「专栏」为什么说大而全的汽车数据库建设是误区?

0

「专栏」为什么说大而全的汽车数据库建设是误区?

借我借我一双慧眼吧,让我把汽车大数据和汽车专业数据看得清清楚楚、明明白白、真真切切……

▍马程

「专栏」为什么说大而全的汽车数据库建设是误区?

别谈模式,谈基础

从2014年开始,国内汽车后市场风生水起,O2O平台如雨后春笋般的涌现,互联网+ 概念的模式在资本推动下渗透到包括二手车交易、维修保养、配件经销等传统领域,一批批跨界而来的创业者(野蛮人)将后市场的信息化、网络化推向高潮。

然而无论何种模式都绕不开一个最基础的难题:汽车专业数据库的建设。国内的汽车品牌和车型数据的复杂程度远远超过欧美。

国外有较为成熟的汽车数据服务商,专业为汽车维修、保险、配件等企业服务。纵观国内,多年来却没有一家真正意义上的专业数据公司。

究其原因,除了厂家的封闭以外,更重要的还是因为国内汽车厂家众多,品牌复杂,具体看下表:

「专栏」为什么说大而全的汽车数据库建设是误区?

*以上数据来自力洋汽车信息的乘用车车型数据库

乱成一锅粥的VIN码

“世上本无路,走的人多了就自然形成路”。无论国内汽车品牌多繁杂,数据工作也要有人去做。

大致来说,汽车专业的数据库应该分成以下几类:

「专栏」为什么说大而全的汽车数据库建设是误区?

车型数据库的建设是基础,不论二手车、汽配的O2O平台都要依靠车型数据,这个基础库包括了VIN码数据库、车型配置信息库和车型数据库。

其中VIN码的应用在发达市场是标配,但是由于国内的封闭原因,第三方公司是无法获取到完整的生产系统的VIN码数据库。

国内很多企业采取的是前八位检索法,这是种很简单的办法,其弊端是识别匹配模糊,无法做到精准匹配车型。只有少数公司,将规则识别+VIN数据库结合后才能识别比较完善。

同时自主品牌VIN码规则的不规范,也是妨碍VIN码第三方识别技术完善的一个原因。

耗时耗力的车型数据库建设

车型库网上到处都是。但事情真的那么简单吗?

笔者曾经帮十余家汽车网站做过车型匹配和核对校验工作,发现大量问题。专业的车型库针对不同汽车服务领域需要有不同的标准建设。

例如,二手车需要的是配置和参数的准确,其年款和配置决定了二手车的估值价格。配件行业需要的是准确的车型年款和划代区分,精准的发动机型号、变速器型号以及底盘号或厂家代码。

虽然车型字段内容不多,但是其专业度要求非常高。一般的汽车媒体或网站根本无法做到专业化程度,需要长时间的团队努力,来制作维护车型库,特别是老款车型信息的修订工作。

VIN和车型库在二手车行业的应用主要在快速识别车型,传统的方式下人工去核对登记一辆二手车的信息,需要的时间最少也要十几分钟,当你输入一个VIN码的时候,仅仅需要二十几秒就可以看到这个车辆的基本信息和标准配置,这时候,业务员只要查看一下差异化的配置既可以准确定位这款车型。大大节省人力和时间同时保证的准确性。如下图:

执行流程:

「专栏」为什么说大而全的汽车数据库建设是误区?

应用案例:

「专栏」为什么说大而全的汽车数据库建设是误区?

在国内大多数的二手车平台或拍卖行,这些数据都有其用途。

大而全的汽车数据库是误区

目前汽车后服务市场里最火的当属汽车保养和配件供应链平台。从数据的角度来看,所有的平台都希望拥有一套大而全的数据库,其实这是个误区。

我们将这个领域的数据分开来看,可分三类:保养周期数据库、油液数据库、配件数据库(所谓同质件和OE件)。

几乎开始做汽车配件O2O电商平台都希望自己底层库大而全,但是实际上是无法做到的。

首先是成本费用,常见品牌28个,而每个品牌制作成本至少5-8万元,这笔开销是很庞大的,这还不包括更新费用。

同时,数据难点在于不同厂家的不同分类标准、不同厂家的不同零部件名称描述需要建立统一标准目录,一级分类、二级分类,统一常见的800多个配件名称,然后同统一标准车型数据库做匹配对接。如下图:

「专栏」为什么说大而全的汽车数据库建设是误区?

根据调研和实际测试,一个4S店的库存常年不超过5000个品类。而常用配件最多也才200个品类以内,很多配件是套件不单独出售,有些配件直到汽车报废也未必会更换,例如大梁底盘和车身。

因此,大而全的配件数据库在国内不论从版权还是实际应用层面都无法做到。应用的情况如下图:

「专栏」为什么说大而全的汽车数据库建设是误区?

汽车电商平台对于数据的应用,更主要的是常用件,而对全车件需求的也仅仅是重大事故车维修时需要。对于O2O的平台运营来说,还是易损易耗件使用频率较高。

而国内传统配件商本身也没有完全做到全品牌全品类的覆盖,大家都是各有偏重,例如做日系车配件的,做德系车配件以及美系车配件的,重点是做自己数据的产品。做自己最专业最精通的产品才是靠谱的。

数据库在O2O行业的应用

越来越多的快修连锁和4S店开始使用O2O模式做营销。即线下实体店结合移动端的微信、APP软件以及网站进行运营。这种平台开始使用车型+保养数据的解决方式集客、预约保养。

当专业数据成为标准保养流程的底层支持的时候,车主将得到快捷的体验,车主可以随时通过手机移动端扫描行驶证上传,识别出准确的车型信息。

根据这一信息,车主可以了解到车辆当前行驶里程,判断该做哪种类型的保养,需要换什么配件、做什么服务,同时还可以看到原厂件价格和品牌件价格。一切一目了然。

「专栏」为什么说大而全的汽车数据库建设是误区?

对于维修保养企业来说,通过应用系统后台获得车主车辆信息及时准备配件和服务,也做到了流程规范性,运营便捷性。

以前只有4S店拥有自己的专一品牌车型及其相关数据,现在第三方数据公司的出现也让更多的快修连锁和综合类修理企业获得专业的数据支持从而加快汽车后市场服务的标准化、规范化建设步伐。

专业数据才是大数据的基础

汽车行业大数据挖掘的基础是专业数据库的建设。

你要做某个城市汽车保有量的统计和挖掘,首先你需要知道车型分类有哪些?厂商品牌有哪些?车型有哪些?做的精细一些的如:

帕萨特车型大约有10万辆,那么其中帕萨特B5型有多少?帕萨特领驭有多少?新领域有多少?新帕萨特有多少?

这就是需要对同一款车不同时期的车款进行区分,这就需要有标准车型数据库做支持。否则统计出来数据容易产生误差,提供的信息就会有问题。

「专栏」为什么说大而全的汽车数据库建设是误区?

专业数据是构成大数据分析挖掘的基础,它的质量直接影响大数据的精准,大数据的结果对专业数据可以起到修订作用。

小结:

在互联网+的时代来临之际,汽车电商也在这两年得以飞速发展,从大数据营销到O2O的兴起、汽车行业面临的不断的变革,然而汽车行业是个极其专业的领域。

数据只是行业信息化发展最基础的构成。数据不在于大而全而在于实用和精准,汽车电商平台建设和后市场行业应用都需要去积累和修订数据库,其真正的核心在于运营和应用。

Comments are closed.