张椿琳：智能经营时代的上中下三策|新汽车人52堂必修课精选
导 师 | 数策创始人、董事长兼CEO张椿琳
整 理 | 轩辕大学内容中心
前 言
最近5年，关于行业智能化的讨论层出不穷，智能物流、智能制造、智能营销、人工智能、智能机器人等等，但究竟什么是智能，智能到底怎么定义，又需要哪些逻辑贯穿始终，五花八门的解释反而让我们更加迷茫。
运用认知理论去建设智能化思考框架进而重新划分信息化的实际认知，是比较好的分析方式。
主机厂未来将从制造商向数据服务商转变，数据资产和技术资产将会成为其最重要的竞争资本。而在主机厂营造的生态链中，经销商是其中最重要的参与者，也是相对技术能力最弱的合作伙伴，主机厂向其输出数字化能力或系统平台，能够有效地提升双方的效率，并加强合作关系，由商务政策驱动强化为数据驱动和协作，售后配件智能协作平台就是这种协作关系的体现。
本文系“新汽车人的52堂必修课”第8讲“汽车行业的智能经营时代”内容节选，课程由轩辕大学导师：数策创始人、董事长兼CEO张椿琳主讲。
四个阶段
第一个阶段是认清事实As Is，当前环境是什么；第二个阶段是原因What Is ，车卖得好是有原因的，卖得不好也是有原因的。
这些都比较好理解，我们注重说第三和第四阶段。
《三国演义》经常说：主公我有上中下策，其实就是说他对事情已经了解透彻；但是，是选上、中还是下？就要看制约条件去具体设定了。现代企业经营受成本、组织能力等多方面的条件制约，如何在有限资源配置中获得最优化的路径，就要清楚这些掣肘的来龙去脉，甚至掌握背后的隐藏规律。而解决这些问题的人或组织一定是非常聪明的Smart。
Smart翻译成中文也是智能的意思，智能手机、智能汽车都是Smart，这是种认知结果。
以汽车行业为例，我们用具体销售场景去解释Smart行为。当系统获取潜客信息后，电销人员将邀请潜客到店，这些常规动作通常是由电销团队负责，而销售经理需要掌握什么工具呢才能更有效地激发销售成果呢？
有经验的销售人员都有自己的方法论，但他们获得的潜客数据一定就是最优质或最多的吗？不一定。当前，潜客信息一般由电销专员进行人工判定，到店数也依赖前台的人工记录和登记，最后的成交数据则依赖于DMS系统，这些数据要么是零碎的，要么是人工记录，可靠性都不高。
所以，这便是As Is对于事实的认知，电销经理通常会面对一大堆似是而非的数字，这些数字的可信度和真实性对他来讲都是存疑的，进而影响他对事实认知的判断。
数字化和智能化能带来什么帮助？
我们大可开发一套针对不同潜客的搜索系统，并将数据打通以此实现关键信息的智能化记录。当电销经理完成客户沟通后，通过语音和语义的人工智能算法自动地判断是不是意向用户，而不再依赖电销经理的主观判断，再根据店端人脸识别技术进行数据校验分类到店人员，进而解决用户渠道问题。
通过上述运筹学的数字化手段和算法，可以大幅优化销售人员的工作效果，摆脱经验主义带来的不确定性和低产出，进而提高销售的整体转化率。
用智能的算法去挖掘背后的规律，听起来就像情报机关的工作，以数据获得为开端，通过智能算法的优化去筛选背后逻辑，进而捕获准确的情报——Intelligent。我们说的很多人工智能都是Intelligent。
作为方式和载体，人工只能不仅在邀请潜客到店方面具有实际意义，而且还能辅助企业经营，促使企业加速进入数字驱动的智能决策时代即智能经营时代。
当前，企业战略的制定通常是在信息不充分前提下，依赖于企业领头人的直觉、战略眼光进行的主观判断，虽然智能化不能够取代领导人的战略直觉和决策，但是它能为领导人的判断提供大数据支撑。
美好的未来，为什么在汽车行业还没有看到？
首先是技术上的困难。刚才提到在系统打通下的人脸识别和语音语义场景分析，主要涉及两个技术难点：数据在物联网和云存储上的采集和信息分析比对的正确率问题。
以我们运营数据10多年的经验来看，问题大多不出在技术上，而是出现在组织内或人员上。首先，我们对业务是不是有足够的洞察力，建模人员、数据分析科学家有没有深入到业务一线中去，而不是闭门造车？
其次是人员素质。这个素质不是指道德修养，是指知识结构和学习能力。业务的智能化赋能是一个交叉科学，包括业务专家、数据科学家、建模专家，只有通力合作才能营造正确的模式。过程一定是缓慢的，不是一蹴而就的，如果我们做到这一步，就能产出非常好的业务模型，充分发挥智能化背后的价值和威力。
最后，假设很多领域都实现了智能化运营，企业的战略管理层有没有决心带领企业进入数字驱动决策，而不是权威驱动和经验驱动，这才是对企业管理方式和组织的方式最深刻的变革，需要下巨大的决心。
(未完……)
完整内容请长按海报或点击阅读原文