前言
售後跑冒滴漏的頑疾就像沒有底兒的匣子，嚴重損害經銷商的健康發展。而數據智能在汽車售後審計的應用，可以精準高效的完成審查任務，堵截和預防損失的發生。
出處 | CAFU汽車財務聯盟
原創轉載請注明來源
汽車售後服務存在跑冒滴漏的現象屬於行業內通病，即便已經認為管理水準很強，依然存在管理盲點，跑冒滴漏拘禁不止。通過部分4S店售後提升數據反饋看，平均都可以實現5%-10%的利潤提升。而這部分利潤增長完全是由管理產生的，相當於拉動對應規模的淨利潤增長。換言之，一個經銷商集團把5個店有效管理起來，相當於新建一個成熟的售後服務站所產生的利潤。
這便是數據智能賦能於售後管理所產生的巨大價值，在經濟下行的大環境下，競爭異常激烈，與其和競爭對手打價格戰犧牲毛利，不如強化內部管理，通過數據化提升來提高效益，這無疑會為經銷商創造新的利潤增長途徑。
一、傳統售後審計的瓶頸
在實際汽車售後審查過程中，企業內部審計部門對售後環節很難完成較為深度的分析和排查，導致審計工作對經營效益的轉化打了折扣。跑冒滴漏無法有效管理主要原因有如下幾個方面：
1、從工作量方面看。工單數據量龐大，品牌多樣，審計人員往往需要處理幾萬條數據，同時還需要翻閱原始憑證、核對操作權限等工作。如此大的工作強度和難度，使得審計無法實現全面和深度，內審無法取得預期效果。
2、從知識儲備方面看。審計人員需要具備審計、財務、維修、配件管理等多門類專業知識，才能在售後審計過程中遊刃有余。否則遇到比自己更加專業的審計對象，往往會失去信心，無法判斷情況的合理性。常見的情況是，審計人員對於“專業的解釋”往往無可奈何，例如：“應客戶要求”、“保險公司政策”、“市場活動”等等。
3、從成本約束方面看（時間成本、資金成本和精力成本）。審計部門的預算、人員、精力都是有限的。入店巡檢往往是時間緊、任務重，加之企業內部公關行為和人情關係的存在，往往無法深度挖掘問題產生的原因。
4、從過程管理方面看。集團型經銷商單店巡檢間隔周期長，對出現的問題發現不及時，導致審計對象存有僥幸心理而重複犯錯。由於人員流動性原因，有些不當得利者常常“逃脫”審查。
5、從人性的角度看。審計人員常受到人際關係、經濟利益關係的影響，導致審計過程具有一定的偏向性。資訊流從基層傳遞到投資人的時候，已經是扭曲、編造的結果了。這便導致企業高管的決策很難對症下藥。
6、認知盲點。我們常聽到的解釋是“我們一直是這樣操作的”，“這個情況我知道”，對一些存在管理漏洞和損害利潤的行為視而不見，反而理直氣壯。這種情況甚至也包括企業的投資人和高管。
二、數據智能的特點
數據智能可以將人類智能的某一方面或者某項技能進行增強，智能算法可以對數據進行深度學習，不斷提升對目標特徵數據的敏感程度，最終實現對目標的精準識別，成為審計人員強有力的助手，指導審計人員的快速決策。
在汽車行業售後審計過程中，問題工單具有一些可識別的特徵，可以通過數據智能算法來識別，在此僅以比較核心的特徵進行舉例。
1、行為慣性特徵。主要影響因素來自於店內的制度規範以及制度漏洞導致的異常行為結果，具有相對穩定的特點。舉例來說，下圖為某店一般維修結算特徵，體現出階段性集中結算的特點。通過點位顏色看，主要集中在同一個SA所接工單。經調查，該店出現的這個情況主要來自於車輛出入站管理人員、財務人員沒有形成有效對接所致，屬於階段性管理失職，當然也不排除人為故意的可能性。
2、時間延遲性特徵。時間延遲使售後問題具有了金融具備的特有屬性，例如延期支付、延期貨貨等。在售後管理環節主要體現在SA、庫管、財務人員對配件和資金的錯配，形成個人的“配件池”和“資金池”。例如：庫管和SA串通，月初通過工單集中虛假出庫配件進行非法得利，月內通過保險工單退庫將庫存做平，月底盤庫和審計完全無法發現問題。
某店一般維修工單在2017年10月24日出庫左右安全帶總成，單價411元，2017年10月25日全部退庫。
一般審計到此也就結束了，但從該工單看不存在任何問題。但是，通過配件跟蹤發現。另一台車在10月25日通過保險理賠工單出庫該配件。經審查發現，該車定損單和維修項目均沒有該配件。
3、利潤轉移特徵。利潤轉移特徵是數據智能算法的內核，該特徵來源於工單多種利潤指標體現出來的規律。是對多個數據維度指標綜合分析的結果，目的在於找到哪些工單具有利潤損失的可能性。由於該模型數據維度較多，無法非常直觀的進行可視化呈現。
那麽，數據智能是如何實現售後管理提升進而提高利潤水準的呢？我們對此文第一部分提出的問題一一進行回答。
三、數據智能如何提高售後管理能力
1、工單數量方面。通過數據的挖掘讓審計人員的工作變得高效，電腦及其運行的算法會對全部工單進行全量數據的篩查。哪怕是上千萬條數據，也隻不過是幾秒鐘的事情。這將極大減少審計人員在基礎工作上所耗費的時間和精力。
2、在專業知識儲備方面。智能算法可以將各類知識進行建模，而且持續、穩定，不會因為人員變動而使得審計工作品質受到影響。同時，隨著算法的不斷迭代更新，會不斷提升審查的精度和維度。通過數據智能為審計人員賦能，讓審計能力可以快速提升。
3、成本約束方面。通過互聯網，可以實現遠程方式審計。數據智能將審計的效率、深度提升以後，被審計對象只需要根據審計人員的要求按照備查清單準備原始單據即可。
4、過程管理方面。互聯網打破了時間和太空的限制，智能算法隨時可以參與分析，審計周期甚至可以按天計算。這樣，審計對象如果故意違反企業規定，會被及時發現。一雙無形的眼睛時刻在監測，會形成強有力的震懾作用。
5、人性角度。智能算法的應用，實現了審計資訊對於企業投資人、高管、基層員工等各個參與環節的全面對稱，同時也實現了審計規則的統一以及較少的人為參與。這都為審計人員與審計對象、關聯方、利益方、人情方建立了一道有利的屏障，可以很好的保護審計人員的權威性和獨立性。
數據是所有決策的基礎，智能應用必然會通過數據代替人類部分低智能的操作。對於汽車行業售後審計工作來說，如何通過數據來挖掘價值，從傳統審計過度到數據挖掘，再從數據挖掘到指導售後進行數字化運營，將很可能成為未來對審計人員發展的必然要求。
四、檢測案例
在此簡單分享幾個系統排查的常見案例。
1、串通合謀
月初，某店內人員會收到店外不法人員的收購訂單，店內人員會在短期內，通過日常的工單將配件進行批量出庫，並進行私自銷售。
通過系統檢測過程中發現，大量工單出現配件出退庫情況，且配件出庫數量不符合實際需要。例如：機油10件等等此類情況。經盤問SA表示系統操作失誤，發現操作差錯後進行了衝账。隨後，審計人員入店突擊查庫，發現配件並不在站內。事發後，該4S店進行了報警，取證後對涉案人員進行了控制。
2、徇私舞弊
某4S店售後服務顧問小張，接待了客戶王女士。但在實際操作中，通過系統檢查，發現該客戶在工單開單日明顯異常。
經對2016年9月13日工單的配件進行了查詢，發現蓄電池已經於開單日當日進行了出庫。但時隔近兩年才進行結算。
後經過查證，王女士是本部門員工，利用職務便利，希望通過其他工單擠壓的方式節省維修費用。
3、開單類型混用
2018年3月18日，某4S店售後人員小趙接待客戶孟先生。開單一般保養後，又開單事故車理賠。通過系統篩查，保養和事故車理賠工時費和維修時長均出現異常。
後經調查，兩筆工單配件出庫出現問題，保險理賠工單中出庫了保養配件。售後人員小趙交待，接車日當天，孟先生覺得此次保養報價比較高，是否可以優惠。於是小趙為孟先生出了個點子，報一次保險，他想辦法從保險公司的理賠款中出一些保養配件，這樣孟先生就省下一些配件的費用。該事件已經構成騙保，將為客戶和企業帶來不可控的信用風險。
本文轉載自CAFU汽車財務聯盟，文章觀點不代表AC汽車立場。
— END —
搜索關鍵詞
| 供應鏈 |
康眾
快準
巴圖魯
車件兒
中馳
開思汽配
供應鏈
三頭六臂
亞馬遜
| 新勢力 |
天貓
蘇寧
滴滴
二手車
京東
國美
保險
新勢力
大搜車
新零售
新零售盤點
出行盤點
新造車盤點
蔚來汽車
2018十大猜想
| 連鎖百強 |
車享家
和諧修車
精典
集群車寶
向陽汽修
小拇指
輪庫
車發發
車寶堂
正美豐業
車奇士
柚紫養車
車百惠
龍捷快修
快車品味
蘇友快修
好修養
百圓
安信捷
美車堂
車暢行
牛咖斯
車發發
暢途
車自主
兔司機
快易修
車百用
豫濤
有壹手
匯捷
小飛魚
百順
| AC專欄 |
供應鏈專稿
2017回顧和展望
汽車新零售
海外案例
調研報告
託管轉讓招聘
福利行業報告集錦
供應鏈白皮書
獨立售後研究
成都市場解析
輪胎零售品牌
零組件供應
2017年鑒
注：AC汽車所有報告都可在公眾號“報告集錦”目錄欄找到
活動推薦報名
香港九龍灣馬來街興發大廈15樓D室