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点，上海市长宁区青年结合会、亿欧公司结合主办的“2018全球智能+新商业峰会”行业峰会“智能+新效劳峰会”在上海长宁世贸展馆举行。

本次峰会以“AI落地，产业晋级”为主题，现场聚集超越5000位AI行业内外人士，共同讨论AI目后面临哪些应战，当下如何商业落地，将来将会怎样开展等成绩。“智能+新效劳峰会”聚焦B端效劳商，讨论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“新效劳”，寻觅大革新时代中to B效劳商的坐标与方向。

以下为 牛牛汽车 开创人兼CEO陈琰俊演讲（有删减）：

大家下午好，我是牛牛汽车的开创人兼CEO陈琰俊，先来引见一下我们公司背景状况。我们成立于2014年下半年，次要做新车B2B电商效劳平台，效劳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效劳商，没有对C端用户开放。 3年多工夫，牛牛汽车平台积聚20万的用户，接近整个汽车流通范畴一切商户的全掩盖，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几万车辆的撮合买卖以及数万台的自营买卖。 明天我要讲的主题是围绕这些数据面前，如何用大数据和BI的效劳推进产品的进一步演化，将经过一个个案例来讲述。

一个规范大数据的技术根底模型，包括从数据的接入，到数据的使用。 那么这如何在牛牛汽车上详细使用的呢？比方说宝马的5系，一台宝马的车子，有很多颜色，内饰也有很多种，车型外面有很多的样式。C端用户买车，会说规范的用语，举例买一台宝马350LI抢先型，里面是珍珠白，内饰是什么灰，假定指点价钱53.69万。

但其实每个行业都有黑话，假如是行业里交流，一定不会这么说。我们会这么问：你手上5369有没有，我要一台5369的白黑。这是一条自然言语，我们经过打电话或许微信单方都能了解在说什么，但是这种语音是不能被计算机应用的。那么大数据做了什么呢？它把整个市场相似的这些黑话会搜集起来，经过机器不时的学习，最初可以把行业外面的黑话翻译成规范的言语。

这个有什么用呢？牛牛汽车平台上有一个重要的功用，叫车源上架，一个车型上架需求点20几个选项，耗时20多分钟。 假如有这个功用，就把原先微信圈外面的行话数据，霎时转化成计算机认可的信息。据我们调查，商户由于这个运用功用体验的改善，更情愿把手上的资源放下去。这也让牛牛汽车平台上累积少量的车源信息，进而也吸引了少量的需求信息。这就是小小的技术变化，惹起对产品的变化，所以如今牛牛汽车平台上可以积聚了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用在产品上的提升。

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，相互之间的规范是不一样的，我们需求阅历数据接入、数据规范化，再停止数据的提取，最初完成数据展现出来。 关于一个主机厂来说，他时时辰刻都希望将消费的车子都卖出去，但是实践上目前为止消费方案和批发一直没有婚配过，数据总会有差别，比方究竟是白色的多消费一些，还是黑色的多消费一些，天热了要多消费白色，多消费多少？关于一条流水线来说，小则一年是几万台的产量，大则几十万台，一个误差，能够多消费上万台甚至几十万台。主机厂判别这个就很困难，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店也没有方法精确预判，只能报一个大约的数据。主机厂拿到数据之后，开端消费，最初就会呈现方案和实践需求不婚配。

我们能做什么？牛牛汽车平台下面会累计过来一切商户在过来几年工夫一切车型的历史价钱，历史的库存程度，历史的热度程度，以及如今这个工夫点上整个汽车流通范畴有多少车子，以及这个工夫点下流通范畴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点，但是还不能保证完全迷信，这时分就要做数据整合。

我们最近不断在和几家重要的协作方推进一个协作项目，包括一些公司如查违章的、C端流量（汽车之家）的，经过这几方面的维度数据拼成大的数据塔。详细而言，查违章的可以实时监控路上的车源和一些车辆信息，如大约是什么车型、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、如今的，B端的需求、供应；C端的需求，以及厂方的供应。这些数据整合在一同的时分，就可以更迷信的指点主机厂、4S店，更迷信停止决策。这就是经过大数据或许BI的方式，构成对产业的协助。

再来分享一个牛牛汽车本人的案例，我们经过数据整合之后，对本人的一些任务的指点。去年，牛牛汽车完成了某一家合资品牌主机厂11000台车型的推销，一个车型，一个配置，一个颜色。11000台大约是什么概念？均匀一家4S店全年销量是1千台，11000台相当于11个4S店。 这个业务决策就需求经过数据来停止判别。

我们事先拿到了两个维度的数据，一个厂方一个我们的。厂方通知我它的仓库多少车子，4S店还有多少库存，也通知我过来4S店销售的状况，以及给4S店的销售价钱。我们本人的数据包括这个车型历史上销售价钱趋向，历史上库存价钱的趋向，历史上的需求的趋向，以及车型竞品相关产品。这两方面的数据结合在一同，就可以判别能否有能够在一个阶段的工夫段内完成这批车子的分发。

这个案例是一个推销决策，同时在销售的时分也会依据这些数据判别，应该在哪些区域卖，卖给谁，依照什么价钱和节拍，经过数据的整合推进销售决策。

我再用一个案例来讲下数据的支撑。往年我们和汽车之家会结合受权给我们的加盟商户，给这些商户在详细业务中停止赋能。每个商户要车源还是要物流，究竟需求什么，有时分判别是不明白的。牛牛汽车基于我们平台上它们之间的买卖数据，通知它在哪方面增强，这是自上而下的赋能。自下而上也有，经过剖析商户横向的买卖数据，反过去通知主机厂，商户需求什么，通知金融公司、商户等，C端用户需求什么产品，你们应该怎样效劳于他们。经过自上而下，自下而上相结合，协助他们的业务更好的落地。这些任务外表看起来是业务，其实面前都是数据为导向。

一切的像我们互联网+传统产业的企业，开展一定规模之后，有两条分支，其中一条是业务会越做越扎实，另外一条是发生的业务数据会有很大的价值。这些数据未来有能够效劳企业，也有能够效劳行业。 明天在场的这些专业范畴的企业，如何应用数据更好地效劳企业，可以和我们一同讨论，也欢送与我们停止协作，祝大家业务越做越顺利，谢谢大家！

本文系投稿稿件，作者：陈琰俊；转载请注明作者姓名和“来源：亿欧”；文章内容系作者团体观念，不代表亿欧对观念赞同或支持。