汽车制造

在展示汽车生产制造行业商业智能 BI 可视化分析案例之前，我们有必要大致了解一下汽车生产制造的流程。汽车生产制造主要有四大工艺，即：冲压、焊接、涂装和总装，最后是 PDI 售前检查。

(资料图片仅供参考)

汽车制造 – 派可数据商业智能BI可视化分析平台

冲压工艺 – 将钢板变成车身零部件

焊装工艺 – 将车身零部件焊接形成车身总成

涂装工艺 – 对车身防腐蚀和增加美观

总装工艺 – 将车身、发动机、变速器、车门等装配成整车

以上只是对四大工艺环节做一个简单介绍，实际上每一个生产环节都是一个系统工程，都需要有严格的作业环境条件并进行严格的质量和工艺管理。

生产线停线

随着国内汽车市场的持续增长，各大车企似乎也是在不停的建厂、扩建生产线，但可能大家不知道的是汽车生产线如果停工一分钟造成的损失有多大。

冲压、焊装、涂装、总装这四大生产线是串联关系，每条线之间没有库存。因此，在开线生产期间，这四条线上任何一个工位出了问题，都会影响整个生产线的正常运转。例如：冲压线上某一个钣金件没有按时冲出来，就会导致焊装、涂装、总装因缺件而停线。总装如果因某工位而停线，则会造成冲压、焊装、涂装三大线完成的组件无处存放，因此后面的工序一旦停线，则前面的工序也必须一起停线。这种停线其实是整个汽车厂停线，损失自然非常大。

据有关数据统计，在生产效率极高得现代汽车工业化生产条件下，一个小时能产出 40-50 辆汽车，只要一开始，就是 24 小时不停歇的作业。根据车企的能源和成本损耗估算，如果停工一分钟，那么损失以十万计。如果汽车生产线停工半个小时，就是一次重大事故，至少损失几百万元人民币。更别提耽误后续物流、销售的事情了。

当然，其实每个汽车厂的每个环节都不可避免的会产生停线，短时间的停线并不会造成严重的后果，因为各个班组或者功能块之间都有 BUFFER (就是缓存)的存在，在 BUFFER 内的车没被下一个功能块消耗完或者造成前一功能块的 BUFFER 被填满造成堵线之前没有太大问题。

那么，在汽车生产制造行业，我们针对生产制造过程中有哪些 KPI 是需要重点关注的呢？

生产过程中的停线甩车统计

重点会关注停线时间、次数与成本损失这几个 KPI 指标，并且可以从不同的机厂、车间、生产线、班次、异常以及部门等角度来分析看看停线主要是在哪些机厂出现，横向对比看看比较容易出现停线的是在哪个工艺环节，哪类原因造成的等等。

停线统计分析– 派可数据商业智能BI可视化分析平台

通过关联、钻透等分析发现和总结上述问题，这些分析可能会反映出来生产环节的管理是否存在一定的问题，为以后的工作改进提供方向。

停线异常分析– 派可数据商业智能BI可视化分析平台

当然对于生产线停线过程的控制，比如就需要记录停线/甩车时间，首车和尾车的车身号等。包括对于零部件供应不及时导致的甩线车辆，在保证质量的同时，及时进行补装，避免交车延误的现象发生。

四大工艺环节数据分析

当然，也可以针对某一个工艺环节的过程数据做统计分析，例如冲压工艺，主要可以看生产线的小时效率、完成趋势包括员工的工时等情况。

冲压工艺过程中的数据统计分析– 派可数据商业智能BI可视化分析平台

生产车间的产出、可动率等分析

通常来说的汽车厂都是叫做整车厂，其实就是生产大部件和组装的厂。这种厂的特点是占地面积大、设备多、人多，整个投入每时每刻都在产生费用，所以也可以做一些基本的产出分析，包括各个机厂、车间、流水线、工艺环节的可动率分析等。

各机厂、工艺环节的可动率– 派可数据商业智能BI可视化分析平台

除此之外，作为生产制造行业也可以从企业的角度看财务数据或者其它具体业务的分析。

某汽车集团– 派可数据商业智能BI可视化分析平台

汽车4S集团

对任何一家企业来说，企业经营的目的就是为了盈利，为实现这个目标就必须抓住经营的核心：收入、毛利、费用、利润。企业经营的核心要做的就是增加收入、提升毛利、控制费用以达到扩大利润的目的。

汽车4S集团可以把收入构成进行分解。我们都知道汽车4S店的收入主要来源于两个部分，一部分是汽车的销售收入，另外一部分是售后收入。我们需要做的是将各个收入部分按照企业自己的特点进行分解，以描述收入的构成、各业务线的收入占比等，这些都构成了未来在做 BI 数据分析时的分析维度（维度 – 看数据的角度）。

收入是公司利润的来源– 派可数据商业智能BI可视化分析平台

收入的规模代表一个公司运营的规模

毛利是公司的盈利能力– 派可数据商业智能BI可视化分析平台

毛利是否达成直接影响效益利润的达成

费用是公司经营过程中发生的各项耗费– 派可数据商业智能BI可视化分析平台

毛利-费用 = 效益利润

费用的管控将直接影响效益利润的达成

效益利润率是衡量一个企业经营水平的重要指标

厂家考核所涉及的返利占公司运营利润的比例较大，公司要高度重视厂家考核，认真研究厂家商务政策，积极应对，将有效运用厂家商务政策作为课题、确保应得返利的最大化。对厂家考核达标率情况、厂家商务政策运用、进行逐月考核。

厂家考核体系– 派可数据商业智能BI可视化分析平台

营销岗位是公司运营的关键岗位，企业每笔收入都是通过营销岗位营销所得，营销岗位同时还承担着厂家考核、客户满意度等多项指标。公司高管要高度重视营销岗位队伍的建设，落实KPI考核，绩效考核、工作效率、激励机制等各项措施、提高营销岗位满意度、提高营销能力。

运营营销– 派可数据商业智能BI可视化分析平台

从业务和管理角度：不仅重视达成，同时重视构成的结构比例，每月自行分析、数据化管理、找差距、制定各项提升经营的措施；补短板、加长板，新增利润点；增收入、提毛利、创效益。

从分析角度：重点对收入、毛利、费用和效益利润的达成，各项指标的构成，结构比例，进行同比、环比、平均、品牌、地区等进行多维度分析，按月考核运营评价，合理执行运营决策，并明确决策依据。

结合上面的分析角度，我们就可以根据不同的业务线、层级、部门、角色构建不同的 KPI 指标体系。例如这里的与销售相关的 KPI 管理体系按照企业的业务重点梳理出来一级、二级、三级等不同层次的 KPI 指标，这些指标其实也反映出企业管理的重点。

KPI 管理分析体系– 派可数据商业智能BI可视化分析平台

总经理视角下的 KPI 管理– 派可数据商业智能BI可视化分析平台

看板、分析、数据记录与业务之间的关系

汽车4S集团的业务范围比较广泛，需要分析的内容也非常的多，重点是需要梳理出一根主线，自上往下进行推进。可以从财务、业务线等不同角度来看一些BI可视化分析内容，下面是一些基本的分析案例。

汽车 4S 集团的 BI 可视化分析案例

财务视角的管理驾驶舱– 派可数据商业智能BI可视化分析平台

存货分析– 派可数据商业智能BI可视化分析平台

新车销售分析– 派可数据商业智能BI可视化分析平台

衍生业务分析– 派可数据商业智能BI可视化分析平台

金融业务相关分析– 派可数据商业智能BI可视化分析平台

售后服务在 BI 可视化分析中的体现

在汽车4S店业务中，汽车销售实际上利润是非常有限的，真正赚钱的部分体现在售后业务上，包括保险、保养、维修、装潢装饰等等，因此像首保回店率、流失率、流失原因等分析指标就显得格外重要。

售后服务是连接用户和4S店的核心纽带

例如下面是一个有关 4S 店首保回店率的分析，通过一个很简单的建模（维度：年份，分析指标：新车销售数量、首保回店数、首保回店率）分析每年首保用户的留存情况。

首保回店率的分析

通过分析发现，2015、2017、2018 年首保回店率在 90% 左右，2016 年的首保回店率只有 55%。上面也提到过，汽车销售实际上是不赚钱的，真正赚钱的在售后服务上，例如：保险、保养、维修等等。而首保回店率在很大程度上决定了购买新车的用户在提完车之后会不会经常回店的可能。因为新车用户在提车之后在第一次的保养都不选择原店，就意味着这个客户在后续的保养可能也不再回来，一年、两年、三年，这位用户可能就会永远的流失掉，也就意味着以后的保养、延保、事故车维修可能也不会回来。

首保回店率的分析

比如一个用户做精品车保养，一年 1.5 次，一次平均贡献 3000 元，1.5 次就是 4500元的收入。再加上每年的保险例如 6000 元，可能潜在的维修在1500 元左右，一年可能产生 1.2 万的收入贡献。如果像2016 年的回店率只有 55%，流失的客户数是 174。如果能够提升到 90%的水平，就意味着可能的销售收入贡献能够达到 351 * 1.2 万 = 421 万，比现在要多出 160 万的收入。如果把新车基数扩大 10 倍呢，一年要多出 1600 万的各类收入，所以提升首保回店率就变得非常的重要。

精品车业务分析– 派可数据商业智能BI可视化分析平台

同时，也要对首保回店率低的原因做出分析：是因为车卖给了外地，还是因为新车用户对4S 店的维修保养环境、服务质量不信任，我们应该从哪些方面进行改善。譬如其中的一个改善环节就是在新车用户提完车之后，带领新车用户参观维修保养区域，了解其规范性，透明的展示保养的整个过程和专业性，不会出现维修师傅在保养过程中偷油、少换零件、以次充好以建立信任；或者通过一些促销小手段极大可能的留下新车用户；或者通过系统在不同的时间点关怀用户，提前提醒新车用户回店保养等等。

当然，实际上各家 4S 店的首保回店率正常情况下都能保证在 95% 以上或者更高的水平，这里只是通过一个例子来说明 BI 数据分析的必要性。

注：以上图表中引用到的数据均为演示数据，仅供参考，不具备任何商业价值。