工业大数据的一个成功应用案例

发布时间：2017-05-27 作者：佚名

关键字：工业大数据工业

收藏好文推荐打印

在工业大数据领域，大部分只是空有概念，而无实际案例，谈及最终的经济价值、产业价值更是为时过早。因此，本文的目的只有一个，先把工业大数据应用的一个宝贵的成功案例掰开揉碎了展示给你，不求你完全吸收，但至少作为一个未来趋势的可信论据。

4.售后订单流失：由于工程机械行业的特性，售后的耗材销售额大概是整机收入的1.5倍。由于公司缺乏已售机型的追踪，大量的GPS等数据资产被搁置，毫无对核心客户潜在需求的洞察能力。因为不知道售出的机械什么时候需要保养，什么时候需要上油，什么时候更换备件，导致各地的耗材备件游击队和背包客可以直接插手工程机械的维护维修服务，公司被大量的“老司机”钻了空子，抢占了本应吃到口中的市场蛋糕。

5.全生命周期没有闭环：收入、利润、回款、市场份额、客户满意度等指标没有有效追踪。销售、服务和债权各个团队各扫门前雪，没有建立有效的协作机制，导致业务之间存在断点。获客成本高企，回头客的重复购买并没有被激发。没有针对客户进行详细分类，无法评估整个生命周期之内的客户价值。

针对以上种种千疮百孔的“烂摊子”，兮易团队建立了5大对应的修复模型，而模型背后是业务，业务背后是组织，组织背后是人和KPI，整体性的修复和提升是一个系统化的庞大工程。经过项目团队半年的努力，充分利用工业大数据分析工具，给出了可量化执行的战术：

图：工程机械经销商业务全景图

1.商机漏斗管理模型：完善销售线索信息和情报的收集与追踪。对于不同等级的商机进行了详细划分：3分商机（完成客户拜访，采集客户身份信息，填报潜在销售型号、数量和金额预判）、6分商机（完成首次客户协商，客户的工程信息和预计工况记录、追踪协商过程信息，修正潜在销售型号、数量和金额预判）和9分商机（实现客户谈判与信息追踪、记录付款条款、交付条款等商务事宜）。同时消除了从合同签订到出库过程中，各个环节的断点，弥补了各种缺失。

2.全面风险控制模型：风险可视化，建立风控关键闸口点。如果车主的资金与还款能力调查，或者前期违约情况的处罚等关键闸口没有关闭，新的销售合同就无法签署。

3.债权逾期管理模型：针对业务债（三个月内的债务）、审计债（通过诉讼、公安等手段介入的债务）和恶性债（逾期半年以上的债务），使用基于行为数据与逾期预测的相关模型，制定有针对性的规则。还考虑到客户施工特征、销售方式差异，建立了适度灵活的还款计划和违约风险预测。

4.后市场需求管理模型：一句话总结就是：“算法”战胜“老司机”。比如挖掘机的斗齿，需要定期更换。如果通过在大量网点部署运营团队，成本和效率根本没法和接私活的“背包客”维修游击队竞争。怎么解决呢？这就需要靠模型和算法。根据工程机械的采购时间、出库时间、机型分类、保内/保外属性、保养规则、开机时间、工作时长等数据，分析团队迅速从业务逻辑中根据行业特征，设计与之相匹配的业务模型，预测工程机械的保养时间和配件损耗，赶在“老司机”之前为工程机械车主提供贴心服务。

5.客户全生命周期模型：除了整合销售、服务和债权三大部门之外，还建立了客户价值评估模型，进行客户的等级划分。综合考虑客户区域、购机数量、购机金额、配件采购情况、维修次数、维修金额、债权指标等数据，把客户划分为5大类，量身定制提供差异化服务，追踪每个客户销售的完整生命周期。

“复兴战略”的成效显而易见，这家公司不仅元气回升，还取得了文初提到的优异绩效。

看完故事，你也许在想，工业大数据的应用最终将走向何方呢？IBM、GE、微软都曾描绘过美好的蓝图，甚至断言大型工业必将注定坐收数据分析的技术果实，但到现在一直却很少见到实效。还好，在工程机械领域，来自中国的兮易团队率先展示了工业大数据看得见、摸得着的5块腹肌。

咦？似乎八块腹肌才够完美诱惑啊。工业大数据，再加把劲吧！

共2页

上一页 1 2

第1页：工业大数据的一个成功应用案例(1)
第2页：工业大数据的一个成功应用案例(2)