汽車市場已經進入存量競爭，疫情讓競爭更加殘酷，但汽車後市場卻隨著中國汽車保有量的增長、平均車齡的增長、二手車交易量的增長而呈現出強勁的增長勢頭。當然，也正因為如此，越來越多的機構加入到汽車後市場的競爭中來，各大主機廠也面臨著前所未有的挑戰。
作為主機廠，要想增強在售後市場的競爭力，除了在配件產品、工程配套、供應鏈保障等傳統領域苦練內功外，很重要的壹項工作就是加強經銷商的售後配件服務能力。
針對這壹業務挑戰，我想分享壹個基於大數據和智能算法的售後配件智能協同平臺的實踐案例。整個協同平臺分為四個部分：
經銷商配件需求預測
需求管理和預測分析是售後配件管理中最重要的內容，但據調查，只有 20% 的經銷商具備進行周期性、系統性預測分析的能力，絕大多數還是依靠員工個人的經驗和能力來預測和分析配件需求，這不僅需要大量的時間來處理基礎數據，還需要大量的時間來分析數據。要花費大量時間處理基礎數據，而且在人員變動時，也很難進行有效的知識沈澱。
如果主機廠能夠向經銷商輸出這種能力，將會給經銷商帶來很多好處，主要體現在：
壹是為經銷商的庫存管理提供了極其重要的投入，提高了備件的壹次性滿足率，大大縮短了因備件短缺而導致的維修等待時間，提高了客戶滿意度和粘性；
二是幫助經銷商準確區分壹年中不同時期的備件需求。區分不同季節的備件需求特點，從而適時適量地儲備備件，有效降低經銷商的庫存資金占用，從整體上提高經銷商的售後備件管理能力。
再來看看這個智能協同平臺是如何運作的：
壹．依托經銷商的售後維修數據，利用時間序列算法，預估未來中長期配件需求規模、趨勢和季節性；
二.基於配件的工程特性，通過聚類和決策樹建模，確定各類配件在車輛上的需求特征，為新車型新增配件的需求預測提供數據支持；
三是結合外部數據，建立有監督的機器學習模型，以應對特定的市場或環境事件，其中最典型的是天氣數據，幫助售後預測。
舉個例子，預測我國部分沿海地區會出現臺風天氣，當臺風天氣出現時，會導致壹些不常見的維修需求突然增加，比如 "水淹車"，此時各種電控模塊、底盤部件、動力總成部件的維修需求會比較大，對經銷商的售後服務和主機廠的供應鏈造成比較大的沖擊。公司的供應鏈也因此受到影響。
傳統的季節性需求分析和突發天氣事件造成的業務場景中間存在較大誤差，那麽機器學習模型程序就可以較好地解決這個問題，結合歷史維修數據和天氣預報數據，可以很好地給出具體零部件的需求風險預警，並根據當地車輛保有量計算出大概的用量大小。
不僅如此，這類不確定的天氣事件還可以為很少出現這類天氣的地區的經銷商提供良好的數據支持，讓他們在遇到罕見情況時可以參考其他地區的數據。
第四，通過車載傳感器的數據反饋，可以分析特定模塊的工作狀態，從而在車主進店維修時主動邀請車主或有針對性地對車輛進行故障排除，提高服務效率。
此外，利用車載傳感器數據進行零件預測還能讓原始設備制造商在新車發布階段更早地識別質量風險，從而降低最終出現三包問題的概率。
經銷商零部件庫存優化
說到經銷商零部件庫存優化，很多人想到的是幫助經銷商減少庫存，這其實是壹個誤區。站在主機廠的角度來看，經銷商庫存優化應該是壹個上下遊縱向協同、經銷商之間橫向協同的問題，我們針對經銷商的地理位置、銷售特點、服務要求等因素進行優化，在 "供應鏈責任 "的要求下，也就是要處理好這些問題：
第壹，哪些零部件要優化哪些零部件
哪些零部件要優化哪些零部件？ p>第壹，哪些零部件 "值得 "建庫？
第二，存儲應建多深，能支持多長時間的需求？
第三，基於以上兩點，主機廠的售後配送中心應該采取什麽策略？
我們曾經做過某品牌售後上遊配送中心的庫存優化，發現經銷商的庫存管理目標、方法、能力參差不齊，被動優化上遊庫存策略並不是最好的辦法。因此，我們與客戶合作，為經銷商建立了壹套庫存管理系統，除了預測和管理外，還包括經銷商當前以及未來壹年的庫存計劃，並根據庫存計劃推算未來壹年的訂貨計劃。除了預測管理外，還包括經銷商當前和下壹年的庫存計劃，並根據庫存計劃預測下壹年的訂貨計劃。當前的訂貨計劃轉化為經銷商的采購建議，遠期數據信息主要供上遊系統進行數據輸入。
經過兩年的推廣和試錯使用，該方案出色地統壹了經銷商對庫存管理的認識，使上遊能夠更好地預估經銷商的訂貨行為，為上遊庫存優化打下了良好的基礎。
通過統壹管理目標並將其沈澱到系統中，可以有效降低經銷商端訂貨的不確定性，在此基礎上更好地提升上遊的管理能力以及與上遊零部件供應商的協同效應，從而提高供應鏈的整體運營效率，大大降低供應鏈中的牛鞭效應。
經銷商零部件的智能調配
供應鏈管理充滿了不確定性，預測準確性的提高和庫存管理能力的增強並不能百分之百地解決所有經銷商零部件管理問題。其中最重要的問題是處理呆滯零件（我們通常將呆滯零件定義為壹年內未售出或購買的零件）或長庫存零件的問題。
庫存呆滯是壹個復雜的問題，可能受到多種因素的影響，如預測錯誤、庫存策略缺陷、工程更換、客戶流失、車輛質量改進等。即使提高了預測和庫存管理能力，隨著時間的推移，滯銷庫存仍會出現。
但庫存停滯是壹個局部問題。我們對經銷商進行抽樣分析後發現，如果壹個配件在經銷商處滯銷，那麽該配件在該市所有經銷商處滯銷的概率為 77%，而在其所在省份（或銷售區域）滯銷的概率僅為 35%，如果將視角提升到該品牌的整個國家，那麽該配件仍存在缺陷的概率則小於 5%。因此，我們能為經銷商的滯銷零件找到其他買家的概率非常高。
第壹個問題是，如何讓 "滯銷零件 "進入流通領域？
售後配件協作平臺（APCP）也是壹個跨經銷商的配件交易平臺，它支持經銷商在平臺上買賣符合壹定條件的配件，這些條件由平臺管理員規定，通常是配件比較舊，上遊庫存不太深。
同時，當經銷商例行向上遊提交采購訂單時，上遊會推薦相鄰的經銷商賣家（通常在同壹省份或集團）。定期為經銷商的滯銷件匹配銷量大的經銷商，總結交流，促進其完成調貨。
實際操作中，在壹定的品牌政策支持下，至少有30%的滯銷件可以得到有效利用，為經銷商騰出壹筆流動資金，降低庫存管理成本。
優化經銷商分銷
在經銷商供應鏈管理領域，物流運輸成本是整車廠承擔的較大成本，當年的用車數量決定了當年的運輸成本。從宏觀上看，經銷商壹年內向整車廠訂購的配件總量與其配件銷售量基本是 1:1 的關系，也就是說，壹年內需要運輸的配件總量是 "固定 "的，而決定運輸成本的關鍵在於裝載率，即每輛運輸車輛裝載的貨物總量占可用容積與車輛容積的比例。顯然，該值越高，總的運輸次數就越少，總的物流和運輸成本就越低。
影響裝車率的因素主要有兩個，壹是單批經銷商在運輸路徑上的采購量，例如，如果這批采購總量對應 1.85 輛車，單輛車的可用容積為 75%，那麽無論如何裝車率都不會平均達到 61.7%；二是當零部件的容積達到壹定量時，不同的裝車策略會影響實際裝車數量。
提高裝車率的關鍵在於：
1.優化區域經銷商的進貨訂貨，在基本進貨量（即庫存策略對應的進貨量）的基礎上，為每個經銷商增加壹部分訂貨量，在單個經銷商增量最小、均衡裝車的條件下，使采購件總量滿足總裝車量範圍。據我們統計，這種調整平均只占經銷商基礎采購量的1%-3%；
2.裝載策略優化為每輛車分配特定的裝載件組合和數量，確保每輛車的裝載率控制在70%-75%，並滿足壹定的運輸要求，如重物浸泡比例、貨架要求、托盤要求等。平均而言，通過裝載優化，裝載率從 70% 以下提高到 73% 左右，每年實際節省運輸總次數約 4%，有效降低了整體物流運輸成本。
據預測，未來 OEM 將從制造商轉型為數據服務提供商，數據資產和技術資產將成為其最重要的競爭資本。在主機廠打造的生態鏈中，經銷商是最重要的參與者，也是相對技術能力最弱的合作夥伴。整車廠向其輸出數字化能力或系統平臺，可以有效提升雙方的效率，強化合作關系，這種合作關系將從業務政策驅動強化為數據驅動的協同關系，而這個售後零部件智能協同平臺正是這種協同關系的體現。
本文來源於汽車之家汽車族號作者，不代表汽車之家立場觀點。