牛牛汽车创始人陈琰俊：落地智能服务，加速汽车流通

2018年6月14日，由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导，上海市长宁区青年联合会、亿欧公司联合主办的“2018全球智能+新商业峰会”行业峰会“智能+新服务峰会”在上海长宁世贸展馆举行。

本次峰会以“AI落地，产业升级”为主题，现场聚集超过5000位AI行业内外人士，共同探讨AI目前面临哪些挑战，当下如何商业落地，未来将会怎样发展等问题。“智能+新服务峰会”聚焦B端服务商，探讨2018年不容错过的前沿技术与热点话题，人工智能、大数据、云计算……在人工智能时代下重新定义“新服务”，寻找大变革时代中to B服务商的坐标与方向。

【陈琰俊现场演讲实录（有删减）】

大家下午好，我是牛牛汽车的创始人兼CEO陈琰俊，先来介绍一下我们公司背景情况。我们成立于2014年下半年，主要做新车B2B电商服务平台，服务B端用户，包括主机厂、4S店、汽贸店、金融公司、物流公司和汽车相关的服务商，没有对C端用户开放。3年多时间，牛牛汽车平台积累20万的用户，接近整个汽车流通领域所有商户的全覆盖，每天都有上万条寻车和报价的交流。去年，牛牛汽车也完成了30几万车辆的撮合交易以及数万台的自营交易。今天我要讲的主题是围绕这些数据背后，如何用大数据和BI的服务推动产品的进一步演变，将通过一个个案例来讲述。

一个标准大数据的技术基础模型，包括从数据的接入，到数据的应用。那么这如何在牛牛汽车上具体应用的呢？比如说宝马的5系，一台宝马的车子，有很多颜色，内饰也有很多种，车型里面有很多的款式。C端用户买车，会说标准的用语，举例买一台宝马350LI领先型，外面是珍珠白，内饰是什么灰，假设指导价格53.69万。

但其实每个行业都有黑话，如果是行业里交流，肯定不会这么说。我们会这么问：你手上5369有没有，我要一台5369的白黑。这是一条自然语言，我们通过打电话或者微信双方都能理解在说什么，但是这种语音是不能被计算机利用的。那么大数据做了什么呢？它把整个市场类似的这些黑话会收集起来，通过机器不断的学习，最后可以把行业里面的黑话翻译成标准的语言。

这个有什么用呢？牛牛汽车平台上有一个重要的功能，叫车源上架，一个车型上架需要点20几个选项，耗时20多分钟。如果有这个功能，就把原先微信圈里面的行话数据，瞬间转化成计算机认可的信息。据我们调查，商户由于这个使用功能体验的改善，更愿意把手上的资源放上来。这也让牛牛汽车平台上累积大量的车源信息，进而也吸引了大量的需求信息。这就是小小的技术变动，引起对产品的变化，所以现在牛牛汽车平台上可以积累了30万台的各种车型的车源库，这就是大数据和机器学习在我们这个场景下对我们这个功能在产品上的提升。

再来分享一个案例。业内有各种数据来源，不只是汽车行业的数据来源，还有其他，互相之间的标准是不一样的，我们需要经历数据接入、数据标准化，再进行数据的提取，最后实现数据展示出来。对于一个主机厂来说，他时时刻刻都希望将生产的车子都卖出去，但是实际上目前为止生产计划和零售始终没有匹配过，数据总会有差异，比如到底是白色的多生产一些，还是黑色的多生产一些，天热了要多生产白色，多生产多少？对于一条流水线来说，小则一年是几万台的产量，大则几十万台，一个误差，可能多生产上万台甚至几十万台。主机厂判断这个就很困难，通常行业内的做法是：主机厂让4S店报，你们3个月后要什么颜色，4S店也没有办法准确预判，只能报一个大概的数据。主机厂拿到数据之后，开始生产，最后就会出现计划和实际需求不匹配。

我们能做什么？牛牛汽车平台上面会累计过去所有商户在过去几年时间所有车型的历史价格，历史的库存水平，历史的热度水平，以及现在这个时间点上整个汽车流通领域有多少车子，以及这个时间点上流通领域有多少人要这个车子。这些数据是牛牛汽车可以提供的，但是这些数据可以给厂方提供一定的指导，但是还不能保证完全科学，这时候就要做数据整合。

我们最近一直在和几家重要的合作方推进一个合作项目，包括一些公司如查违章的、C端流量（汽车之家）的，通过这几方面的维度数据拼成大的数据塔。具体而言，查违章的可以实时监控路上的车源和一些车辆信息，如大概是什么车型、什么品牌、什么年份和什么颜色。甚至，查违章的数据可以给出在一个区域内哪些年龄层容易违章，哪些车容易违章。这些数据加上汽车之家的数据、厂方的数据和我们的数据，就可以看到历史的、现在的，B端的需求、供给；C端的需求，以及厂方的供给。这些数据整合在一起的时候，就可以更科学的指导主机厂、4S店，更科学进行决策。这就是通过大数据或者BI的方式，形成对产业的帮助。

再来分享一个牛牛汽车自己的案例，我们通过数据整合之后，对自己的一些工作的指导。去年，牛牛汽车完成了某一家合资品牌主机厂11000台车型的采购，一个车型，一个配置，一个颜色。11000台大概是什么概念？平均一家4S店全年销量是1千台，11000台相当于11个4S店。这个业务决策就需要通过数据来进行判断。

我们当时拿到了两个维度的数据，一个厂方一个我们的。厂方告诉我它的仓库多少车子，4S店还有多少库存，也告诉我过去4S店销售的情况，以及给4S店的销售价格。我们自己的数据包括这个车型历史上销售价格趋势，历史上库存价格的趋势，历史上的需求的趋势，以及车型竞品相关产品。这两方面的数据结合在一起，就可以判断是否有可能在一个阶段的时间段内完成这批车子的分发。

这个案例是一个采购决策，同时在销售的时候也会根据这些数据判断，应该在哪些区域卖，卖给谁，按照什么价格和节奏，通过数据的整合推动销售决策。

我再用一个案例来讲下数据的支撑。今年我们和汽车之家会联合授权给我们的加盟商户，给这些商户在具体业务中进行赋能。每个商户要车源还是要物流，到底需要什么，有时候判断是不明确的。牛牛汽车基于我们平台上它们之间的交易数据，告诉它在哪方面加强，这是自上而下的赋能。自下而上也有，通过分析商户横向的交易数据，反过来告诉主机厂，商户需要什么，告诉金融公司、商户等，C端用户需要什么产品，你们应该怎么服务于他们。通过自上而下，自下而上相结合，帮助他们的业务更好的落地。这些工作表面看起来是业务，其实背后都是数据为导向。

所有的像我们互联网+传统产业的企业，发展一定规模之后，有两条分支，其中一条是业务会越做越扎实，另外一条是产生的业务数据会有很大的价值。这些数据将来有可能服务企业，也有可能服务行业。今天在场的这些专业领域的企业，如何利用数据更好地服务企业，可以和我们一起探讨，也欢迎与我们进行合作，祝大家业务越做越顺利，谢谢大家！