【智能·革命】如何实现数据决策的价值 ——威尔森DSS场景化智能决策支持系统演示

威尔森首席技术官 孙睿 2017-11-17

(以下内容根据峰会现场速记整理,有删节)

 

刚盛总的讲解已经把威尔森在人工智能与大数据的结合,在汽车行业里面的一些思考做了介绍。我们这些思考并不只是简单停留在系统包括我们的人脑里面,而是希望把它真正落地到实处里面去。威尔森在行业里面已经积累了丰富的数据与算法,我们发现,用一个很简单的方式,就能很快地形成人工智能的雏形。所以我们用了一年的时间,把威尔森现有的数据与现有的所有算法整合在一起,变成今天要演示的系统的雏形。当然有了这个雏形,我们还会有更深的未来的思考。DSS系统,是真正能给主机厂带来价值的。

 

数据决策已进入场景化时代(销量目标管理场景案例演示)

首先,我们来用一个主机厂在整个工作过程中,一个具体问题的解决场景做一个案例,看看系统是怎么完成场景化决策的。

这是关于销量目标的案例,主机厂每年年初会制订某些车型的销量目标,以前的做法是当本月的销量出现了现实的问题时,才会去做一些决策性的工作,想办法提高下个月的销量。有了DSS系统之后,黄总刚才做了一个短期预测的模型,可以用这个短期预测的模型来为销量目标进行预警。

快速清晰发现问题

当你登陆系统,如果模型发现下个月的销量跟前期设置的当年销量目标在完成的节奏过程中有问题时,系统就会自动提示,发出预警。预警的逻辑并非固化在系统里面,因为整个预测过程是跟每个主机厂的年度销量完成的逻辑和算法是密切相关的,所以算法是根据每个厂家来的,是开放式的算法。

当我点击销量目标预警的时候会看到,到底是哪个车型出现了销量问题。从这张图可以看到,当月的销量虽然有所提升,但九月份的销量是持平于过去的历史水平,但是十月份的销量,根据目前的情况,根据所有数据的判断,这个销量69%的可能性是达不到预期的。

明显指标确认问题

出现了这个问题,我们要怎么分析这个问题出现在哪里呢?再点进去之后会看到,整个销量预警分成了两个大的环境,一个是外部竞争环境,一个是内部营销指标。这些指标会随着数据种类不断增加,形成更多的指标,而整个系统是不用做任何的调整。

出现绿色区域的指标都是当前表现情况良好的;出现黄色指标的是有一定延误程度的;出现红色指标,就表示问题重点出现在这里。这个例子看来,竞争对手、产品规划、市场推广对该车型销量有一定影响。

多维数据对比分析问题

首先看一下外部环境,紧凑型SUV现在整个市场的表现看起来是好于去年同期的,那么销量出现问题,一定是竞品有了动作。竞品不是由系统运营的人员把自己认为的竞品输进去,因为竞品在全年里面是不断自动变化的,所以我们竞品的发现是根据线上大数据的统计分析,得到竞争关系的强弱,在这个图里面,越往右竞争关系越强。另外会根据销量表现对比竞争圈的份额的变化。

现在会看到,我们的竞品里边,低于我们销量,剩余80%的竞品市场,说明虽然我们的市场好于预期,但是实际上竞品的销量在持续走高的。竞品销量持续走高的原因是什么?这时候我们打开销量漏斗,因为威尔森是能把线上的大数据和线下的数据进行结合,所以我们的销售漏斗要比单单只有线上大数据的销售漏斗要更加全面。一来,因为打通了线上线下的数据,所以在这里面找问题的时候,就可以知道销量到底是线上出了问题还是线下出了问题。二来,能发现销量到底是出在关注的环节、兴趣的环节、意向的环节、到店还是定单的环节。

    下面再看看我们内部,产品规划方面是不是有一些问题呢?

    首先把本品和刚才我们用线上大数据分析出来的所有的竞品做了一个对比,这个对比分别体现在外观、油耗、配置等几个方面,结果发现是我们在内饰的部分跟竞品差距比较大。发现了这个问题,一般是自己想办法去改善配置。有了这个系统之后,我们有一个配置模拟的工具,根据输入的参数包括我们优化的模式,系统会自动按照我们的要求给出一个配置优化的方案,通过这样一个模拟的过程,来提升我们的配置跟竞品配置的装配情况,通过系统能自动模拟配置的情况。

最后我们再来看一下市场推广方面或者渠道方面有什么问题。从这个图可以看到,在17年第二季度里面,我们产品的4S店是相对稳定地发展,而竞品的这两条线,会发现它的4S店的数量有一个猛增的势头,说明竞品厂商正在大力拓展销售渠道。我们需要注意,除了4S店的销售渠道有增加之外,另外我们看到我们的库存水平和竞品的库存,实际上本品的库存水平是相对比较好的,这就说明在跟竞品的竞争过程中,是不是要考虑拓展销售渠道?

这是我们从三个方面发现的问题。这一个个问题实际上是散乱在系统里的,这时候还可以通过一个完整的界面,把所有问题全部汇总,从而形成决策。

这是威尔森DSS系统现阶段的思考,现阶段系统还是基于发现问题,发现问题的原因,这些原因的分析也是由人的思考得出结果。为了辅助决策我们实际上还有更深入的一些思考,在未来,DSS系统到底会演变成怎样呢?

 

威尔森将实现更智能的决策支持

智能推送预警消息

首先,威尔森海量的数据是封装在系统算法里面的,当系统通过机器学习的方式,识别到某车型的销量完成率是有风险,高达1%的时候,系统开始预警。因为我们不可能每天都登录系统来查看销量目标是否有预警,那这个时候系统会自动发送信息到移动端,也会发邮件到邮箱。当我们看到就知道销量在下个月完成的过程中可能会有问题。再打开查看具体是哪个车型的销量发生了预警的风险,风险概率又有多高等等。

智能给出多种解决方案

在未来的系统里面,可以考虑由系统给出我们解决方案,当我们发现了问题,系统能够通过继续学习的算法,把每一个厂商日常做决策的思路,固化到系统里面去,由系统给出我们解决方案。

举个例子,系统给出的解决方案有三个部分,第一是调整商务政策,第二是增加广告投放,提高曝光率,第三是更改经销商端的营销话术。方案均有不同的推荐优先级。

当选择第一个方案,进入到界面,目前是归结成三个方面的商务政策,以后会根据每个厂商的诉求,根据每个厂商实际执行过程当中的行为分析,总结出更多的商务政策调整方案。当调整下面的三个策略的时候,包括提车支持、零售支持、金融支持,下面的销量表现会相应做一些改变,从而体现完成的风险还剩百分之多少,包括右侧也有现在的库存水平,用这四个因素来决定销量表现的情况。这些因素因为是非常复杂的,所以我们在真正落地的过程中,会根据每个厂商的诉求来进行不同的定制化实现。

基于不同的库存水平,系统自动模拟运营的结果。促销力度的手段和调整模拟的结果可以实时的刷新,这是真正让我们的厂商能够在系统里面得到一些智能化建议,而不是由人的经验去分析问题及制定解决方案。不一定选一个解决方案就能解决问题,所以可以综合选择两个方案来调整解决方案策略。这里大家会看到,因为我们增加了一个新的解决方案,广宣的投放,同样在调整这几个参数的过程,比如利润优先、效能优先,通过这四个参数分别去调整来影响销量完成的风险。

威尔森把原来冰冷的数据,变成人可以去容易理解的、真正人工智能的、跟人可以交互的一些解决方案和算法。

智能关联相关人员

有了解决方案并不就此终止,必须把解决方案转化成行动方案。即系统的风险预警、解决方案可一键发送给公司内部相关的各部门人员。像销量目标的达成,不是某一个部门就可以完全解决的,所以需要把不同部门的人关联起来,当发生问题的时候,要把解决方案让每个人都能知道。

智能记录历史操作优化后续方案推荐

在系统里,相关部门的人员可以针对解决方案进行讨论,把最终确认的系统建议解决方案和我们最终确定的解决方案全部汇总到系统里。在这里边每一次选择的解决方案,系统会通过记录的形式把它全部记录,促使系统以后的推荐方案越来越贴近主机厂的个体诉求。

 

从发现到解决问题提供一站式解决方案

威尔森希望DSS真正能成为主机厂的场景化智能决策伙伴。在决策的过程中,我们实际上做了几件事情:第一,把不同源的数据,包括线上线下数据、调研数据进行打通,这是我们能够做智能化决策的基础。第二,我们会不断开发更多的场景,包括区域销售管理、产品规划、新车上线等等。第三,我们会有更多的决策辅助的工具,现在已经开发出来的包括周度的销量预警、配置决策工具、价量模拟工具,以后也会有更多的工具。第四,我们也会有更多的新数据,包括正在研发的、互联网用户行为大数据、还有包括售后的数据,这些数据都会成为将来决策的基础支撑。最后我们也会把所有传统的报告整理在系统里,未来从系统的功能上,还将不断演变。

威尔森希望DSS不止是日常的一个应用系统,更多的是能在办公的过程中把每天要做的决策工作转化成在系统里的一键式问题解决方案,从而能在日常工作中与系统进行交互。威尔森致力于推动汽车数据智能决策,使汽车行业多源复杂数据互联互通,运用人工智能算法实现客户的商业逻辑,所以我们今天提出了“智驱计划”,并正式启动,谢谢大家。