汽车 4S 集团 BI 数据可视化分析案例

Posted 2021-04-28 派可数据

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。

汽车行业也不例外，以汽车4S集团为例，第一步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

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

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

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

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

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。

销售业务相关的 KPI 管理分析体系

总经理视角下的 KPI 管理

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

资产负债分析

收入与利润分析

存货分析

新车销售分析

衍生业务分析

二手车业务分析

精品车业务分析

金融业务相关分析

服务维修分析动图展示

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。

 

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。

（全文完，关注派可数据，关注更多的 BI 行业分析案例。如果读者对商业智能 BI 比较感兴趣，或您所在的行业和企业有这方面的需求，请随时联系我们。）

派可数据一站式企业级 BI 可视化分析平台

派可数据（www.packingdata.com) 为企业打造专业的一站式企业级商业智能 BI 平台，通过标准的数据仓库建模和前端自助可视化分析平台为企业构建高度稳健、可扩展的 BI 分析平台。

快速业务模型驱动和丰富的各类业务分析指标库支撑，帮助企业在最短的时间里构建有效的可视化分析模型。团队前身自 2010 年起成功交付超过 2000 多个大小商业智能 BI 项目，有非常丰富的专业实施和行业业务分析经验。

 

了解更多有关商业智能 BI 与行业业务可视化分析内容

派可数据官网：www.packingdata.com

官方邮箱：[e-mail]

点击阅读原文了解更多