如何帶領一個供應鏈團隊，總共分4大步驟：建立團隊的文化與機制、制定戰略和目標、執行戰略并措施落地、構建氛圍和賦能育才。

在執行戰略并措施落地板塊，闡述了數字化轉型工具和整體思路，導出了供應鏈數字化結構：三端（供應端、生產端、消費端），四層（基礎層、運營層、監控層、戰略層）。

上一期分享了三端中的生產端數字化轉型思路和案例，今天，我們一起聊一聊供應鏈三端中，消費端是如何進行數字化轉型的。   

-1-消費端的分類

以汽車行業為例，消費端分為售前、售后、再購三大環節。

其中，售前環節主要包括了線索、需求、展示、試用、簽單、交付。這個環節的大數據應用主要體現在客戶分類分析、銷售線索管理、線索跟進與再激活、廣告設計與投放、市場營銷活動設計與投放、客戶行為分析、后勤管理、訂單管理等。

售后環節主要包括維修、保險、生態衍生、召回。這個環節的大數據應用主要體現在客戶信息持續更新、會員管理、客戶忠誠度管理、客戶滿意度管理，質量保證、服務升級與促銷、客戶投訴管理等。

然后是再購環節。這個環節的大數據應用主要體現在產品廣告與促銷、金融服務、產品調查問卷、口碑管理等。

-2-消費端的痛點分析（客戶調研）

供應鏈日常智庫團隊在提供咨詢時發現，這個環節很難做到對客戶使用產品習慣的自動收集，往往在開發時不是站在客戶怎么用的角度，而是企業管理者覺得客戶怎么用的角度，如果是這樣的需求調研，與真實需求真是差之千里。

消費端的數字化轉型痛點在于：該環節的數字化轉型停留在與客戶的交互層面，并沒有利用客戶端的數據做數據發掘、清理和再利用，從而產生更多的價值。

-3-消費端的4A解析

3.1 BA（業務架構）

銷售端的業務架構如下圖所示：

首先在售前環節獲得銷售線索（Leads），在銷售管理體系中銷售線索處于客戶產生機會的最前端，然后銷售人員會對線索和需求進行分析，根據分析結果采取不同的線索跟進策略，盡可能的將客戶引導到店，通過實車展示給與客戶最直觀的印象，根據客戶需求組織產品的試乘試駕，如果客戶有意向則開展價格合意、合同簽訂，最后訂單交付。

而在售后環節，除了常規的維修保養以外，還有汽車金融服務，如保險等，而最容易忽視和挖掘潛力最大的環節，則是根據用戶的駕駛習慣、生活習慣，通過車聯網的方式廣泛收集用戶相關數據，形成以車輛為中心的用戶生態/車友生態，在這個生態下開展類平臺業務。

銷售端的業務架構不得不談到經典的銷售漏斗，我們從各種銷售渠道獲取線索，然后盡最大可能將線索轉化為潛客，最終促成成交，從下圖可以看出，線索越多，同時各環節轉化率越高，則成交量越大：

結合消費端的客戶訪談和痛點分析，在業務架構梳理的基礎上，我們在咨詢的過程中，對客戶訪談中提到的痛點進行聚焦和分級，聚焦在了售后環節，分解的痛點主要有3項：

1.維修：對車輛的預防性維修不足，都是事后補救

2.保險：定保規則千篇一律，缺少對不同車主/車輛的合理配置

3.生態衍生：智能化浪潮下，不少企業仍認為產品是交通工具，沒有向作為生活載體/平臺方面轉型

帶著對售后環節的以上3點問題，隨后進行了數據、應用以及技術架構的分析。       

3.2 AA（應用架構）

消費端的應用架構如下圖所示，“供應鏈日常智庫”咨詢團隊在梳理過程中發現，線索收集和需求預測通常使用“線索&需求管理系統”，這個系統往往對接生產端的排程APS系統；而展示、試乘試駕等功能收錄在“經銷商店端管理系統”中；維修、保險等功能收錄在“售后管理系統”中。

應用架構上部分功能和算法的缺失，造成了業務架構中體現的部分痛點，也印證了客戶訪談階段提出痛點的部分原因，而這個環節的痛點主要有三點：

1.維修：缺少一套對車輛異常數據分析的算法、實現預防性維修的功能

2.保險：缺少一套對車主駕駛習慣分析、推導最佳保險組合的算法

3.生態衍生：缺少一套對車主生活、消費習慣的分析算法，用來和其他商業平臺對接/互動

3.3 DA（數據架構）

消費端的數據架構如下圖所示，線索和需求管理系統產生了線索數據，傳遞給經銷商店端管理系統，成交后形成交付數據，傳遞給售后管理系統，經過一段時間的積累，形成用戶使用數據。

由于在初期，沒有對用戶端的數據產生業務需求，所以在數據端并沒有進行針對性的收集和處理，所以在數據架構板塊，痛點分解有三：

1.維修：缺少對車輛使用數據（磨損、耐久等）的收集和處理

2.保險：缺少對車主駕駛習慣數據（如駕駛歷程、時長、出行距離等）的收集和處理

3.生態衍生：缺少對車主個人信息、生活方式、需求、態度、價值、行為數據的收集和處理

3.4 TA（技術架構）

消費端的技術架構如下圖所示，線索收集和交付數據收集主要靠線上終端、線下終端完成信息的傳遞；而售后環節的維修數據主要存儲在ECU等核心硬件中，駕駛習慣主要存儲在各傳感器中，而消費和個人習慣主要存儲在車聯網設備中。

這個環節的數據收集設備是有的，痛點在于沒有很好的挖掘的利用起來。        

-4-痛點分析導出變革項目

基于第二步（對于客戶的訪談），得知消費端數字化轉型的痛點大體是：該環節的數字化轉型停留在與客戶的交互層面，并沒有利用客戶端的數據做數據發掘、清理和再利用，從而產生更多的價值。

基于第三步（在業務架構、應用架構、數據架構、技術架構）的梳理和痛點分解，聚焦到具體的問題：

1.由于缺少對車輛使用數據（磨損、耐久等）的收集和處理，缺少一套對車輛異常數據分析的算法，所以很難實現預防性維修。

2.由于缺少對車主駕駛習慣數據（如駕駛歷程、時長、出行距離等）的收集和處理，缺少一套對車主駕駛習慣分析、推導最佳保險組合的算法，所以定保規則千篇一律，缺少對不同車主/車輛的合理配置。

3.由于缺少對車主個人信息、生活方式、需求、態度、價值、行為數據的收集和處理，缺少一套對車主生活、消費習慣的分析算法，所以不能實現和其他商業平臺對接/互動，從而根本實現車輛從單純的交通工具到作為立體化生活體驗載體的轉變。

供應鏈日常咨詢團隊在采用成套、成體系的診斷方法之后，得出了消費端的痛點分析報告（以上是濃縮的簡述），根據痛點分析報告設計了變革項目：《基于數字化的供應鏈消費端生態體系構建》，該方案的細節就不在此描述了，咨詢團隊和鏈主企業一起，從近期正式開始方案的設計實施：

1.針對預防性維修，供應鏈日常咨詢團隊通過記錄車輛關鍵零件使用頻次、電流電壓異動數據等，顯示一定時間范圍內某個事件預計發生的頻率，一旦發現潛在的質量問題，就能盡早遠程在售后服務中心進行報警，同時通知車主能夠及時返回售后端進行主動性、預防性維修，這一點將會是以后提高客戶滿意度的主流手段之一。

2.個性化保險方面，我們從各種傳感器中提煉出：行駛里程、平均出行時長、平均出行距離、平均每天出行次數、平均每天出行時間、平均一天駕駛距離、平均一周駕駛距離、平均速度、變道次數、變速頻率、緊急剎車次數、占道次數、違規次數等，編輯一定的算法，每年滾動更新出不同車主的保險系數和保險金額，大幅降低保險企業的風險，提高保險效率。

3.衍生生態方面，我們在車主允許的情況下，收集必要的個人信息，生活方式、用車需求、品牌偏好、品牌態度、客戶品味、購物行為等等，經過一定算法的分析后向客戶提供其所需要的服務和潛在的需求服務，并和提供這些服務的商業形成一個生態圈。如下圖所示，部分用戶大數據移動范圍和行為習慣評估

截至目前，咨詢方案將會進一步優化和得到驗證，銷售端的數字化充滿了無限可能，因為客戶是自由的、離散的，但又是有規律的、高價值的，一定要帶著數字化的思維進行挖掘，不然一定會被市場和競爭對手拋棄。