论文部分内容阅读
车企做数字化转型，上数字化产品，到底有什么价值？
这是一个灵魂拷问，我们不妨先看几个最常见的问题或者质疑吧。
“大数据产品对消费者购买能力的预测能达到什么水平？能否超过销冠对用户的判断？”
“大数据对一个消费者换车需求的捕捉，能否胜过优秀的二手车顾问？”
“大数据对经营风险的预测，能否超过顶尖的销售运营管理高手？”
“大数据对库存计划进行优化，能否超过经验丰富的计划专员？”
客观来说，不一定能，或者说一开始不太能，长期迭代运营一段时间，也许可以，也许还是不可以。为此，有人就质疑，我耗费大量投入去购买你的数字化产品到底有什么价值呢？
特约作者：李红明
上海数策软件股份有限公司
合伙人、智能营销事业部总经理
在行业业务场景下，数据智能不像围棋大师AlphaGo机器人，业务场景下的变量特别多，且很多变量还没有办法量化。
我们对人的行为的量化方法无法做到围棋棋盘的穷举并根据概率测算每一步棋的胜率，我们只能对人的行为进行标签化转译，将消费者的行为打上一个一个的标签，加上时间戳，加上对标签行为的组合，通过大量的带标签、带时间戳、带过程变量，同时有结果数据的一整套大数据算法和模型去训练，以达到通过数据来预测业务结果的效果。
只要数据量够大，数据时间周期满足要求，标签构建合理并准确收集，结果数据回传及时、准确，算法技术选择合理，那么只需要持续迭代，数据模型对业务的预测准确度和稳定性都会不断提高。
根据上面的提问，我就拿购买可能性预测这个例子来说，如何判断一个用户购买某个品牌车辆的可能性？我们分三个数据段来说。
第一个数据段或第一阶段，是没有进展厅之前的线上数据分析，数策的数字化产品能实现在线行为数据的充分挖掘，判断用户进店的可能性;
第二个阶段是进展厅之后的数据分析，通过对到店客户沟通行为的捕捉和录音自动分析，丰富用户在店标签，也支持优秀的销冠对用户进行个性化标签补全，尽量将沟通过程数字化;
第三个阶段是客户离开展厅之后的跟进沟通数据分析，我们通过企业微信合法授权的沟通记录分析用户与销售顾问的线上沟通行为（或者一整套移动版的潜客跟进系统分析。一般线上沟通都是微信，所以，微信沟通是最贴近用户交流习惯的方式）。
这三个阶段将会沉淀一套完整的用户行为数据痕迹，最终匹配该客户是否到店，是否成交，是否战败，战败给什么竞品，客户的成交周期，促进成交的关键行为，战败行为等，同时这些信息都会被标签化固定下来。经过持续一段时间的模型训练，数据产品便可以实现对线上用户到店概率和成交可能性及购买周期的预测。
二手车置换、经营管理风险预警、库存优化，都是这样一个逻辑。
但是，回到本文最初提到的问题，如果这个产品跟业内高手来个挑战，有多大的胜率呢？我们还真做过这样的对比。结果就是我说的，可能单一场景下比不过业内顶尖高手，因为数据模型入参的变量和对可能发生的变化是不能实时调整的，需要时间模型更新迭代。
如果这样，其价值何在呢？我们从三个角度入手来分析一下：
第一，销冠或者业务高手是否能一直保持竞赛时的状态，平时会不会懈怠？
第二，一个公司有几个销冠，或者有几个业务高手，大部分人不是高手怎么办？
第三，当很多事情需要多个高手进行协作，需要跨越组织界限的时候，高手们是否还能保持超高的工作状态和合作状态，并且持续这种状态？可能性多大？
人是企业资源中最宝贵的资源，同时也是最难以控制的资源，肌肉会疲劳，情绪会懈怠，状态起伏不定，协同合作難度也巨大。并且，一个企业中高手屈指可数，老板们最不放心的就是高手突然跳槽去竞争对手那里;一个优秀的服务顾问能服务3000个车主，一旦离开，意味着他直接可以去开一家修理厂。
由此，数字化智能产品最大的价值在于“用电脑赋能人脑，用数据赋能经验，将高手的经验固化为数字化产品，通过推广和普及来拉高行业从业人员的平均能力”。
注意这里我不说“替代”，因为替代在现阶段几乎还不可能，但是赋能完全可以做到。数据智能产品可以大幅度提高员工的平均能力，能够迅速提升团队短板以达到更高的整体水准，老板因此也不会担心销冠离职的风险。数据智能产品还能稳定地、不疲劳地进行24小时在线工作。在员工下班之后，客户可以与智能产品沟通，仍旧可以获得很好的体验和交互，这是靠人力加班做不到的事情。
同时，当经营开始变得复杂，不确定性开始激增的时候，管理和经营将会面临巨大的不可控的风险，迅速的变化会让管理层接受大量的数据和分析，决策变得异常困难。数据智能产品的最大优势在于它能够吸收高手的经验，设定并模拟决策过程和规则，甚至介入模型和算法提供自动决策优化辅助。海量数据处理不需要高管介入，高管完全可以改变以往“有问题就拉数据、做PPT、等结果，搞清一个疑问可能需要个把月的尴尬”，实时的数据分析和决策辅助产品将可以有效识别风险，捕捉机会，让高管的大脑集中在决策本身而不是纷繁复杂的现象和数据谜团上。这便是数据赋能经验，数据赋能人脑的真实体现。
数字化的终极目标是数字孪生，在一个数字世界中看到真实世界的样子，并通过数据迅速指导和改善现实世界，实现互动。这个梦想要在营销领域实现，路还很长，数字化还无法完全还原真实世界，我们的数据采集在很大程度上还依赖于人。
我们着力在行业内推行多种数据采集不依赖于人而是依赖于技术的解决方案，目的就是让数据智能来得更快一些。如果能更多地认知到数字化的价值，我们就一定会倒逼数据采集的升级，智能化又能催生新一轮的信息化基础建设螺旋上升。这是行业最想看到的世界，而我们也正为此不懈努力。
这是一个灵魂拷问，我们不妨先看几个最常见的问题或者质疑吧。
“大数据产品对消费者购买能力的预测能达到什么水平？能否超过销冠对用户的判断？”
“大数据对一个消费者换车需求的捕捉，能否胜过优秀的二手车顾问？”
“大数据对经营风险的预测，能否超过顶尖的销售运营管理高手？”
“大数据对库存计划进行优化，能否超过经验丰富的计划专员？”
客观来说，不一定能，或者说一开始不太能，长期迭代运营一段时间，也许可以，也许还是不可以。为此，有人就质疑，我耗费大量投入去购买你的数字化产品到底有什么价值呢？
特约作者：李红明
上海数策软件股份有限公司
合伙人、智能营销事业部总经理
在行业业务场景下，数据智能不像围棋大师AlphaGo机器人，业务场景下的变量特别多，且很多变量还没有办法量化。
我们对人的行为的量化方法无法做到围棋棋盘的穷举并根据概率测算每一步棋的胜率，我们只能对人的行为进行标签化转译，将消费者的行为打上一个一个的标签，加上时间戳，加上对标签行为的组合，通过大量的带标签、带时间戳、带过程变量，同时有结果数据的一整套大数据算法和模型去训练，以达到通过数据来预测业务结果的效果。
只要数据量够大，数据时间周期满足要求，标签构建合理并准确收集，结果数据回传及时、准确，算法技术选择合理，那么只需要持续迭代，数据模型对业务的预测准确度和稳定性都会不断提高。
根据上面的提问，我就拿购买可能性预测这个例子来说，如何判断一个用户购买某个品牌车辆的可能性？我们分三个数据段来说。
第一个数据段或第一阶段，是没有进展厅之前的线上数据分析，数策的数字化产品能实现在线行为数据的充分挖掘，判断用户进店的可能性;
第二个阶段是进展厅之后的数据分析，通过对到店客户沟通行为的捕捉和录音自动分析，丰富用户在店标签，也支持优秀的销冠对用户进行个性化标签补全，尽量将沟通过程数字化;
第三个阶段是客户离开展厅之后的跟进沟通数据分析，我们通过企业微信合法授权的沟通记录分析用户与销售顾问的线上沟通行为（或者一整套移动版的潜客跟进系统分析。一般线上沟通都是微信，所以，微信沟通是最贴近用户交流习惯的方式）。
这三个阶段将会沉淀一套完整的用户行为数据痕迹，最终匹配该客户是否到店，是否成交，是否战败，战败给什么竞品，客户的成交周期，促进成交的关键行为，战败行为等，同时这些信息都会被标签化固定下来。经过持续一段时间的模型训练，数据产品便可以实现对线上用户到店概率和成交可能性及购买周期的预测。
二手车置换、经营管理风险预警、库存优化，都是这样一个逻辑。
但是，回到本文最初提到的问题，如果这个产品跟业内高手来个挑战，有多大的胜率呢？我们还真做过这样的对比。结果就是我说的，可能单一场景下比不过业内顶尖高手，因为数据模型入参的变量和对可能发生的变化是不能实时调整的，需要时间模型更新迭代。
如果这样，其价值何在呢？我们从三个角度入手来分析一下：
第一，销冠或者业务高手是否能一直保持竞赛时的状态，平时会不会懈怠？
第二，一个公司有几个销冠，或者有几个业务高手，大部分人不是高手怎么办？
第三，当很多事情需要多个高手进行协作，需要跨越组织界限的时候，高手们是否还能保持超高的工作状态和合作状态，并且持续这种状态？可能性多大？
人是企业资源中最宝贵的资源，同时也是最难以控制的资源，肌肉会疲劳，情绪会懈怠，状态起伏不定，协同合作難度也巨大。并且，一个企业中高手屈指可数，老板们最不放心的就是高手突然跳槽去竞争对手那里;一个优秀的服务顾问能服务3000个车主，一旦离开，意味着他直接可以去开一家修理厂。
由此，数字化智能产品最大的价值在于“用电脑赋能人脑，用数据赋能经验，将高手的经验固化为数字化产品，通过推广和普及来拉高行业从业人员的平均能力”。
注意这里我不说“替代”，因为替代在现阶段几乎还不可能，但是赋能完全可以做到。数据智能产品可以大幅度提高员工的平均能力，能够迅速提升团队短板以达到更高的整体水准，老板因此也不会担心销冠离职的风险。数据智能产品还能稳定地、不疲劳地进行24小时在线工作。在员工下班之后，客户可以与智能产品沟通，仍旧可以获得很好的体验和交互，这是靠人力加班做不到的事情。
同时，当经营开始变得复杂，不确定性开始激增的时候，管理和经营将会面临巨大的不可控的风险，迅速的变化会让管理层接受大量的数据和分析，决策变得异常困难。数据智能产品的最大优势在于它能够吸收高手的经验，设定并模拟决策过程和规则，甚至介入模型和算法提供自动决策优化辅助。海量数据处理不需要高管介入，高管完全可以改变以往“有问题就拉数据、做PPT、等结果，搞清一个疑问可能需要个把月的尴尬”，实时的数据分析和决策辅助产品将可以有效识别风险，捕捉机会，让高管的大脑集中在决策本身而不是纷繁复杂的现象和数据谜团上。这便是数据赋能经验，数据赋能人脑的真实体现。
数字化的终极目标是数字孪生，在一个数字世界中看到真实世界的样子，并通过数据迅速指导和改善现实世界，实现互动。这个梦想要在营销领域实现，路还很长，数字化还无法完全还原真实世界，我们的数据采集在很大程度上还依赖于人。
我们着力在行业内推行多种数据采集不依赖于人而是依赖于技术的解决方案，目的就是让数据智能来得更快一些。如果能更多地认知到数字化的价值，我们就一定会倒逼数据采集的升级，智能化又能催生新一轮的信息化基础建设螺旋上升。这是行业最想看到的世界，而我们也正为此不懈努力。