智能制造

PPT下載 | 星星充電BI+AI數(shù)據(jù)賦能實踐，助力131%直接業(yè)務增長

2022-12-10 來源：評論：0

摘要：分享了星星充電通過與業(yè)內(nèi)領先的一站式智能分析平臺與服務提供商觀遠數(shù)據(jù)合作實踐

　　中國新能源行業(yè)正處于快速發(fā)展中，身處該市場的企業(yè)在爆發(fā)趨勢中也面對著激烈的競爭，數(shù)智化轉(zhuǎn)型成為新能源企業(yè)的關(guān)注熱點，對于打造企業(yè)競爭優(yōu)勢具有重要影響力。作為新能源領域頭部品牌、全國三大電動汽車充電設備運營商之一，星星充電在數(shù)智化轉(zhuǎn)型方面有著領先行業(yè)的實踐成果。

　　近日，星星充電數(shù)據(jù)中臺總監(jiān)潘偉在「讓業(yè)務用起來·觀遠數(shù)據(jù)2022智能決策峰會暨產(chǎn)品發(fā)布會」云上直播中，以《BI+AI撬動產(chǎn)業(yè)互聯(lián)網(wǎng)企業(yè)實現(xiàn)數(shù)智化轉(zhuǎn)型》為主題，分享了星星充電通過與業(yè)內(nèi)領先的一站式智能分析平臺與服務提供商觀遠數(shù)據(jù)合作實踐，巧妙融合BI+AI，打造智能運維、智能選址、智能營銷、智能診斷等數(shù)智化工具，讓數(shù)據(jù)擁抱業(yè)務，讓智能決策“看得見”“快而準”，實現(xiàn)高效運營，降本增效，為星星充電帶來131%的直接業(yè)務增長的BI+AI數(shù)據(jù)賦能實戰(zhàn)案例。

　　文末可下載演講PPT課件。

　　以下為星星充電數(shù)據(jù)中臺總監(jiān)潘偉老師分享實錄：

　　萬幫數(shù)字能源是一家專注于新能源汽車充電設備研發(fā)、制造、運營的企業(yè)，我們的核心品牌是星星充電。如果大家平時經(jīng)常開電動車的話，很可能在我們新運營的充電場站有過這樣的充電體驗。目前，星星充電已經(jīng)發(fā)展成為全國三大電動汽車充電設備運營商之一。我們企業(yè)的愿景是共建全球最大移動能源網(wǎng)，我們一直貫徹的是一套“云管端”的高度數(shù)字化協(xié)同的運作模式。

　　今天想重點給大家分享的是我們在具體的數(shù)字化賦能落地項目當中總結(jié)出的一些經(jīng)驗。

　　支撐業(yè)務跑起來的三駕馬車：

　　業(yè)務中臺+數(shù)據(jù)中臺+算法中臺

　　首先，我們發(fā)現(xiàn)不同的業(yè)務需求、不同的項目階段，都需要找到一個最合適的數(shù)據(jù)賦能方式，例如通過BI看板、數(shù)據(jù)駕駛艙能夠解決運營同學和業(yè)務同學看數(shù)據(jù)的需求。我們在提供一些智能化的數(shù)據(jù)解決方案的時候，需要充分利用到算法同學AI的能力。在最終的大范圍的數(shù)據(jù)賦能的推廣過程中，我們則有可能會用到數(shù)據(jù)產(chǎn)品的支撐，讓業(yè)務同學能夠更方便地使用數(shù)據(jù)工具。因此我想先分享一下星星充電的技術(shù)架構(gòu)、組織架構(gòu)，它們在數(shù)據(jù)賦能中起著非常重要的支撐作用。

　　掃描文末二維碼獲取演講

　　這張圖是星星充電的業(yè)務技術(shù)架構(gòu)圖。我們有非常龐大的中臺團隊，支撐下游各種產(chǎn)品線、各種系統(tǒng)，中臺團隊又由業(yè)務中臺、數(shù)據(jù)中臺、算法中臺組成。其中，數(shù)據(jù)中臺承載的是整個集團的數(shù)據(jù)倉庫、數(shù)據(jù)集市、BI分析平臺、指標體系、標簽體系、埋點體系等基礎數(shù)據(jù)服務的職責。算法中臺則針對不同的業(yè)務場景，提供相應的項目智能選址、精準營銷、智能定價等數(shù)據(jù)模型。

　　在這些中臺的支撐下，我們能夠通過產(chǎn)品化、系統(tǒng)化的方式，給到業(yè)務同學、給到我們的客戶足夠的數(shù)據(jù)化支撐。并且，有了這樣的技術(shù)架構(gòu)和對應的組織架構(gòu)，我們就能把最合適的人放在最合適的位置，去做最正確的事情。所以這是非常重要的。在我們后續(xù)很多智能化的項目當中，我們也看到一個清晰的技術(shù)架構(gòu)和組織架構(gòu)，能夠起到事半功倍的作用。

　　BI+AI的巧妙融合：讓數(shù)據(jù)擁抱業(yè)務

　　讓智能決策變得“看得見”“快而準”

　　接下來，我會具體分享一些數(shù)據(jù)賦能的案例。

　　一、智能運維

　　星星充電的智能運維有一個自有的公式：智能運維=設備數(shù)字化+故障模型化+運維數(shù)據(jù)可視化+閉環(huán)驗證，以此組成了一整套智能運維解決方案。

　　掃描文末二維碼獲取演講

　　星星充電在全國各地的充電基礎設施、充電設備都是智能設備，每一次客戶充電都會把相應的充電過程數(shù)據(jù)（比如電流、電壓、充電槍的溫度等信息）實時上傳到我們的充電平臺，離線數(shù)倉和實時數(shù)倉能夠及時收集這些數(shù)據(jù)，并借助大數(shù)據(jù)技術(shù)，進行大數(shù)據(jù)量的批處理，得到一個相應的處理結(jié)果。

　　有了這些數(shù)據(jù)之后，算法同學、運維分析師就能基于歷史各種設備的異常情況做模型化的研發(fā)，使之能通過一些特征數(shù)據(jù)預測到設備可能已經(jīng)產(chǎn)生的一些異常，或是可能存在的故障風險。最終，通過監(jiān)控大屏，進行實時觀察，借助異常告警、自動工單等數(shù)據(jù)產(chǎn)品，將整個運維體系進行了一個非常大的升級。這是星星充電一個典型的通過數(shù)據(jù)和算法改變業(yè)務模式的案例。

　　掃描文末二維碼獲取演講

　　傳統(tǒng)的運維模式是當我們的充電用戶到了一個場站，發(fā)現(xiàn)有些設備不能充電，一般用戶會打400客服電話投訴，或通過差評等方式反饋到平臺，運維人員再被動式地到這些已經(jīng)壞掉的設備上進行修復，這樣的用戶體驗非常不好。而智能運維解決方案能夠讓我們早于客戶提前發(fā)現(xiàn)可能出現(xiàn)問題的設備，并通過自動工單的方式，讓運維同學能夠及時對異常設備進行檢修和修復。這樣能夠大幅提升用戶體驗，提升用戶的充電成功率，提升用戶滿意度。

　　二、智能選址

　　在零售消費、餐飲茶飲等很多行業(yè)，都有智能選址的需求。星星充電是通過四個步驟，實現(xiàn)了自有的針對充電場景的一整套一站式智能選址解決方案：

　　第一，供需分析。全國各地的投建人員都可以通過移動端BI看板，看到所處區(qū)域的充電供需情況，從宏觀層面，它能夠讓我們的投建人員知道在哪些地方需要加大投建力度，在哪些區(qū)域可能已經(jīng)達到供需平衡甚至供給側(cè)的飽和。

　　第二，精準選址。從微觀維度，地段、場地客流量、周邊的配套設施等都會影響到投建場站，這種大量的、多因子的影響因素的分析場景，非常適合用類似機器學習的算法能力搭建模型，給到精準的選址建議。基于這樣的充電業(yè)務，星星充電算法團隊研發(fā)了我們獨有的充電場站的選址算法模型，為打造能夠給用戶提供更便利體驗的充電網(wǎng)絡提供了數(shù)據(jù)上的支撐。

　　第三，投資測算。充電站的投建，本身是一個重資產(chǎn)的運營模式，除了考量用戶的便利度之外，也會非常關(guān)注電站是否能夠達到盈利預期、回收周期是否在目標范圍之內(nèi)等。因此，基于測算分析師做的場站盈利模型，星星充電上線了一套基于BI的投資測算系統(tǒng)，可以讓我們通過BI的快速配置，看到每一個候選位置的收入、盈利預測周期。

　　第四，自動化工具。為了更好地讓投建業(yè)務人員能夠?qū)⒅悄苓x址用起來，我們又通過前述不同的數(shù)據(jù)方式，將前三步打包成一個完整的一站式選址工具。該數(shù)據(jù)產(chǎn)品涵蓋供需分析、選址模型、投資盈利模型，這個工具有一個非常優(yōu)雅的名字，叫智慧女神“Cynthia”。通過智能選址工具，大幅提升了星星充電在全國充電場站投建的效率。

　　中國充電聯(lián)盟9月最新的權(quán)威報告中顯示，目前在公共充電領域，星星充電已經(jīng)做到了供給側(cè)第一名。

　　三、智能營銷

　　智能營銷一個活躍話題，在充電運營領域同樣有類似需求。我們的運營人員經(jīng)常會提一些問題，比如星星充電平臺重點用戶畫像？APP如何給用戶推薦最匹配的充電站？為什么會有一定比例的流失用戶？營銷活動該給不同的客戶哪種優(yōu)惠券？最終，回歸到一個本質(zhì)的問題：怎樣通過數(shù)據(jù)和算法提升整體的營銷ROI？

　　要回答這么多問題，第一步要做的是不管是分析師還是運營同學，一定要真正了解用戶。所以，我們的數(shù)倉工程師和建模工程師搭建了一整套用戶標簽體系，構(gòu)成畫像中心。目前星星充電平臺上已經(jīng)有700萬注冊用戶，針對這些用戶的日常充電數(shù)據(jù)，打上了各種各樣的標簽，比如用戶偏好充電時段、用戶過往營銷活動參與情況、是否是高價值用戶、是否存在潛在流失風險等。用戶標簽體系是一個非常重的系統(tǒng)，一個用戶會有很多不同標簽，用戶量大，計算量也非常大。很多時候會發(fā)現(xiàn)，想讓業(yè)務將用戶畫像系統(tǒng)的分析用起來并不是一件容易的事情。面對海量的標簽、海量的數(shù)據(jù)，我們需要找到一個確實有效的方式，讓大家能夠把用戶畫像用起來。

　　掃描文末二維碼獲取演講

　　為此，星星充電基于觀遠數(shù)據(jù)自助式BI的特性，首先通過BI實現(xiàn)了用戶圈選的功能，讓任意一個運營人員都可以通過BI選到他希望關(guān)注的人群，再經(jīng)過一系列用戶洞察的BI看板，針對這部分人群，快速了解他們的行為習慣。讓我們的分析師、運營人員甚至算法同學，都能夠非常快速的了解當前在我們平臺上充電的不同類型的用戶所具有的不同的充電行為習慣。

　　我們發(fā)現(xiàn)，當?shù)讓拥幕A支持完成后，剩下的事情就不再復雜。我們可以針對特定的人群，通過用戶畫像找到合適的推薦算法、決策算法、定價算法，讓我們的用戶在打開APP的時候，能夠馬上看到最適合他去的充電場站，能夠告訴他每一個場站的閑忙情況，避免用戶在他希望充電的時段，到了某個場站還需要排隊，影響用戶的充電體驗。在做一些優(yōu)惠活動時，也可以給到用戶更需要的滿減券或其他不同優(yōu)惠券。

　　通過用戶標簽體系、通過觀遠數(shù)據(jù)自助式BI、通過用戶洞察做到深度分析后，我們就可以相對快速的針對不同人群，通過算法給到精準化、精細化的服務，讓充電這件事情變得更加便利。

　　四、智能診斷

　　我們還有一個項目是針對充電場站的一整套智能診斷解決方案。在目前全國各地的場站中，有些場站運營的非常好，經(jīng)營情況也很不錯，但是也有很多場站的利用率相比平均水平有較大差距。針對這么多的場站，我們希望能夠有一套標準化的診斷，通過數(shù)據(jù)層面找到當前的一些經(jīng)營問題，并且最終能夠提供一些智能化的解決方案。

　　1、三個痛點

　　在這個項目過程當中，我們遇到了很多數(shù)據(jù)人都會經(jīng)常遇到的三個“痛點”，也有了一些解決方法的思考：

　　第一，難以從數(shù)據(jù)中找到問題的根因。星星充電解決這個問題的方式首先是在這個過程中我們不斷細化BI診斷看板的數(shù)據(jù)顆粒度，同時持續(xù)推進整個集團的業(yè)務信息化和觸點數(shù)字化，完善整個集團的數(shù)據(jù)全面性和數(shù)據(jù)準確性。并鼓勵數(shù)據(jù)分析師和所有數(shù)據(jù)人去更多地走進業(yè)務，在一線尋找真相。

　　第二，缺少解決問題的落地方案。星星充電解決這一問題的方案，首先是針對不同運營環(huán)節(jié)，將現(xiàn)實世界、物理世界當中的一些場景進行“模型化”后，通過算法提升模型的效率，找到每個模型的最優(yōu)解，智能推薦可量化的策略提供給運營同學，告訴他們應該在什么時間節(jié)點做什么事，做到什么樣的程度。

　　第三，數(shù)據(jù)和AI使用成本高，推廣慢。解決這個問題沒有太多捷徑可走，數(shù)據(jù)人首先一定要時刻保持數(shù)據(jù)賦能的信念，要相信在絕大部分場景下算法一定是能夠比人為的、帶主觀因素的分析更客觀、更科學、更精準，值得花更多的溝通成本、時間，去把這樣的理念和思維方式慢慢的帶給運營和業(yè)務的同學。同時，在推廣數(shù)據(jù)工具、數(shù)據(jù)產(chǎn)品時，注重BI等數(shù)據(jù)工具的簡潔性，化繁為簡。最后，嘗試MVP最簡可行化的產(chǎn)品試驗方法，用在小范圍的試驗當中拿到一些正向反饋和結(jié)果時去做更大范圍的推廣。

　　2、針對性提效方案

　　在星星充電的電站智能診斷項目過程中，我們主要用到了兩個方法論：

　　第一，指標化分析。針對場站經(jīng)營的是好是壞，或者在某些方面的經(jīng)營狀況，我們提煉了非常多的數(shù)據(jù)指標，通過指標可以更好地量化它當前實際的運營狀態(tài)。

　　第二，模型化思維。當我們知道了這個電站存在的問題后，我們就像前述的將每一個運營環(huán)節(jié)做了模型化的轉(zhuǎn)換，只有將現(xiàn)實問題轉(zhuǎn)化成結(jié)構(gòu)化的數(shù)字模型，才能在后續(xù)通過算法提供針對性的解決方案。

　　掃描文末二維碼獲取演講

　　這里有幾個典型的將常見的數(shù)據(jù)模型應用到充電場景以分析不同電站問題的案例，例如：通過RFM模型，將充電用戶做了一個價值分類；利用波士頓矩陣，將電站分為明星電站、金牛電站、瘦狗電站和問題電站四個象限，針對不同的象限，可以采取差異化的營銷策略；通過帕累托圖，每天用這個看板實時觀測我們有哪些頭部場站、哪些長尾的低效場站，針對不同場站類型，去制定針對性的優(yōu)化策略；借助漏斗模型，針對不同的轉(zhuǎn)化率，比如注冊之后是否會產(chǎn)生首次充電的首充轉(zhuǎn)化率，以及復充轉(zhuǎn)化率、會員轉(zhuǎn)化率等，分析發(fā)現(xiàn)當前場站在哪一個環(huán)節(jié)、哪一個轉(zhuǎn)化率上有比較大的提升空間。

　　當我們將很多現(xiàn)實的場站問題模型化之后，算法同學就可以基于模型的輸出，找到每一個模型通過什么樣的方式能夠達到最優(yōu)狀態(tài)，并借助機器學習去發(fā)揮它的作用。BI工程師和數(shù)據(jù)分析師則會通過對于業(yè)務的了解、與業(yè)務人員的溝通，以及一些實際場景的勘察，結(jié)合模型化思維，最終通過BI進行問題的清晰呈現(xiàn)。

　　3、直接的業(yè)務增長

　　以上海的一個充電場站為例，因為發(fā)現(xiàn)當前這個場站的利潤情況是明顯低于全國平均水平的，所以我們首先通過智能診斷工具對這個場站進行了一輪分析，發(fā)現(xiàn)了兩個問題：

　　第一，從供給側(cè)來看，這個場站處于較好的地段，周圍有很多潛在充電客戶，所以當前它的充電用戶量是有一定的提升空間的。我們從智能診斷工具里找到了相應解決用戶增長問題的一些工具包，例如智能拉新營銷活動等，想辦法讓它在用戶體量方面達到增長。

　　第二，發(fā)現(xiàn)影響這個場站收益情況的更大的問題點在于成本方面，尤其是設備的運維成本遠高于全國平均水平，于是針對降本增效這一方面，我們也給到了具體的建議。

　　所以，在整個8月份，我們其實主要做了兩件事：其一是通過智能拉新的營銷工具包，進行了用戶增長方面的嘗試；其二是以降本為目標，進行了運維成本的優(yōu)化。

　　最終整個8月份我們的充電用戶月活提升了近25%，通過智能拉新的營銷手段確實提升了這個場站的用戶體量。同時，整個電站的成本也大幅優(yōu)化了60%左右。兩者相結(jié)合，最終整個電站當月利潤相較于7月份實現(xiàn)了131%的顯著增長。

　　掃描文末二維碼獲取演講

　　在8月份完成了這兩個動作之后，我們繼續(xù)使用電站智能診斷工具進行進一步的分析發(fā)現(xiàn)：一是我們的用戶體量已經(jīng)達到了相對滿意的狀態(tài)，那么8、9月份的重點之一是通過營銷手段保住月活，不讓8月的用戶有大的流失；二是發(fā)現(xiàn)相比于一些同類型的場站，這個場站的用戶充電頻次還有提升空間，因此我們又調(diào)用了智能工具包里的提頻工具，給到一些提頻營銷的策略推薦，發(fā)放提頻券，并保持8月份成本優(yōu)化的成果。

　　在9月份針對性地進行了保月活和提頻率的智能措施后，最終在維持較高的月活體量之上，我們將用戶的充電頻次提升了15%左右。這為我們的電站帶來了更多的訂單，因此9月份的最終利潤收入相比8月份，又有了38%的提升。

　　這是一個非常典型的通過數(shù)據(jù)和算法賦能到業(yè)務，并最終帶來真實業(yè)務增長的案例。我相信每一個數(shù)據(jù)人在達到這樣的成果時，都會感到自豪和欣慰。今天的分享也到此結(jié)束，謝謝大家。

　　掃描下方二維碼

　　獲取演講

　　▼