汽车4S行业的信息化特点与BI建设挑战

汽车行业也是一个非常大的行业，上下游非常广，像主机厂，上游的零配件，下游的汽车流通，汽车流通之后的汽车后市场，整个链条比较长。今天主要讲的是汽车流通，汽车4S集团。一个汽车4S集团下面授权代理了不同主机厂的汽车品牌，小的集团十来家4S门店，大的集团上百家、几百家门店。那这个行业的信息化有什么样的特点呢？他的BI项目又面临什么样的挑战呢？下面我们来具体看一下。

一、汽车4S行业信息化特点

第一，业务成熟度高。这个行业的业务管理模式在过去十几年时间已经打磨得非常的细致了。他们业务的本质是零售+服务的双重行业属性，但更偏服务，服务行业的管理自然就会精细化一些。从前期的电话邀约、展厅的接待到后面的保养、回访等都有非常标准化的动作，到各种数据追踪的日报、周报、月报，这么多年累积下来，管理模式很成型。十几年时间成长了一大批职业经理人，业务咨询管理很熟练。

第二，信息化整体程度比较偏弱，专业人才缺失。不仅仅是IT基础信息化的建设，更是信息化专业人才的匮乏。笔者过去几年跑过差不多几十家4S集团，很难想到在两年之前大部分汽车4S集团的信息化投入可能就是财务总账，再加上各个品牌门店用的厂商的DMS经销商管理系统。也有一些集团上过ERP，但从销售、售后到水平的全流程也并没有打通。

为什么在信息化投入会这么少呢？因为在2016年之前，整体汽车行业的业务发展很不错、发展趋势也很好。4S集团没有什么太多的信息化投入，车也一样大卖，特别是代理了几个豪华车品牌，品牌门店的利润一年下来能到上千万、几千万，所以从投资人角度看信息化好像也不是那么重要 。当然也有一些非常有远见的4S集团，在很早的时候比如2010年到2015年期间就借助信息化的力量在市场上快速成长，精细化的业务管理加信息化的运营效率做得非常的成功。但站在整个行业的视角，大部分的集团在信息化的投入仍然不是非常大。

但现在又不一样了，整个汽车市场在发生变化，已经进入到红海市场了，市场趋于饱和。两级分化严重，高端、豪华车市场还可以，中端和中端以下生意不是很好做。并且别看汽车4S店是卖车的，实际上它的本质也是像我们一样都是买车的，买谁的车呢，主机厂的车，所以行内人经常说4S店最主要的功能是帮主机厂压库存。

所以现在新车销售基本上是不赚钱的，利润很薄，甚至出现价格倒挂，真正赚钱的部分都是在售后市场。但是一家新店开起来需要漫长的几年来积累售后客户资源，还有这么多库存，所以现在大家感觉到压力了。这个时候就逐步开始重视信息化的建设投入了，从财务到自建的ERP，到CRM、SCRM，到BI分析平台，要去做精细化管理、精细化运营，从精细化管理中要效率、要业绩、要利润。因为在目前的信息化时代、移动互联时代、自媒体时代，传统获客的方式发生了转变，客户获取信息的渠道也发生了改变。没有信息化的支撑，在未来的市场竞争条件下还是会非常被动的。

这个行业真正赚钱的部分在售后，售后要做精细化管理，客户资源运营又没有太多信息化的支撑，怎么办。再加上之前很多数据都是主机厂的DMS系统中，并且只有销售侧的数据，还不能打通，每家DMS系统都还一样，这些数据没有真正利用起来，人与车信息的价值还没有充分挖掘出来，没有被充分地激活。

所以，在目前这个阶段会发现，上游主机厂的信息化建设差不多完善了，信息化再向下游汽车4S集团传导了，这是这个行业一个大的趋势。 但又引发了另外的一个问题，专业人才的缺失，毕竟那么多年整个信息化是断层的，整个人才市场在过去很长的一段时间是断掉的，没有后备人才的培养。懂业务的人才很多，懂信息化的人才也不少，但是又懂汽车行业业务、又懂信息化的高端专业人才CIO这个层面是非常缺失的。所以，很多汽车4S集团的信息化在过去很长的一段时间也在不断地走弯路，踩坑。 当然，对于服务于汽车领域的IT供应商来说，又是一个很好的机会。可以通过专业的能力去服务到这些汽车4S集团，提供更领先、优势的技术业务解决方案去帮助这个行业更好地发展。

二、汽车4S行业 BI 项目特点与挑战

我们在做这个行业的BI项目、数据分析的时候就会发现，不像其他的零售行业，你可以讲下人货场、讲下供应链、讲下RFM模型，可以随便讲，网上资料很多，用心查查资料准备准备就可以出去聊这个行业了。你也会发现市面上绝大部分的数据分析案例、培训的内容比如快消、电商、传统零售行业是很多的。但到了汽车经销商行业，数据分析的案例就很少了，为什么呢？

上面也了解了这个行业的特点：

第一，信息化是滞后的，没有像传统零售行业那么多的信息化沉淀。第二，信息化天然就是封闭的，一个汽车4S集团代理不同的汽车品牌，每个品牌是一个独立的DMS系统，系统和数据都是在主机厂手上，天然地割裂。第三，就是它跟一般的零售行业运营模式还不一样，消费是低频的，并且真正赚钱的部分是靠售后服务来支撑的。是具有它这个行业的零售特点再加上靠售后服务驱动的市场。第四，虽然这个行业信息化水平程度不高，但这么多年沉淀下来的业务管理模式思想还比较成熟， 所以即使在一个很小的BI项目上，分析指标的数量至少是300、500个起步，700、800很正常，1500个指标也不过分。数据分析的量和范围很大，这个行业的BI要做好，需要花很长时间来沉淀，经验和知识对外输出就更少了。

所以，这些就是这个行业的特点，同时也是挑战。大家想想，像这样的一个行业，如果不熟悉、不了解他们的业务，这种BI项目还是很难落地的，在业务层面就是一个很大的挑战。

当然大家也会问到，我们在很多BI项目上碰到的业务可以砍成一块一块的，比如先分析财务，再分析供应链的销售、采购、库存，再分析人力，最后到运营管理，阶段性把一个长周期的项目划分成四个阶段了。汽车行业不也可以这么做吗？基本上不会。

为什么？前面说到过，这个行业业务管理模式十几年的沉淀已经比较成熟了，零售+服务+运营的特点让管理层在看一件事情的时候业务前后的关联性、穿插性很大，需要整体了解、综合判断。

即使是300个指标，基本上也会覆盖销售、售后和水平（增值、衍生业务）这三大业务，只是关注的深度可能不一样而已。1500个指标也同样还是围绕这些业务，深度就更广了，当然也会包含财务、人力、市场运营这些领域。像里面一个收入性的指标在实际业务场景中就会存在很多的统计口径，可以分解出来很多个指标，它们背后的业务价值点是不一样的，这些都需要花时间去了解。

所以，不管指标数量多少，整体业务面大小是没有任何变化的，对这种业务覆盖度的知识沉淀和掌握就是一种很大的挑战。

并且，整体信息化程度比较薄弱，信息化比较滞后，数据的基础、质量也都不是很高，就会造成在实际项目开发过程中会遇到各种数据方面的问题，业务计算规则口径统一的问题，几乎每个项目都是如此。所以，这就是一个自然的冲突，信息化弱，但业务管理模式成熟，从业务管理角度要求就会很多，要求多了数据又支撑不到位，中间要解决很多很多的疑难杂症。

并且像一般BI项目中碰到的组织架构的调整、品牌车系主数据档案不一致、不统一等这些问题一样会碰到，就更加加剧了项目的复杂度。所以如果做BI的朋友如果之前没有踩过这些坑，那么最好有这样的心理准备。

（全文完，关注派可数据，获取更多 BI 行业分析方案。如果读者对商业智能 BI 比较感兴趣，或您所在的行业和企业有这方面的需求，欢迎随时联系我们。）