명확한 데이터 관리 및 애플리케이션 시스템 계획 부족
최근 몇 년 동안 우리나라 자동차 산업은 폭발적인 성장을 보였지만, 자동차 산업은 이미 국민경제의 절대적인 지주산업이 되었지만, 많은 자동차 업체들은 일반적으로 체계적인 데이터 관리 및 응용 계획이 부족하고, 심지어 대형 자동차 그룹 기업과 합자기업도 이 방면에서 잘 수행하지 못하고 있다.
주된 이유는 다음과 같습니다. 데이터 관리 및 응용 가치에 대한 심층적 인 이해가 부족하면 누구나 "과학적 의사 결정, 정교한 디지털 관리" 의 진리를 이해할 수 있지만 핵심 가치와 방법론을 이해하는 사람은 거의 없습니다. 공업의 초례적인 발전에 따라 기업의 경영관리는 항상 불안정한 상태에 처해 있어, 계획은 왕왕 변화를 따라가지 못한다. 변화하는 상황은 또한 데이터 관리 및 응용 프로그램의 계획 및 구현을 제한합니다. 기업의 정보 흐름 관리는 자금 흐름과 물류 관리보다 훨씬 복잡하지만, 데이터 관리는 근본적으로 사람, 시스템, 관리 시스템의 조합이며, 하나는 없고 하나는 쓸모가 없다. 중상주의 경향은 종종 기업 운영의 결과 지향으로 이어지고, 데이터 관리 및 응용 프로그램의 프로세스 관리 가치를 정확하게 측정하기 어렵고, 엔터프라이즈급 계획의 대규모 보급을 제한하는 경향이 있습니다.
자동차 기업은 기업 문화, 프로세스 시스템, 제도 건설 등에 맞춰 단기, 중, 장기 데이터 관리 및 애플리케이션 계획을 세워야 합니다. 구체적인 내용은 데이터 통합 및 품질 관리, 데이터 분석, 마이닝 및 비즈니스 인텔리전스, 비즈니스 의사 결정 및 마케팅과 같은 특정 비즈니스 링크의 실제 응용 프로그램입니다.
정보 시스템은 많지만 정보의 섬이 심각하다.
정보 시스템은 매우 많은데, 원래의 시스템 계획의 자발성에서 비롯된다. 정보의 외딴 섬은 전통적인 분업 관리의 열세에서 비롯된다. 관련 이념과 해법은 이미 여러 해가 지났지만 자동차 업체에서는 여전히 대규모로 개선할 수 없다. 자동차 기업의 각 기능 업무에 사용되는 CRM, 재무, HR, ERP, SCM 등의 업무 시스템, 리셀러가 사용하는 DMS 시스템, 판매, 애프터, 마케팅, 금융, 자동차 금융 등의 업무 하위 시스템 (예: 대규모 고객 관리, 금융보험, 중고차, 보증, 부품 시스템)
기업 규모가 커짐에 따라 많은 IT 시스템이 기업 차원의 부담이 되고 관련 투자도 눈덩이처럼 증가할 것이다. 더욱이, 기업의 모든 수준에서 사람들은 관련 데이터를 한 각도에서 유지, 관리 및 사용할 수 없습니다. 업무 부서 간에 대량의 데이터 장벽이 있어 업무 과제 간 분석 연구가 매우 어렵다. 비즈니스 의사 결정은 적시에 정확하게 할 수 없으며, 특정 비즈니스 응용 프로그램은 완전한 과학적 효과를 나타낼 수 없습니다.
장기적인 데이터 품질 관리 무시
어떤 데이터 시스템도 단순한 IT 시스템이 아니어야 합니다. 잠재적인 가치를 충분히 발휘하려면 인간적인 관리와 프로세스 시스템의 협력이 필요합니다. 후자의 양자가 없으면 데이터 품질은 보장할 수 없고, 데이터는 쓰레기와 금의 혼합체일 뿐이다. 대부분의 자동차 기업의 데이터 품질 관리는 아직 지속 가능한 발전 수준에 이르지 못했고, 유일한 데이터 품질 관리 프로젝트도 종종' 단편화' 이다.
실제 업무에서 자동차 기업은 엔터프라이즈 데이터 통합 및 마스터 데이터 관리, 장기 데이터 품질 평가, 리셀러 (가짜) 데이터 관리, 대규모 데이터 정리, 청소, 유지 관리 및 보존이 부족한 경우가 많습니다.
특히 리셀러에 대한 데이터 관리에 중점을 둡니다. 한편으로는 리셀러가 다양한 목적 (예: 더 높은 만족도 점수 획득) 으로 원시 판매 및 애프터 데이터를 위조할 경우 자동차 기업은 특정 수단을 통해 이러한 현상을 선별하고 규범화해야 합니다. 반면 리셀러 그룹이 성장함에 따라 여러 공급업체의 비즈니스 시스템을 구축해야 하는 경우가 많으며, 리셀러 그룹도 자체 데이터에 대한 엔터프라이즈급 통합 및 데이터 품질 관리가 필요합니다. 현재 업계의 성공 사례는 비교적 적다.
데이터 분석은 비즈니스 의사 결정 및 비즈니스 애플리케이션을 지원하지 않습니다.
데이터 분석 및 응용 프로그램의 목적 부족, 필요한 인력, 플랫폼 및 분석 방법론의 부족으로 인해 자동차 기업들은 경영 의사 결정 및 비즈니스 응용 프로그램의 과학적 측면에서 IT, 통신, 금융 등 주류 산업에 비해 훨씬 뒤처져 있습니다. 데이터 분석은 대량의 반복적이고 간단한 수작업 및 긴급 업무 보고에서 흐릅니다.
이와 관련하여 자동차 기업들은 일반적으로 과학적 의사 결정, 데이터 말하기의 기업 문화의 핵심이 부족하며, 데이터와 정보는 일상적인 업무 및 관리에 침투하지 않습니다. 일반적으로 엔터프라이즈급 및 부서급 관리 의사 결정 지원 시스템 또는 비즈니스 인텔리전스 시스템이 부족하여 데이터를 효율적으로 요약하고 분석할 수 없으며 심층적인 비즈니스 모델 애플리케이션은 말할 수 없습니다. 동시에 자동차 업체들은 통신, 금융업계처럼 방대한 양의 데이터를 대규모로 발굴한 다음 다양한 비즈니스 주제 (특히 마케팅 주제) 를 모델링할 수 없습니다.
데이터의 비즈니스 애플리케이션은 간단하고 공식적입니다.
상술한 내용이 부족하기 때문에, 중국 자동차 기업의 데이터 업무 응용은 보편적으로 비교적 간단하고 조잡하다. 자동차 마케팅 앱을 예로 들자면: CRM 의 이념은 자동차 기업의 마케팅 체인에서 심도 있게 시행될 수 없습니다. 한편으로는 리셀러 판매 모델의 제한으로 인해 관련 데이터와 애플리케이션 시스템이 완벽하지 않습니다. 더 중요한 것은 관련 이념과 업무 응용이 아직 많은 자동차 마케팅 담당자들에 의해 깊이 이해되지 않았다는 것입니다. 외부 데이터의 경우 자동차 회사는 단순히 데이터베이스 마케팅을 통해 가망 고객을 얻는 경향이 있습니다. 내부 고객 데이터의 경우 자동차 회사는 정기적으로 직접 우편, EDM, 문자 메시지 등을 통해 고객 관계를 유지하는 경우가 많습니다. 이러한 애플리케이션은 고객 관계 관리의 일환일 뿐, 고객 데이터를 통합, 분석 및 모델링하는 방법, 잠재 고객, 구매 고객, 성숙한 고객, 흔들림 고객, 고객 손실, 고객 구조 등 다양한 고객 수명주기의 고객 요구 사항을 식별하는 방법 등이 있습니다. ), 특정 고객 기반에 대한 정확한 마케팅 및 유지 관리 프로그램을 설계하고 대규모로 구현하는 방법은 향후 자동차 마케팅 담당자들이 중점적으로 고려할 문제와 비즈니스 방향입니다.
전체 비즈니스 계획, 시스템 및 통합, 데이터 품질 관리, 비즈니스 의사 결정 지원 및 비즈니스 응용 프로그램의 다섯 가지 측면에서 중국 자동차 기업은 여전히 데이터 기반 과학 관리 및 응용 시대의 도래를 환영하는 데 많은 결함이 있습니다. 아직 갈 길이 멀다.