1、数据变现车企利润新增长点2021年1-12月，新能源乘用车批发量达331.2万辆，同比增长181%，创历史新高1。背后的原因一方面是车主环保意识增强，双碳市场大趋势突显，电池、电控等技术进步，消费者对新能源车的接受度日渐提高；另一方面，新能源车企，特别是新势力玩家正积极探索新的企业运营和商业模式，为消费者提供更好的购车和用车体验。例如，生产制造上，车企逐渐从硬件向软件过渡；运营上，从传统车辆销售转向直销模式；终端使用上，从单纯的车辆驾驶到各式出行服务创新的转变等。作为全球最大的汽车市场，中国连续12年问鼎汽车销量榜。值得注意的是，中国汽车市场自2017年起由增量转入存量市场。全年累计销量的逐年

2、下跌，引发了新车销售收益下滑，市场竞争持续加剧。车企高管迫切需要找到新的利润增长点来保持自身企业的运转与市场影响力。而数据正是上述一系列探索与转变的基石。随着数据的种类越来越多，体量越来越大，迭代速度越来越快，如何合规精准地收集企业运营、车辆使用和消费者行为数据，并高效地加以应用，使之成为企业新的利润增长点，实现数据变现，是当今各个车企迫切需要解决的问题。（图1）图1.数据种类和体量的爆发客户主机厂系统提供商4S店维修与服务生态服务整合应用提供商1 2021年中国大陆地区新能源汽车销量达299万辆！渗透率达15%！，腾讯网，2022年1月14日2|数据变现：车企利润新增长点数据资产来源：IOT

3、、智能互联种类：非结构化数据容量：超大量（ZB）速度：毫秒、纳秒客户主机厂线下渠道有限数据来源：主机、系统种类：结构化数据容量：中等（TB）速度：每天汽车基础功能数字化转型及整合智能网联及自动驾驶客户主机厂线上线下打通4S店系统提供商数据存储来源：线上线下渠道种类：非结构化数据容量：大量（PB）速度：每分钟聚焦车企数据变现发力点数据变现：车企利润新增长点|3图2.数据变现的发力点车企可以从内部运营和客户服务与体验两方面来挖掘数据变现的机会点。（图2）内部运营方面，车企可以通过整合各个环节的数据，包括产品设计、生产、销售、运营等，来优化效率，最终实现降本增效。以售后环节为例，传统的零部件定价是通

4、过优化经销商的整体返利结构来精简组织流程，设计更高效的激励性政策，最终达到提升车企零部件销售利润的目的。而数据变现的定价策略，则是对经销商的运营情况数据、消费者零部件历史消费记录以及主机厂零部件定价结构进行综合分析，得出最优解。这样做一方面可以确保经销商销售利润最大化，另一方面可以加强车企对日常运营数据的监测，从而协助经销商更高效地销售零部件，如刹车片、润滑油、滤芯等。更进一步，车企还可以直接搭建特定数据平台，设计开发灵活精准的定价软件，并提供前端图形化展示分析仪表盘，实时监测与辅助日常经营活动。企业运营客户服务和体验4|数据变现：车企利润新增长点优化企业整体效率，降本增效提供个性化、高效便捷

5、产品和服务，提升客户体验客户服务和体验方面，车企可以通过梳理消费者线上、线下、店内、店外以及历史购买信息，来提供更加个性化、透明、高效的产品和服务，以此提升客户体验，保持客户粘性。通常，有三种方式可供车企考虑。第一，间接变现。企业可以通过梳理车主在车辆选择、购车体验、保养维修和生活用车全生命周期内的痛点，提供定制、透明、高效的数字化产品和服务，以此提升品牌认可度和忠诚度，加强客户粘性、渗透性和留存率。第二，服务产品直接变现。基于车主的实际需求和历史行为数据，归类各应用场景，并将每个场景下的车主行为、期待、烦恼和环境等因素具象化。深挖各场景下车企可提供的服务，从而设计开发超出客户预期的、按使用付

6、费的内容和产品。第三，生态合作直接变现。车企可以考虑与第三方合作伙伴，如短视频、音乐、电商、基于地理位置的服务商等开展合作。一方面可以为消费者带来丰富的数字生态体验，另一方面也可以从中抽取合作佣金。产品设计：借助车联网收集的车辆数据和车主行为数据，结合消费者洞察，来优化产品设计，如动力控制、车内空间设计、功能设计等。市场营销：在固定的营销预算下，通过特征变量筛选目标用户，并根据人群特征定制内容、渠道和促销产品组合，以此制定精确的营销策略，提升销售线索和营销投入产出比。销售：采用数据模型对销售线索打分，定向推送引导高价值潜在客入店试驾；同时，为销售顾问提供特定客户洞察，包括车型预测、试驾路线预测

7、、兴趣点预测等，助其有针对性的向客户推荐产品和服务，提高订单转化率。客户运营：将客户在系统内的行为数据进行梳理，并整合第三方数据（社交、电商、电信等）进行客户分群，生成各群画像和用户洞察。由此设计各个客户群体在市场营销、销售、售后、二手车、金融等部门整体运营策略，使其相互支撑和相互强化，最终提高销售额并加强客户粘性。此外，车企还可以在日常运营的其他环节上考虑数据变现：数据变现：车企利润新增长点|5数据变现如何落地？6|数据变现：车企利润新增长点图3.数据变现的落地步骤数据变现落地分三步走，我们将从业务战略、数据分析和数据整合这三个方面加以阐述。（图3）梳理、整合 建模、算法、分析 业务洞察 目

8、标、场景选择 关键变量挑选 数据选择 !数据流策略流业务战略数据分析数据整合数据变现：车企利润新增长点|7图4.数据驱动的业务战略架构图业务战略战略目标1所谓战略，是指在不确定的外部市场环境和有限的内部资源条件下做出抉择。企业的资源是有限的，需要在限定时间、资金、人员的条件下，筛选出投资领域，明确前进方向；企业需要做好取舍、聚焦，并对可用的方案进行优先级排序和细化落地，以达到战略目标。数据驱动的战略在本质上并没有变化，只是通过数据驱动的方式，辅助企业管理者做出更加理性与科学的决策。其中各渠道信息的整合、梳理、生成数据洞察是其底层逻辑。业务战略在自上而下的拆解过程中会分为四个步骤：战略目标、细分

9、市场、价值主张和场景落地。（图4）在战略的制定过程中，企业高管需要对内部运营的每一环节有深刻的洞察；同时保持对外部市场的敏锐度。通常，出于效率考量，企业高管往往会基于直觉和过往的经验进行决断，但这其中可能会存在认知偏差。例如，仅利用容易记起或者自己熟悉的事进行判断的可利用性偏差；或者一件事经常被公众谈论，其真实性就被认为越高的可利用性叠加；或者易受第一印象或第一信息支配的锚定效应等。而数据驱动型战略则可以通过对企业运营状况精准高效的展示，对消费者的品牌感知、竞品态度、实际行为的全面汇总分析，将认知偏差的影响最小化。在此阶段，企业会拆解出需要聚焦的每一个具体业务场景。通过数据闭环分析为部门、公司

10、、乃至整个集团的战略决策提供基于事实的、动态精准的数据洞察。某经销商集团从以车为中心转向以用户为中心的商业模式。转型过程中，该客户意识到需要全面了解消费者完整生命周期，以及业务部门和经销商之间的业务逻辑。埃森哲将终端消费者线上线下行为数据、历史数据和车辆数据进行整合梳理，帮助该客户进行战略分群。项目实施后，该客户得以从被动的销售KPI统计转向了主动的消费者差异化运营。现在，该集团可以根据每个群体数据特征来定制数字化客户旅程，制定相应的运营策略和产品创新（金融/维保），从而达到销售提升和利润流增长的目标。8|数据变现：车企利润新增长点 基于公司的价值观，确定整体战略目标 选择要往哪个方向发展，以

11、及资源投放领域细分市场2 从产品、消费者、价值链等维度拆解并排序细分市场，选出目标细分市场 明确具体要做到何种程度价值主张3 结合自身能力和优势（财务、技术、品牌、组织等）了解外部环境竞争对手、消费者、科技、政策趋势 确认自身企业的市场竞争优势和价值主张场景落地4 逐步拆解市场竞争优势和价值主张 具象化每个业务场景，明确需要达成的目标和采取的行动、组织流程及人力资源的优化等数据驱动的业务洞察图5.数据分析的类别数据分析基于实现的难易程度和结果产出，我们将数据分析分为四个类别：描述性分析、诊断性分析、预测性分析和决策建议性分析。（图5）企业可以采用渐进式的数据分析，即逐层深入分析每个业务或消费者

12、场景；也可以采用非渐进式，即直接挑选数据分析某一类别，根据实际经营活动中的目标优先级和预算控制，以及企业拥有的数据体量和质量，用最低成本快速高效地解决业务需求。描述性分析与诊断性分析在采用描述性分析和诊断性分析时，企业可以考虑低成本和高成本两种方案：低成本方案：仅使用单机版BI工具，如PowerBI，Tableau，Qliksense，对手工表格快速完成业务分析和成果展示；高成本高价值方案：自行开发搭建企业级数据平台，打造复杂、实时的日常业务仪表板，进行跨职能部门的业务分析。对企业或消费者已发生的经营活动进行描述，或图像化呈现发生了什么事实?4 决策建议性分析3 预测性分析2 诊断性分析1 描

13、述性分析通过对数据的深度钻研，跨部门交叉分析为什么会发生?归纳关键因子，使用机器学习，算法将会发生什么?模拟仿真，优化决策方案，采取何种行动可以影响或达成最终目标?某车企与其经销商搭建了企业级数据平台。埃森哲对其日常运营活动进行监测，挖掘业务洞察，明确在哪些点收集何种数据，哪些点采用何种数据，以此来提升运营的精细度和其在中国的生产销售活动效率。项目实施后，微信定制化内容推送从原先的120分钟减少到15分钟；跨部门的客户信息检索也从先前的22分钟减少到2分钟。预测性分析与决策建议性分析鉴于数据整体质量和丰富程度的要求，企业需要首先完成one ID整合，随后进行消费者360o视图绘制和客户分群，根

14、据实际的用户场景和业务需求进行变量筛选、关联分析和数据建模。埃森哲对某豪华车企再购场景赋能。针对其中国保有客户，基于全量数据的分析与洞察，搭建预测模型，并采用静默测试予以验证，以此筛选出有再购潜力的客户，并给出产品推荐建议和客户沟通策略。该车企的客户再购率提升了310%。数据变现：车企利润新增长点|9数据整合数据的质和量以及丰富程度，直接决定了企业数据变现的道路是一马平川还是荆棘曲折。通常在提到数据的丰富程度上，即包含了内部数据，也囊括外部数据：内部数据：线上（官网、app、微信小程序、SAP、CRM、经销商管理系统、车联网等），线下（车展、试驾等）外部数据（异业合作数据+第三方数据）：垂直网

15、站（汽车之家、易车等）、社交媒体（微信、微博等）、电商（天猫、京东等）、短视频、直播平台、电信、银行、保险等而数据的质和量，不仅仅涉及到单个数据属性，有效样本数，还包括数据之间的交叉集成。当下，大多数车企都已经认识到了数据的重要性，并围绕日常生产运营过程搭建了数据平台，包括企业运营SAP、经销商管理系统DMS、车辆主数据系统、消费者数据CDP、客户关系管理CRM、营销自动化MAS等。如何保证每个平台中的数据质量和填充度；如何打破信息孤岛，将各个系统串联起来；如何以业务需求为主导建立一套统一的标准体系，并做到数据闭环。企业需要一整套系统、逻辑的方法论和切实有效的端到端实施步骤。以某豪华车企的数据

16、整合项目为例，埃森哲帮助该客户梳理业务需求和数据逻辑，搭建可迭代的指标体系，确保10多个数据平台关键指标整合后的定义、计算逻辑和统计口径等保持一致性，且能持续满足企业销售、售后、财务等6个业务部门实际的数据需求。10|数据变现：车企利润新增长点车联网、5G、云计算、电动化等技术不断演进。在数字化的当下，车企应如何合规精准地收集、沉淀、整合数据？如何利用数据进行以销定产，优化产品设计推出爆款？如何提升线索获取、订单转化和售后利润？如何加强主机厂与经销商的信任与合作，捕捉客户痛点、挖掘潜在需求，有针对性地推出新车型、新产品和新服务？如何高效并可持续性地运营客户，提升客户购车用车的连贯性体验，保持客

17、户粘性？数据正是应对这些挑战的关键所在。挑战，意味着机遇！车企准备好了吗？即刻行动 数据变现：车企利润新增长点|11陈伟埃森哲大中华区战略与咨询经理温棋埃森哲大中华区数据科学总监作者王华埃森哲大中华区汽车业主管、董事总经理蔡沈隽埃森哲大中华区产品制造事业部董事总经理邓嘉伟埃森哲大中华区战略与咨询高级总监联系我们免责声明：本研究报告由埃森哲撰写和制作。报告仅作为研究内容介绍之用。未得到埃森哲的书面许可，文中内容不得采取任何形式进行复制。尽管我们对所依据的信息和资料保持高度谨慎，但无法对其中的准确性和完整性做出绝对保证，请勿绝对化地加以利用。本报告并非埃森哲受托所作。文中所述观点有可能在未经知会的

18、情况下进行调整。报告内容亦非根据任何公司所处独特环境而提供的具体咨询建议，也不作为任何投资建议。2022埃森哲版权所有。埃森哲公司注册于爱尔兰，是一家全球领先的专业服务公司，在数字化、云计算与网络安全领域拥有全球领先的能力。凭借独特的业内经验与专业技能，以及翘楚全球的卓越技术中心和智能运营中心，我们为客户提供战略&咨询、互动体验、技术服务和智能运营等全方位服务，业务涵盖40多个行业，以及企业日常运营部门的各个职能。埃森哲是财富全球500强企业之一，目前拥有约67.4万名员工，服务于120多个国家的客户。我们秉承“科技融灵智，匠心承未来”的企业使命，致力于通过引领变革创造价值，为我们的客户、员工、股东、合作伙伴与整个社会创造美好未来。埃森哲在中国市场开展业务近35年，拥有一支约2万人的员工队伍，分布于多个城市，包括北京、上海、大连、成都、广州、深圳、杭州、香港和台北等。作为可信赖的数字化转型卓越伙伴，我们正在更创新地参与商业和技术生态圈的建设，帮助中国企业和政府把握数字化力量，通过制定战略、优化流程、集成系统、部署云计算等实现转型，提升全球竞争力，从而立足中国、赢在全球。详 细 信 息，敬 请 访 问 埃 森 哲 公 司 主 页以及埃森哲大中华区主页。关于埃森哲