專家專欄　撥開行業(yè)數字化價值的迷霧

車企做數字化轉型，上數字化產品，到底有什么價值？

這是一個靈魂拷問，我們不妨先看幾個最常見的問題或者質疑吧。

“大數據產品對消費者購買能力的預測能達到什么水平？能否超過銷冠對用戶的判斷？”

“大數據對一個消費者換車需求的捕捉，能否勝過優(yōu)秀的二手車顧問？”

“大數據對經營風險的預測，能否超過頂尖的銷售運營管理高手？”

“大數據對庫存計劃進行優(yōu)化，能否超過經驗豐富的計劃專員？”

客觀來說，不一定能，或者說一開始不太能，長期迭代運營一段時間，也許可以，也許還是不可以。為此，有人就質疑，我耗費大量投入去購買你的數字化產品到底有什么價值呢？

特約作者：李紅明

上海數策軟件股份有限公司

合伙人、智能營銷事業(yè)部總經理

在行業(yè)業(yè)務場景下，數據智能不像圍棋大師AlphaGo機器人，業(yè)務場景下的變量特別多，且很多變量還沒有辦法量化。

我們對人的行為的量化方法無法做到圍棋棋盤的窮舉并根據概率測算每一步棋的勝率，我們只能對人的行為進行標簽化轉譯，將消費者的行為打上一個一個的標簽，加上時間戳，加上對標簽行為的組合，通過大量的帶標簽、帶時間戳、帶過程變量，同時有結果數據的一整套大數據算法和模型去訓練，以達到通過數據來預測業(yè)務結果的效果。

只要數據量夠大，數據時間周期滿足要求，標簽構建合理并準確收集，結果數據回傳及時、準確，算法技術選擇合理，那么只需要持續(xù)迭代，數據模型對業(yè)務的預測準確度和穩(wěn)定性都會不斷提高。

根據上面的提問，我就拿購買可能性預測這個例子來說，如何判斷一個用戶購買某個品牌車輛的可能性？我們分三個數據段來說。

第一個數據段或第一階段，是沒有進展廳之前的線上數據分析，數策的數字化產品能實現在線行為數據的充分挖掘，判斷用戶進店的可能性;

第二個階段是進展廳之后的數據分析，通過對到店客戶溝通行為的捕捉和錄音自動分析，豐富用戶在店標簽，也支持優(yōu)秀的銷冠對用戶進行個性化標簽補全，盡量將溝通過程數字化;

第三個階段是客戶離開展廳之后的跟進溝通數據分析，我們通過企業(yè)微信合法授權的溝通記錄分析用戶與銷售顧問的線上溝通行為（或者一整套移動版的潛客跟進系統分析。一般線上溝通都是微信，所以，微信溝通是最貼近用戶交流習慣的方式）。

這三個階段將會沉淀一套完整的用戶行為數據痕跡，最終匹配該客戶是否到店，是否成交，是否戰(zhàn)敗，戰(zhàn)敗給什么競品，客戶的成交周期，促進成交的關鍵行為，戰(zhàn)敗行為等，同時這些信息都會被標簽化固定下來。經過持續(xù)一段時間的模型訓練，數據產品便可以實現對線上用戶到店概率和成交可能性及購買周期的預測。

二手車置換、經營管理風險預警、庫存優(yōu)化，都是這樣一個邏輯。

但是，回到本文最初提到的問題，如果這個產品跟業(yè)內高手來個挑戰(zhàn)，有多大的勝率呢？我們還真做過這樣的對比。結果就是我說的，可能單一場景下比不過業(yè)內頂尖高手，因為數據模型入參的變量和對可能發(fā)生的變化是不能實時調整的，需要時間模型更新迭代。

如果這樣，其價值何在呢？我們從三個角度入手來分析一下：

第一，銷冠或者業(yè)務高手是否能一直保持競賽時的狀態(tài)，平時會不會懈怠？

第二，一個公司有幾個銷冠，或者有幾個業(yè)務高手，大部分人不是高手怎么辦？

第三，當很多事情需要多個高手進行協作，需要跨越組織界限的時候，高手們是否還能保持超高的工作狀態(tài)和合作狀態(tài)，并且持續(xù)這種狀態(tài)？可能性多大？

人是企業(yè)資源中最寶貴的資源，同時也是最難以控制的資源，肌肉會疲勞，情緒會懈怠，狀態(tài)起伏不定，協同合作難度也巨大。并且，一個企業(yè)中高手屈指可數，老板們最不放心的就是高手突然跳槽去競爭對手那里;一個優(yōu)秀的服務顧問能服務3000個車主，一旦離開，意味著他直接可以去開一家修理廠。

由此，數字化智能產品最大的價值在于“用電腦賦能人腦，用數據賦能經驗，將高手的經驗固化為數字化產品，通過推廣和普及來拉高行業(yè)從業(yè)人員的平均能力”。

注意這里我不說“替代”，因為替代在現階段幾乎還不可能，但是賦能完全可以做到。數據智能產品可以大幅度提高員工的平均能力，能夠迅速提升團隊短板以達到更高的整體水準，老板因此也不會擔心銷冠離職的風險。數據智能產品還能穩(wěn)定地、不疲勞地進行24小時在線工作。在員工下班之后，客戶可以與智能產品溝通，仍舊可以獲得很好的體驗和交互，這是靠人力加班做不到的事情。

同時，當經營開始變得復雜，不確定性開始激增的時候，管理和經營將會面臨巨大的不可控的風險，迅速的變化會讓管理層接受大量的數據和分析，決策變得異常困難。數據智能產品的最大優(yōu)勢在于它能夠吸收高手的經驗，設定并模擬決策過程和規(guī)則，甚至介入模型和算法提供自動決策優(yōu)化輔助。海量數據處理不需要高管介入，高管完全可以改變以往“有問題就拉數據、做PPT、等結果，搞清一個疑問可能需要個把月的尷尬”，實時的數據分析和決策輔助產品將可以有效識別風險，捕捉機會，讓高管的大腦集中在決策本身而不是紛繁復雜的現象和數據謎團上。這便是數據賦能經驗，數據賦能人腦的真實體現。

數字化的終極目標是數字孿生，在一個數字世界中看到真實世界的樣子，并通過數據迅速指導和改善現實世界，實現互動。這個夢想要在營銷領域實現，路還很長，數字化還無法完全還原真實世界，我們的數據采集在很大程度上還依賴于人。

我們著力在行業(yè)內推行多種數據采集不依賴于人而是依賴于技術的解決方案，目的就是讓數據智能來得更快一些。如果能更多地認知到數字化的價值，我們就一定會倒逼數據采集的升級，智能化又能催生新一輪的信息化基礎建設螺旋上升。這是行業(yè)最想看到的世界，而我們也正為此不懈努力。