聊一聊整车厂的那些事——售后配件业务

时间:2024-04-17 10:17:08

此文已由作者王文开授权网易云社区发布。

欢迎访问网易云社区,了解更多网易技术产品运营经验。


前言:

本文主要介绍了整车厂售后配件业务的整体状况和痛点,并且展示了网易有数是如何助力整车厂的售后部门,发现其业务问题、定位问题、解决问题;


正文:

随着汽车市场竞争的愈发激烈,整车厂销售业务的利润逐年在下降,卖一台车的利润远比你想象的要低;相对来说,售后业务的利润则较为丰厚;随着过去10多年中国汽车市场的高速发展,一些大型的整车厂的基盘客户数已经达到千万以上;车辆进4S店维修,维修保养所用到的配件都是4S店向整车厂订购的纯正配件;所以整车厂越发重视售后业务的发展,如何把售后整条供应链做的透明和高效,如何降低售后客户流失率,一直是整车厂的目标;


在聊如何分析售后配件业务前,还是先来唠叨几句,讲讲什么是整车厂;我们所说的整车厂,比如上汽通用、上汽大众、一汽大众等等,这些都是行业的巨头;就说造一台车,其实只有车壳子、发动机和变速箱是在整车厂生产的,其余的所有配件都是由配件供应商生产完后,送到整车厂去组装的;所以一个整车厂会有冲压车间(将钢板冲压成车壳)、车身车间(组装车壳)、油漆车间(给车壳子上颜色)、总装车间(组装各种零件,比如装发动机、装玻璃、装轮胎、装内饰等等,这个车间和你玩乐高的感觉差不多)


售后业务也是一样,维修所用的纯正配件其实都是各地的配件供应商各自生产,某些配件会送往整车厂的打包中心(PC:Package Center)去贴纯正配件的标签,然后再发往整车厂各地的配件仓库,我们简称为PDC(Part Distribute Center),然后再通过承运商送往各地的维修站;详细如下图展示:

解释:

PC:Package Center 包装中心,用来打印纯正配件标签

PDC:Parts Distribute Center 配件分拨中心

DD:Direct Delivery 直送模式,对于一些危险品(易燃易爆易碎),比如油漆,整车厂是不会存放在自己仓库中的,会让供应商直接送至维修站;

Milk Run:循环取货模式,类似于以前送牛奶员的形象说法;

JIT:Just In Time的缩写,JIT配送是属于定时配送的一种,它强调准时,即在客户规定的时间,将合适的产品按准确的数量送到客户指定的地点


售后供供应链主要分为以下几个环节:

1、配件计划

2、配件仓储

3、配件物流

4、配件销售


配件计划:快速响应市场需求

配件计划的目标简单来说就是要快速响应市场需求,但也不能以囤很多配件的傻办法来满足,必须做到供需平衡;

计划环节一般会关注订单一次满足率、单库一次满足率、缺货订单的原因分析,以及配件需求波动预警等指标;

就拿订单一次满足率来举个栗子,这个指标是什么意思?从数学公式上来说

订单一次满足率 = 一次满足项数 / 维修站订单项数

如果单看这一个指标的话,一般满足率维持在一个较好的范围内就可以,并不是一定要达到100%;但很多情况下会结合别的指标一起来发现问题

如下图,可以看到,

配件库存金额逐月在上升,但是一次满足率却下滑了,可能说明该整车厂的库存结构并不符合市场需求,即:维修站订购的我们仓库没有,仓库有的市场却没有需求



配件仓储:提升仓储效率,降低仓储成本

配件仓储的目标简单来说就是要提升仓储效率,降低仓储成本

对于配件的件数、金额、体积都会进行分析;

主要会关注以下几个指标:

1、发运金额、发运条数、发运体积(总库存、在库、在途)

2、库容能力,零件体积(无销售额、有销售额)

3、收发货环比(同比)波动,收发货均衡趋势分析

4、库存金额、库存周转率、库存可供天数


就拿仓库收发货波均衡性来分析,从业务上来说,一个PDC仓库的收货金额 和 发货金额 不能有太大的偏差,如果收货远远大于发货,说明仓库压力会非常大,货品都囤积在PDC内,反之也一样,一定要保证一个均衡性;

我们设定每个配件仓库的收发货金额比值允许在上下5%的波动范围内,从图中可以看出7号PDC仓库的波动情况非常大,超出了正常阈值,并以红色进行预警,需要特别关注;




配件运输:提升到货时效、降低运输成本

目前的现状是运输信息不透明,无法考核承运商,业务通过手工统计数据生成报表,通过增加人力的方式满足OTD的要求;

整车厂主要会关注运输到货时效,运输到货准时率,运输延迟比率进行分析,定位到时哪条运输线路,哪家承运商,运输车辆的车牌号,然后通过GPS行驶轨迹,进行定位分析;



配件销售:提示配件销售额

1、对标竞品配件、梯度价格划分、调价利润分析

2、提高营销活动传播效率、精准定位目标车主、配件生命周期预测

3、异常维修站的分析,防止外采外购现象;

关于第3点,还是比较有意思的,整车厂规定维修站的配件一定要向原厂订购,但是原厂的配件很贵,所以维修站会想尽一切办法

比如通过配件之间的相关性,假设比较每家维修中机油/机滤的消耗比,通过箱线图(目前有数尚未支持,后续版本会增加),可以看大多数维修站的比值分布,对于一些异常维修站,而进行进一步的排查



以上介绍了售后配件业务的几个环节,最后放一张Dashboard,是对售后配件运输OTD(到货时效)的分析:通过对仓库、订单类型、延时天数的分布,找出问题运输线路,定位到承运商,进行下一步的跟踪



从整体上来看,可以发现:

1、3号PDC仓库的发货时效比较长,需要关注原因;

2、2017年前三月的到货时效,与2016年整体比较,呈现上升趋势,尤其是2017年3月,达到了39小时,需要重点关注;

3、饼图显示的是不同的订单类型(常规订单、紧急订单、DD订单)的到货延迟小时数,业务上首先需要关注紧急订单的延迟问题;

4、通过地图,显示出了到货时效和到货延迟的关系;比如黑龙江省,该省的平均到货时效很高(超过600小时,25天),但是却不存在延迟;原因是本来这些地区路途比较久远,运输时间较长,当地维修站一般会提前比较久的时间备货,所以延迟率不高;反而是江浙沪地区,交通比较便捷,但延迟情况很严重,需要排查原因;





以上可视化图表(除箱线图外),均通过网易有数制作;

可视化的目的是要帮助业务发现问题、定位问题、解决问题;

一切只炫功能、只炫美观,不能解决实际业务问题的可视化产品都是在耍流氓;

网易有数作为一款敏捷的分析平台,真正能让业务人员分析自己的数据,拉近人与数据的距离,立即洞察数据中隐含的故事;

网易有数,让拥有数据的你,做到心中有数

欢迎来官网试用体验:

外网用户:https://youdata.163.com/

内网用户:https://youdata.netease.com/




网易有数:企业级大数据可视化分析平台,具有全面的安全保障、强大的大数据计算性能、先进的智能分析、便捷的协作分享等特性。点击可免费试用



相关文章:
【推荐】 AWS AutoScaling的一个ScaleDown策略问题以及解决方法
【推荐】 测试环境docker化—容器集群编排实践