论文部分内容阅读
作者简介
谷朝峰,本刊签约作者,拥有车辆工程、机械电子和经济管理3个专业学士学位。自1995年参加工作以来,从汽车维修一线做起,积累了丰富的汽车维修技术和管理工作经验,对汽车故障诊断与分析有深入研究。2007年入围一汽-大众技术人才培养工程全国技术综合测评20强,2011年受聘为一汽-大众区域首席专家级技师。2004起先后从事汽车4S店中、高层管理工作和4S店集团管理工作,2015年转型汽车行业技术与管理咨询工作。现任上海申先信息咨询有限公司高级咨询顾问。
2.治本類提升举措示例
(1)利用《保险公司信息推送管理工具》将出险或送修信息进行日常管理。
(2)优化服务顾问绩效机制,将招揽目标达成率和保险业务提成工资关联,作为系数进行修正。
(3)利用《合作保险公司评估工具》,每月对保险业务商务联盟进行质量评估。
(4)制定保险公司信息推送管理执行与协作流程(合信息统计、邀约和保险公司沟通协商等)。
(5)设立事故车快修通道,建立快喷机制,前台、车间及备件联动形成落地实施的保障。
(6)建立与保险公司相关业务人员定期沟通交流机制。
(7)定期联合保险公司进行用户关爱活动。
(8)制订强化续保前移性策略(如赠送计划、返还计划、增值计划等),并适时培养客户送修欲望(如结合续保等场景的关爱提醒说明)。
需要补充说明的是改善举措行动的计划性。所谓计划性,并不是说所有改善计划在都要上马执行,一定要优先选择一些事项先行展开,而优先的的原则就是符合重要性、紧急性与可行性符原则。当然选择的倾向是要体现在以治本的改善行动计划为主导,相关事例如图88g所示。
STEP5:设计改善举措行动计划落地执行管理工具并确保应用
最后的应用环节就是设计改善举措行动计划落地执行管理工具并确保应用。同样,所有具体改善任务的执行都离不开按照5W2H原则进行的详细描述。
结后事故车入厂提升案例,结合优先的行为方案l“利用《保险公司信息推送管理工具》将出险或送修信息进行日常管理”这一任务,所设定的人员任务职责明确方法可参照图88h所示,所提供执行的《保险公司信息推送管理工具》实操工具设计参见图88i所示。
第89张图:运营模块数据化管理模式
运营数据化管理,是近几年来较为新兴的一个管理概念术语。事实上,经销商信息处理的核心应用功能也正是通过运营数据化管理的手段来实现的。然而,究竟数据化管理的依据是什么,大多数职业经理人却并没有一个清晰的概念。为了解决这一问题,我们给出了运营模块数据化管理模式图(图89a)。
运营模块数据化管理模式图从结构上来讲,是以一个策略屋形式展开的。策略屋的顶端为数据化管理的根本目标,即持续提升运营目标达成管理水平。策略屋底端是组织管理,其中主要包括健全的组织架构、完善的运营标准体系与岗位目标对标问责的组织管理机制,它们是模块化数据管理的保障。
在策略屋的主间部分为数据化KPI管理,它包括销售的36个核心运营管理指标与售后的43个核心运营管理指标,我们不妨可以把它们看作是模块数据化管理的辅出评价状态。而具体落地执行的数据化管理,则体现在策略屋左侧的业务能力分析数据化与右侧的支持能力分析数据化。其中,每侧的分析管理都包含3个模块,这6个模块是管理者日常动态监控的重点,构成了模块化式且常态化的管理模式。
运营数据化管理的理念是常态化,因此管理者的日常工作行为就应以6大运营模块所涉及的各类数据模型作为管理的切入点(图89b)。应用的方法流程大体上分为三步,分别为按数据模型收集数据、收集数据的诊断分析与诊断弱项的提升。图2中所涉及的数据模型我们在质量管控的内容中、都已完成了导入说明,经销商可参考相关这些模型并结合本店的实际情况进一步完成模型工具的优化升级。
1.运营数据化管理示例
考虑到经营效益是大家比较关心的议题,我们不妨结合经营效益管理的2个基本模型应用再做一些简要说明。
售后毛利数据化分析模型为经营效益数据化管理的第一个模型(图89c)。模型将售后毛利分为一级、二级和三级毛利,与之对应的毛利管控要点分别为维保直接毛利、保险/首保/索赔毛利与养护/精品毛利。基于以此模型的数据化梳理,就形成了如图89d所示的《月度售后毛利达成监控工具》,管理者可以以7~8天的“周概念”为管理单位,实施对月度经营数据的管理。
第二个数据模型为售后经营业务结构分析模型(图89e)。它按照售后经营的结构对主营业务(不合保险与精品等衍生业务)细分为6类,分别为保养(含养护)、维修(不合保养项目的工单,包括一般小修与总成大修)、首保、索赔以及其他(含阶段性专项营销活动、厂方召回活动等)。针对每一类业务,模型都提供了对结算台次、单车收入、收入、收入占比与差价率的数据分析支持。
2.数据分析管理应用流程
上述的这2个模型,无论是哪一种,都可以参照下面的管理流程进行数据分析管理的应用。
(1)参考给出的《月度售后毛利达成监控工具》模板制作毛利与结构达成监控EXCEL管理工具。结合年度预算月度分解设定各指标目标目标值,并利用工具动态监控12个月连续利润漏斗相关财务指标变化状态。
(2)每个周工作结束后,基于各指标目标值的周度分解(按7~8天周期,将1个月分为3个监控管理周)。对标发现进度滞后的弱项指标并视为管理风险指标。
(3)针对识别出的管理风险指标,利用周例会分析紧急应对策略,并结合当期运营状态选择重点举措立即展开实施与跟进管理。
(4)月度工作结束对模型数据进行管理复盘。重点围绕目标达成的经验与教训分析,以及针对上期跟进管理未完成项目进行管理原因分析,出具问题发现报告
值得一提的是,在数据分析管理过程中,管理者重点借助的工具就是逻辑关联-逻辑树、因果分析-鱼骨图、根因探寻-5WHY和要素分析-5W2H等数据分析方法,这些方法也正是我们在之前信息管理部分所重点导入的内容。以图89f、图89g所示为例,分别为结算辆次与单车收入指标提升举措计划的模板,这2个模板产出的实质是就应用逻辑关联-逻辑树等工具进行分析的结果。
(待续)
谷朝峰,本刊签约作者,拥有车辆工程、机械电子和经济管理3个专业学士学位。自1995年参加工作以来,从汽车维修一线做起,积累了丰富的汽车维修技术和管理工作经验,对汽车故障诊断与分析有深入研究。2007年入围一汽-大众技术人才培养工程全国技术综合测评20强,2011年受聘为一汽-大众区域首席专家级技师。2004起先后从事汽车4S店中、高层管理工作和4S店集团管理工作,2015年转型汽车行业技术与管理咨询工作。现任上海申先信息咨询有限公司高级咨询顾问。
2.治本類提升举措示例
(1)利用《保险公司信息推送管理工具》将出险或送修信息进行日常管理。
(2)优化服务顾问绩效机制,将招揽目标达成率和保险业务提成工资关联,作为系数进行修正。
(3)利用《合作保险公司评估工具》,每月对保险业务商务联盟进行质量评估。
(4)制定保险公司信息推送管理执行与协作流程(合信息统计、邀约和保险公司沟通协商等)。
(5)设立事故车快修通道,建立快喷机制,前台、车间及备件联动形成落地实施的保障。
(6)建立与保险公司相关业务人员定期沟通交流机制。
(7)定期联合保险公司进行用户关爱活动。
(8)制订强化续保前移性策略(如赠送计划、返还计划、增值计划等),并适时培养客户送修欲望(如结合续保等场景的关爱提醒说明)。
需要补充说明的是改善举措行动的计划性。所谓计划性,并不是说所有改善计划在都要上马执行,一定要优先选择一些事项先行展开,而优先的的原则就是符合重要性、紧急性与可行性符原则。当然选择的倾向是要体现在以治本的改善行动计划为主导,相关事例如图88g所示。
STEP5:设计改善举措行动计划落地执行管理工具并确保应用
最后的应用环节就是设计改善举措行动计划落地执行管理工具并确保应用。同样,所有具体改善任务的执行都离不开按照5W2H原则进行的详细描述。
结后事故车入厂提升案例,结合优先的行为方案l“利用《保险公司信息推送管理工具》将出险或送修信息进行日常管理”这一任务,所设定的人员任务职责明确方法可参照图88h所示,所提供执行的《保险公司信息推送管理工具》实操工具设计参见图88i所示。
第89张图:运营模块数据化管理模式
运营数据化管理,是近几年来较为新兴的一个管理概念术语。事实上,经销商信息处理的核心应用功能也正是通过运营数据化管理的手段来实现的。然而,究竟数据化管理的依据是什么,大多数职业经理人却并没有一个清晰的概念。为了解决这一问题,我们给出了运营模块数据化管理模式图(图89a)。
运营模块数据化管理模式图从结构上来讲,是以一个策略屋形式展开的。策略屋的顶端为数据化管理的根本目标,即持续提升运营目标达成管理水平。策略屋底端是组织管理,其中主要包括健全的组织架构、完善的运营标准体系与岗位目标对标问责的组织管理机制,它们是模块化数据管理的保障。
在策略屋的主间部分为数据化KPI管理,它包括销售的36个核心运营管理指标与售后的43个核心运营管理指标,我们不妨可以把它们看作是模块数据化管理的辅出评价状态。而具体落地执行的数据化管理,则体现在策略屋左侧的业务能力分析数据化与右侧的支持能力分析数据化。其中,每侧的分析管理都包含3个模块,这6个模块是管理者日常动态监控的重点,构成了模块化式且常态化的管理模式。
运营数据化管理的理念是常态化,因此管理者的日常工作行为就应以6大运营模块所涉及的各类数据模型作为管理的切入点(图89b)。应用的方法流程大体上分为三步,分别为按数据模型收集数据、收集数据的诊断分析与诊断弱项的提升。图2中所涉及的数据模型我们在质量管控的内容中、都已完成了导入说明,经销商可参考相关这些模型并结合本店的实际情况进一步完成模型工具的优化升级。
1.运营数据化管理示例
考虑到经营效益是大家比较关心的议题,我们不妨结合经营效益管理的2个基本模型应用再做一些简要说明。
售后毛利数据化分析模型为经营效益数据化管理的第一个模型(图89c)。模型将售后毛利分为一级、二级和三级毛利,与之对应的毛利管控要点分别为维保直接毛利、保险/首保/索赔毛利与养护/精品毛利。基于以此模型的数据化梳理,就形成了如图89d所示的《月度售后毛利达成监控工具》,管理者可以以7~8天的“周概念”为管理单位,实施对月度经营数据的管理。
第二个数据模型为售后经营业务结构分析模型(图89e)。它按照售后经营的结构对主营业务(不合保险与精品等衍生业务)细分为6类,分别为保养(含养护)、维修(不合保养项目的工单,包括一般小修与总成大修)、首保、索赔以及其他(含阶段性专项营销活动、厂方召回活动等)。针对每一类业务,模型都提供了对结算台次、单车收入、收入、收入占比与差价率的数据分析支持。
2.数据分析管理应用流程
上述的这2个模型,无论是哪一种,都可以参照下面的管理流程进行数据分析管理的应用。
(1)参考给出的《月度售后毛利达成监控工具》模板制作毛利与结构达成监控EXCEL管理工具。结合年度预算月度分解设定各指标目标目标值,并利用工具动态监控12个月连续利润漏斗相关财务指标变化状态。
(2)每个周工作结束后,基于各指标目标值的周度分解(按7~8天周期,将1个月分为3个监控管理周)。对标发现进度滞后的弱项指标并视为管理风险指标。
(3)针对识别出的管理风险指标,利用周例会分析紧急应对策略,并结合当期运营状态选择重点举措立即展开实施与跟进管理。
(4)月度工作结束对模型数据进行管理复盘。重点围绕目标达成的经验与教训分析,以及针对上期跟进管理未完成项目进行管理原因分析,出具问题发现报告
值得一提的是,在数据分析管理过程中,管理者重点借助的工具就是逻辑关联-逻辑树、因果分析-鱼骨图、根因探寻-5WHY和要素分析-5W2H等数据分析方法,这些方法也正是我们在之前信息管理部分所重点导入的内容。以图89f、图89g所示为例,分别为结算辆次与单车收入指标提升举措计划的模板,这2个模板产出的实质是就应用逻辑关联-逻辑树等工具进行分析的结果。
(待续)