例三：供应链管理优化在汽车制造过程中，供应链管理是关键的一环。
大数据分析可以帮助汽车制造商优化供应链，提高生产效率和减少成本。
通过收集和分析供应链中的数据，制造商可以实时监测原材料的需求和供应情况，及时做出调整，避免库存积压和生产延误，从而提高整体供应链的效率和可靠性。
案例四：售后服务改进大数据分析对于汽车售后服务的改进也起到了重要作用。
通过收集和分析车辆的使用数据和维修记录，汽车制造商和售后服务提供商可以提前发现和解决潜在的故障问题。
此外，大数据分析还可以实时监测车辆的状况，提供个性化的保养建议和维修服务，从而提高用户的满意度和忠诚度。
结语大数据分析在汽车行业中有着广泛的应用，从智能驾驶技术到用户行为分析，再到供应链管理和售后服务改进，都展现了其巨大的潜力和优势。
随着技术的不断演进和数据的不断积累，大数据分析在汽车行业的应用将继续深入发展，并为行业创新和发展带来更多的机会和挑战。
传统汽车4s渠道和新势力渠道的研究和分析
AUTO AFTERMARKET | 汽车后市场1 引言随着汽车行业的快速发展和技术的不断革新，汽车销售和服务渠道也在不断变革。
传统汽车4S渠道长期以来一直是主流的销售和服务模式，但近年来，新势力渠道逐渐崭露头角，引起了人们的关注。
传统汽车4S渠道以其完善的销售网络、专业的售后服务和广泛的品牌影响力在市场上占据一席之地，而新势力渠道则以其高效的线上销售和直接面向消费者的特点迅速崛起。
2 传统汽车4S渠道分析2.1 传统汽车4S渠道的定义传统汽车4S渠道是指销售、售后服务、配件供应和信息反馈一体化的渠道模式，其名称来源于销售、售后服务、配件供应和信息反馈这四个英文单词的首字母。
2.2 传统汽车4S渠道的特点（1）销售网络广泛：传统汽车品牌通过建立自己的销售网点，覆盖城市和乡镇，以确保消费者能够方便地购买汽车。
（2）专业的售后服务：传统汽车4S店提供全面的售后服务，包括保养、维修、零部件更换等，以满足消费者的需求并提高品牌形象。
（3）品牌影响力强大：传统汽车品牌在市场上积累了长期的声誉和品牌影响力，消费者更倾向于购买知名品牌的汽车。
2.3 传统汽车4S渠道的运作机制传统汽车4S渠道的运作机制主要包括以下几个环节：（1）供应商关系：传统汽车品牌与供应商建立稳定的合作关系，确保零部件的供应和质量可靠。
（2）销售环节：传统汽车品牌通过4S店进行销售，销售员提供专业的咨询和服务，引导消费者选择适合他们需求的汽车型号。
（3）售后服务：传统汽车4S店提供售后服务，包括车辆保养、维修和零部件更换等，以确保消费者的满意度和忠诚度。
（4）信息反馈：传统汽车4S店通过与消费者的沟通和反馈，了解消费者对产品和服务的需求和意见，以不断改进和优化。
陈辉海上汽通用五菱汽车股份有限公司 广西柳州市 545007摘 要：本文通过研究和分析传统汽车4S渠道和新势力渠道，探讨了它们在汽车行业中的不同特点、发展趋势和竞争态势。
传统汽车4S渠道是以销售、售后服务、配件供应和信息反馈为核心的一体化渠道模式，而新势力渠道则更加注重线上销售和直接与消费者建立联系。
大数据在汽车行业的应用案例
大数据在汽车行业的应用案例大数据在汽车行业的应用案例：1. 驾驶行为分析：通过对车辆的大数据进行收集和分析，可以了解驾驶员的行为习惯，如加速、刹车、转向等。
这些数据可以用于评估驾驶员的安全性能，并为驾驶员提供个性化的驾驶建议。
2. 故障预测和维修优化：通过对车辆传感器和故障诊断系统产生的大数据进行分析，可以预测车辆的故障和维修需求。
这可以帮助汽车制造商和维修服务提供商优化维修计划，减少车辆故障对用户的影响。
3. 车辆安全监控：利用车辆传感器和摄像头等设备产生的数据，可以实时监控车辆的行驶状态，如车速、转向角度、车道偏离等。
这可以帮助驾驶员和车辆管理者及时发现潜在的安全问题，并采取相应的措施。
4. 交通拥堵预测和优化：通过分析车辆的实时位置数据和交通流量数据，可以预测道路的交通拥堵情况，并提供优化的交通导航方案。
这可以减少驾驶员的通勤时间和燃料消耗，提高交通效率。
5. 车辆定位和防盗：利用车辆的定位系统和数据分析技术，可以实时追踪车辆的位置，并在车辆被盗时提供警报和追踪功能。
这可以提高车辆的安全性，减少车辆的损失。
6. 车辆健康监测：通过对车辆传感器和车辆状态数据进行分析，可以监测车辆的健康状况，如发动机的工作状态、车身结构的损伤等。
这可以提前发现潜在的故障和问题，并采取相应的维修措施，减少车辆故障的发生。
7. 驾驶员行为评估：通过对驾驶员的驾驶行为数据进行分析，可以评估驾驶员的驾驶能力和安全性。
这可以用于驾驶员的培训和评估，提高驾驶员的安全意识和驾驶技能。
8. 智能驾驶：大数据在智能驾驶领域的应用非常广泛，包括自动驾驶、自适应巡航控制、车道保持辅助等。
通过对车辆传感器和其他车辆数据的实时分析，可以实现车辆的自主驾驶和智能交通系统的建设。
9. 电动车充电优化：通过分析电动车的充电需求和充电设备的使用情况，可以优化电动车充电站点的布局和充电策略，提高充电效率和用户满意度。
10. 车辆保险定价：通过对车辆的行驶数据和驾驶员的驾驶行为进行分析，可以为车辆保险公司提供更准确的定价策略。
大数据在汽车行业的应用案例
大数据在汽车行业的应用案例随着科技的不断进步和大数据技术的广泛应用，汽车行业也开始充分利用大数据分析来提升效率、改善用户体验，并推动行业的创新发展。
以下是几个大数据在汽车行业应用的案例。
一、智能驾驶和无人驾驶技术大数据在智能驾驶和无人驾驶技术方面发挥着关键作用。
通过收集车辆传感器和外部环境数据，车辆可以实时分析路况、交通状况和行车习惯等信息，从而做出相应的决策。
例如，谷歌通过收集全球范围内的汽车数据，帮助自动驾驶汽车学习和适应各种驾驶场景，提高安全性和驾驶效率。
二、预测性维护和故障预警大数据分析技术可以帮助汽车制造商和维修商进行预测性维护和故障预警。
通过监测和分析车辆传感器数据、车载系统数据和实时路况等信息，可以预测车辆部件的寿命和故障风险，并提前采取相应的维护措施。
例如，特斯拉使用大数据分析来监控电池寿命和车辆性能，提供更准确的维护建议和优化方案。
三、智能导航和交通优化利用大数据分析技术，汽车导航系统可以实时获取交通流量、道路条件和车辆位置等信息，为驾驶者提供最佳的路线规划和交通优化建议。
例如，百度地图通过分析海量用户数据，可以实时预测交通拥堵情况，并向驾驶者提供更快捷的路线选择，减少交通拥堵时间和燃料消耗。
四、车辆保险和风险评估大数据分析对车辆保险和风险评估也起到了重要作用。
通过分析车辆的驾驶行为、路况、车辆状况和历史事故数据等信息，保险公司可以更准确地评估每个驾驶者的风险水平，定制个性化的保险方案，并提供更合理的保费计算。
相比传统的统计分析方法，大数据分析可以提供更全面、精确的风险评估和保险定价。
五、个性化用户体验和智能服务大数据分析技术可以帮助汽车制造商和销售商了解用户习惯、兴趣和需求，从而提供更个性化的产品和服务。
通过分析用户的行为数据、社交媒体数据和购买记录等信息，汽车公司可以推荐最适合用户的汽车配置和功能，提供智能化的驾驶辅助和娱乐系统，并实现与其他智能设备的连接和互操作。
综上所述，大数据在汽车行业的应用案例丰富多样，从智能驾驶到用户体验，从维护保养到保险评估，大数据分析技术为汽车行业带来了巨大的变革和创新。
大数据在汽车行业的应用
大数据在汽车行业的应用引言随着科技的不断发展，大数据成为了各行各业的热门话题。
汽车行业也不例外，大数据的应用在汽车行业中变得越来越普遍。
本文将探讨大数据在汽车行业中的应用，以及它对汽车行业的影响。
汽车制造生产过程优化大数据分析可以帮助汽车制造商优化生产过程。
通过收集来自各个部门的数据，制造商可以分析这些数据以了解生产线上的延迟、工作效率等情况。
这些数据可以帮助制造商在生产过程中做出及时调整，从而提高生产效率和品质。
质量控制大数据还可以用于汽车制造的质量控制。
通过对生产过程中产生的大量数据进行分析，制造商可以实时监测产品的质量指标。
这样可以及时发现问题并采取措施解决，从而减少不合格品的产生，提高产品质量。
销售与营销市场分析大数据可以帮助汽车制造商进行更精准的市场分析。
通过对市场的大数据进行分析，制造商可以了解消费者的需求和偏好。
这些数据可以帮助制造商确定产品定位、开发新产品以及制定销售策略，从而更好地满足消费者的需求。
个性化推荐借助大数据分析，汽车制造商可以进行个性化推荐。
根据消费者的购买历史、兴趣和偏好等信息，制造商可以向他们推荐最适合的产品或服务。
这样可以提高销售转化率，增加销售额。
客户关系管理大数据还可以用于客户关系管理。
通过分析客户的购买历史、反馈意见等信息，制造商可以更好地了解客户，并提供更好的售后服务。
这样可以增强客户忠诚度，促进重复购买和口碑传播。
汽车运营与维护驾驶行为分析大数据可以用于分析驾驶行为。
通过安装车载传感器和收集车辆数据，可以对驾驶行为进行分析，如速度、加速度、刹车力度等。
这些数据可以帮助驾驶员改善驾驶行为，提高驾驶安全性，也可以帮助保险公司根据驾驶行为制定保险政策。
故障预测与维修大数据还可以用于故障预测和维修。
通过收集车辆传感器和故障诊断数据，可以分析车辆的健康状态，并预测故障发生的可能性。
这样可以提前做好维修准备，减少车辆故障对运营的影响，并降低维修成本。
路况优化大数据还可以用于路况优化。
智能制造在汽车行业的应用
智能制造在汽车行业的应用摘要：现如今，我国的汽车行业发展越来越迅猛，汽车工业既属于一个劳动密集型的产业，也属于一个技术密集型的产业。
不论是在汽车研发还是在生产制造过程中，都有着较高的准确度与质量需求，面对现阶段的具体市场需求，为更好的满足不同品种与高质量、大规模的汽车制造生产需求，相关制造商越来越重视智能制造技术在汽车行业中的应用，并针对汽车制造领域内的相关工艺、汽车生产数据收集情况、汽车生产设备互联情况、汽车厂智能物流等进行了详细的分析与研究。
为此，本文结合这些汽车智能制造的具体发展内容，提出了将MES 系统当做核心、设置汽车生产全过程数字信息化、使用数据提升决策能力这几点智能制造在汽车行业当中的具体应用策略，希望能够借此进一步推动我国汽车行业的现代化发展。
关键词：智能制造；汽车行业；具体发展内容；具体策略；决策能力现阶段，我国作为世界范围内一个最大的汽车市场，正在加紧提升汽车制造行业的发展水平。
推进汽车制造业的高质量发展更是成为了现代化汽车工业发展的关键任务目标，而智能制造则属于完成我国汽车工业高水平与高速度发展的一个关键途径，智能设备在当前的智能制造当中占据着重要的地位与部分，智能制造设备通常可分为全自动的生产线、智能化仪器、数控机床、智能控制系统以及工业机器人等等。
我国在汽车工业发展过程中，有着极大的智能制造设备市场需求，但是相对来说依旧缺少独立的、高水平的核心技术，产品性能相对较差，对于关键设备的依赖性过大。
一、汽车智能制造的具体发展内容分析二、（一）汽车制造工艺分析与优化汽车企业在新的工厂计划建立之前，首先需要进行整体的企业定位，比如生产哪种产品、采取何种生产模式、选择哪个生产类型、具体的核心流程以及生产程序等。
需要分析并优化流程，比如组装、包装、检查等。
企业针对智能设备、智能生产线、全新材料与工艺在应用过程中产生的制造流程等具体优化程序开展全方位分析。
而后通过应用全新的材料、设备与工艺、设计智能化生产线与制造流程等，优化现有的汽车制造工艺。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上汽通用汽车信息系统部•上海通用汽车凭借覆盖整个业务链的、高效先进的IT业务解决方案力拔头筹，连续多年蝉联中国信息化500强之首。
•上海通用汽车还获得最佳企业信息化效益奖、最佳信息化战略奖和优秀信息化建设团队奖，年度企业信息化CIO大奖，体现了上海通用汽车中国企业信息化标杆企业的实力。
个人背景郑婕十五年数据管理及挖掘分析经验•2002~2006 银行数据仓库及挖掘•2007~Now 上汽通用信息系统部企业数据经理带领IT数据管理及高级分析团队，负责打造大数据分析挖掘平台，服务于公司各大业务部门以及上万经销商用户，支持公司数据化运营战略，提升企业大数据洞察。
目录CONTENTS 01020304SGM大数据分析应用蓝图质量智能分析整车及售后配件销量预测客户画像目录CONTENTS 01020304SGM大数据分析应用蓝图质量智能分析整车及售后配件销量预测客户画像SGM 大数据应用蓝图设计生产供应链质量市场销售售后车联网设计质量分析试验车分析•生产零配件库存优化•供应商物流报警问题分析•整车销量预测•Super ID&消费者分析•经销商零配件预测与库存优化•维修站问题解决知识库•整车生产与排产优化•能源管理与优化•索赔质量分析•出保质量分析•三包预警分析•质量投诉预警•市场营销运作分析•舆情分析•驾驶行为模式探索•辅助驾驶探索目录CONTENTS 01020304SGM大数据分析应用蓝图质量智能分析整车及售后配件销量预测客户画像案例概述挑战:•随着SGM车型平台不断增多和年产量不断扩大，现有的索赔分析系统已经不能满足业务部门的需求，质量问题发现时间晚，解决周期长，索赔成本高解决方案：•SAS保修解决方案，采用行业最佳实践，多种分析手段，多角度分析问题，加快问题解决速度获益:•IPTV (千辆车保修率）显著降低•单车保修成本降低34%•系统上线第一年节省超过2千万人民币保修数据仓库是数据金矿保修索赔数据集市每周接近70万条索赔记录了解产品使用状况的第一手资料反映汽车质量的重要数据金矿DMS 索赔数据高级分析文本分析凸显问题分析仪表盘报告库日常报告和分析SAS 保修分析解决方案SAS 保修解决方案-仪表盘集中展现保修绩效高级分析文本分析凸显问题分析仪表盘报告库日常报告和分析Warranty Business Rules & ProcessesWarranty Information Store企业级保修分析KPIs 绩效指标展示SAS 保修解决方案-仪表盘企业报告和个人分析报告库，便于共享和提高工作效率高级分析文本分析Analysis凸显问题分析仪表盘报告库日常报告和分析Warranty Business Rules & Processes企业级保修分析Warranty Information Store Warranty Information StoreWarranty Information Store Warranty Information Store企业级报表，个人分析报表SAS 保修解决方案-突显问题分析高级分析文本分析Analysis突显问题分析仪表盘报告库日常报告和分析Warranty Business Rules & ProcessesWarranty Information Store企业级保修分析自动化分析计算的阀值SAS 保修解决方案-分析和报告强大的交互式质量分析工具，提高问题发现和根因分析效率高级分析文本分析Analysis潜在问题分析仪表盘报告库日常报告和分析Warranty Business Rules & ProcessesWarranty Information Store企业级保修分析12 类现成的针对保修数据的分析工具，横向纵向，高度可交互的分析平台SAS 保修解决方案-高级分析报告可以根据需要定制各类分析，拓展分析领域高级分析文本分析Analysis潜在问题分析仪表盘报告库日常报告和分析Warranty Business Rules & ProcessesWarranty Information Store 企业级保修分析先进的数据挖掘和文本挖掘▪可定制客户化模型、分析任务及报表▪索赔欺诈监测▪环境影响▪索赔相关性分析▪预测故障▪定义问题代码SAS 保修解决方案-效果质量问题识别和解决的时间周期大大缩短探查质量问题解决质量问题确认问题解决60 天60到90以上60 到90天以上总共需要240 天识别问题解决问题使用SWA之前探查质量问题解决质量问题确认问题解决30 天15 到45 天15 到45 天提前150天发现和确认索赔问题识别问题解决问题使用SWA之后成本降低：单车保修成本降低34%上线不到一年时间节省超过2千万人民币SGM 面临外部环境的改变客户反馈方式转变社交媒体大数据时代来临SGM 历史客户反馈质量问题总量情况公司越来越关注社交媒体数据的利用•2016年全球每日新增数据将是今天4倍•社交媒体的兴盛是大数据时代的主因•新浪微博注册用户破5亿每日新增微博过1亿•社交媒体+移动终端正在改变人们的生活方式斯坦福大学的一份调研报告显示：•59％的公司使用社交媒体进行客户研究•其中32％的企业通过监测社交媒体来检测他们的业务活动。
（仅有14％的企业使用社交媒体来衡量企业绩效）随着社交网络的急速发展，客户对整车质量的反馈途径从原先的经销商转换到互联网Level 1细化报告提升业务Level 2总结规律问题预警Level 3体现价值综合评估利用文本挖掘技术，提升业务部门业务水平。
Warranty 重点问题IPTV/CPV 细化分析报告建立多渠道信息共通平台，对重大问题进行预警平衡各渠道权重与优先级，完善现有质量问题评价体系各渠道每月Top 10质量问题展现各渠道质量问题演变规律探索各渠道对重大问题预警可能性完善质量评估体系KPI竞品横向比较Benchmark通过网络舆情进行质量问题评分和预警SGM质量智能分析平台成果质量问题识别和解决的时间周期大大缩短目录CONTENTS 01020304SGM大数据分析应用蓝图质量智能分析整车及售后配件销量预测客户画像整车需求计划和库存优化案例概述挑战:•整车需求预测难，难以准确制定销售目标•难以合理分配整车销售目标•难以平衡供应链库存•缺乏科学库存布局和驳运优化策略解决方案：•采用SAS DDPO 预测和优化解决方案，制定科学的需求预测，合理分配销售目标，优化驳运计划获益：•预测准确率提升5－10%•驳运计划更优化，减少码头积压•整车库存周转率提高解决方案架构需求预测库存优化布局驳运优化销售目标调整业务规则和流程业务数据（服务满足率，，其他限制条件）销售历史影响因素库存数据外部数据成本数据分类/层规则客户数据提前期SAS 预测和库存优化解决方案Information Store库存优化数据集市（数据管理和集成）历史运输数据整车预测与库存优化需求预测需求预测库存优化布局配车驳运销售目标调整业务规则和流程业务数据（服务满足率，，其他限制条件）销售历史影响因素库存数据外部数据成本数据分类/层规则客户数据提前期SAS 预测和库存优化解决方案Information Store 库存优化数据集市（数据管理和集成）历史运输数据•自动模型诊断和选择•既能批量处理也可人机交互•能对日历事件和离散事件建模•自动识别季节性，趋势性，随机性•分层级的预测和调和•强大的模型库销售目标调整分解需求预测库存优化布局配车驳运销售目标调整业务规则和流程业务数据（服务满足率，，其他限制条件）销售历史影响因素库存数据外部数据成本数据分类/层规则客户数据提前期SAS 预测和库存优化解决方案Information Store库存优化数据集市（数据管理和集成）历史运输数据•多层次交叉预测和调和•根据上层目标调节下层指标•自动优化分解销售指标总销量品牌销售大区城市经销商车系配置业务规则和流程销售历史影响因素库存数据外部数据成本数据分类/层规则客户数据提前期SAS 预测和库存优化解决方案InformationStore库存优化数据集市（数据管理和集成）历史运输数据•多层次优化库存结构（总仓，区域仓库，经销商仓库）•服务水平•库存成本•模拟优化计算•批售目标分解•资源匹配优化计算驳运优化需求预测库存优化布局配车驳运销售目标调整业务规则和流程销售历史影响因素库存数据外部数据成本数据分类/层规则客户数据提前期SAS 预测和库存优化解决方案Information Store库存优化数据集市（数据管理和集成）历史运输数据•按优化布局、销售预测、目标、当前库存、运能及其他约束条件，按运筹学方法确定：运什么，运多少，何时运，运输方式，目的地汽车售后市场的特点>6年车龄≤6年车龄20102012201527%29%35%•数量庞大的的SKU而零配件的生命周期要远远超过汽车的生命周期，一辆整车按6000个左右的零配件，一个新车型会带来2500-3000个新配件品种，大多数企业需要管理超过30000个SKU计划能力薄弱配件供给不稳定供应商和经销商协作不佳信息系统功能不健全供应链可视性差•无法预知且不稳定的库存需求受季节性、周期性和区域性的影响，外加自身预测能力的欠缺，在制定库存需求计划方面，大部分汽车行业依然在使用简单粗放的方法•整体供应和配送网络的复杂性零配件的供应和配送网络涉及到从经销商和OEM 厂商发出的订单需求，到实际的配件配送过程，其中涉及到众多主体和大量的信息交互数据预测分析，在2020年，中国的汽车保有量将超过美国在整车利润空间逐渐稀薄的大趋势下，售后业务的利润已成为越来越重要的收入来源Business Rules & ProcessesSAS 系统配件预测及计划数据集市业务数据（客户满意率，最小包装量，其他限制条件）订单完成情况历史历史事件数据销售历史库存及在途数据外部数据成本数据物流层次结构配件工程数据Lead Time配件需求預測分析報表配件计划优化采购建议配件分类分析售后配件需求预测平台目录CONTENTS 01020304SGM大数据分析应用蓝图质量智能分析整车及售后配件销量预测客户画像泛互联网化对营销体系的改变，以产品为中心转换为以客户为中心4P4C4EProduct ||产品Price ||价格Place ||渠道Promotion ||促销Consumer ||消费者Cost ||成本Convenience ||便利Communication ||沟通Experience ||体验Exchange ||价值互换Everyplace ||无处不在Evangelism||布道营销本质自古有之数字革命CRM 消费者中心互联网革命实时互联Product Experience PriceExchangePlace Everyplace PromotionEvangelism标准化整车&配件MSRP 经销商渠道个性化出行体验&服务&产品双向价值&差异化定价用户全触点场景化+情景化+感情化较为统一的广宣&促销方案服务网络扁平化，营销触点逐步在线,用数据描绘客户成为可能问答社区车主评论社交媒体质量投诉车价论坛指数促销电商报价官网APP经销商生活习惯问题投诉消费习惯维修次数车主俱乐部收入购买时间维修驾驶习惯地域金融服务职业活动区域政府信息信用评级个人属性外部内部社交平台企业级大数据平台外部数据合作平台SGM 数据分析平台新闻评论From ：《Doing Data Science 》Rachel Schutt & Cathy O’Neil“数据科学家如此火热，但事实上如此面面俱到的人才难以获取，组建一个具备多种技能的数据科学团队更为可行”作者：•美国新闻集团数据科学部高级副总裁•哥伦比亚统计系教授•曾在谷歌研究院工作多年，负责设计算法原型并通过建模理解用户行为炙手可热的数据科学家数据科学家做什么•学术界•学界的数据科学家首先是个科学家，接受了其他学科的训练，同大量数据打交道，不管这些数据的结构，规模，复杂度，他都能挖掘出数据背后的意义，从而解决现实世界的问题•工业界•理解数据•数据清洗•统计学•机器学习•程序开发数据处理•构建模型•设计算法•设计运作模型效果验证实验可视化，建模•数据 决策•以准确无误的语言、图形和各方交流•促进理解数据背后的意义沟通123SGM跨领域数据科学团队打造SGM数据科学团队每个人、每个角色都需要根据自己的知识体系缺陷去补充相应的知识，每个人都拥有自己独特的知识结构，数据分析团队是大家紧密合作，取长补短，以团队化的方式去解决数据问题Thank You。