汽车行业和其他行业有很大不同，我们在做这个行业的商业智能BI项目、数据分析、数据可视化的时候就会发现，汽车行业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，还可以讲热门的信息化建设、数字化转型，网上有很多相关的信息化、数字化资料，用心查查资料准备准备就可以出去聊这个行业了。
同样，了解到这点后，你也会发现市面上绝大部分的数据分析和数据可视化案例、培训的内容讲快消、电商、传统零售行业也是最多的，什么数字化转型、商业智能BI相关的基础资料也是应有尽有。但到了汽车经销商行业，数据分析以及其它的一些案例、培训就很少了，为什么呢？
数据分析 – 派可数据商业智能BI可视化分析
其实在另一篇文章《汽车经销商（4S）行业的信息化特点》中也提到了这个行业的特点：
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，天然的割裂。
第三，消费是低频的，这就导致汽车行业跟一般的零售行业运营模式比有很大差异，真正赚钱的部分是靠售后服务来支撑的。是具有汽车行业的零售特点再加上靠售后服务驱动的市场。
第四，业务管理模式思想比较成熟，虽然这个行业信息化水平程度不高，但因为多年沉淀下来了大量业务管理经验，导致汽车行业即使在一个很小的商业智能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，这个行业的商业智能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，这种商业智能BI项目还是很难落地的，在业务层面就是一个很大的挑战。
数据分析 – 派可数据商业智能BI可视化分析
当然大家也会问到，我们在很多商业智能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，需要商业智能BI负责整体了解、综合判断。
实际上，在商业智能BI项目案例中，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，只是商业智能BI会展现更多的信息量，深度也会更广，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，这些指标通过商业智能BI数据分析展现出来的信息，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。
可视化大屏 – 派可数据商业智能BI可视化分析
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，在商业智能BI项目规划时，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，因为汽车行业整体信息化程度比较薄弱，信息化比较滞后，导致背后的数据的基础、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，商业智能BI项目在这中间要解决很多很多的疑难杂症。
并且像一般商业智能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。所以如果做商业智能BI的朋友如果之前没有踩过这些坑，今天看完这篇文章要做好这样的心理准备。
数据分析 – 派可数据商业智能BI可视化分析
喜欢的朋友可以点点关注，后续还会持续更新汽车行业的文章，会逐步讲讲里面的业务，从业务视角、从管理视角、从分析视角、从商业智能BI项目视角去讲讲。有了这些知识概念积累之后呢，就可能会好很多，少走一些弯路。
苏公网安备 32059002002276号
