人工智能如何助力汽車行業(yè)數(shù)字化轉(zhuǎn)型

 

　　麥肯錫全球董事合伙人彭波以《人工智能如何助力汽車行業(yè)數(shù)字化轉(zhuǎn)型》為主題展開演講，以下是演講內(nèi)容整理：

 

　　人工智能如何助力汽車行業(yè)數(shù)字化轉(zhuǎn)型

麥肯錫全球董事合伙人彭波

 

　　AI的五大應(yīng)用方向

 

　　在制造業(yè)和汽車行業(yè)，AI主要有包括復(fù)雜數(shù)據(jù)生成洞見、語言處理和文本分析、虛擬機(jī)器人及虛擬形象、自動化決策等五個應(yīng)用方向。

 

　　具體來看，第一，AI可以應(yīng)用于復(fù)雜數(shù)據(jù)生成洞見。整車企業(yè)收集了大量用戶端的回傳數(shù)據(jù)；營銷所收集的不同經(jīng)銷商的數(shù)據(jù)；售后和車聯(lián)網(wǎng)的大量數(shù)據(jù)。這些數(shù)據(jù)在大多數(shù)企業(yè)中并沒有發(fā)揮出價值，利用AI就可以利用現(xiàn)有數(shù)據(jù)進(jìn)行獨(dú)立的學(xué)習(xí)和持續(xù)完善，通過算法和平臺能夠持續(xù)生成洞見，這對整個業(yè)務(wù)非常有價值。

 

　　第二，語言處理和文本分析?；趯π袠I(yè)的觀察，我們發(fā)現(xiàn)這塊的應(yīng)用越來越多，語言處理和文本分析意味著借助算法從人類語言中提取語義，比如語音轉(zhuǎn)文字、轉(zhuǎn)圖片，或者圖片轉(zhuǎn)文字的技術(shù)發(fā)展到現(xiàn)在已經(jīng)相對比較成熟，應(yīng)用較多，這也是要在機(jī)器學(xué)習(xí)中大量應(yīng)用的。第三，圖片識別和視頻分析，已經(jīng)應(yīng)用在很多工業(yè)企業(yè)中的發(fā)票分析，自動駕駛的圖像分析中。

 

　　第四，軟件智能體。在汽車行業(yè)的應(yīng)用多是虛擬形象，用以可以完成和乘員的互動對話，接受命令之后對車輛的行駛狀態(tài)進(jìn)行控制。第五，自動化的決策，比如說流程自動化。

 

　　以上五個方面是人工智能推動車企數(shù)字化普遍的應(yīng)用，這些應(yīng)用到底帶來什么樣的價值？麥肯錫做過預(yù)測，機(jī)器和深度學(xué)習(xí)蘊(yùn)含巨大價值，預(yù)計2025年，全球車企的潛在價值機(jī)會高達(dá)2150億美元，相當(dāng)于各家車企的息稅前利潤年平均增長9%。

 

　　人工智能如何助力汽車行業(yè)數(shù)字化轉(zhuǎn)型

圖片來源：麥肯錫

 

　　麥肯錫認(rèn)為具體到汽車行業(yè)內(nèi)，AI有11項應(yīng)用場景。比如基于AI采集產(chǎn)品設(shè)計建議，采購環(huán)節(jié)如何搭建比較巧妙的供應(yīng)鏈，進(jìn)行產(chǎn)品結(jié)構(gòu)優(yōu)化的分析和建議，在供應(yīng)鏈這塊對需求形成比較準(zhǔn)確的預(yù)測，這些都對業(yè)務(wù)規(guī)劃有一定的幫助，在營銷環(huán)節(jié)進(jìn)行銷量預(yù)測，包括對用戶購買產(chǎn)品意向的判斷，售后環(huán)節(jié)如何預(yù)防性地防止客戶流失。

 

　　麥肯錫AI推動數(shù)字化轉(zhuǎn)型的案例實踐

 

　　接下來挑幾項用例做具體解釋，首先，采購環(huán)節(jié)中經(jīng)常用到，通過AI對一些不同實體支出的數(shù)據(jù)進(jìn)行自動地合并統(tǒng)一，找到降低成本的空間，這也就意味著，企業(yè)可以通過數(shù)據(jù)的自我學(xué)習(xí)，自動、自適應(yīng)地對采購數(shù)據(jù)進(jìn)行分類，在分類之后進(jìn)一步提取和清理，這種方法不僅可以用于生產(chǎn)性采購，也可以用于非生產(chǎn)性采購。

 

　　就麥肯錫的項目實踐而言，麥肯錫曾經(jīng)通過自然語言處理和文本分析的技術(shù)，幫一個客戶找到了復(fù)雜標(biāo)準(zhǔn)件采購成本中10%-20%的降本空間，節(jié)省近乎4000萬歐元。

 

　　人工智能如何助力汽車行業(yè)數(shù)字化轉(zhuǎn)型

 

　　第二個案例就是銷售預(yù)測，AI應(yīng)用有助于提升銷售環(huán)節(jié)預(yù)測的準(zhǔn)確性，對后期排產(chǎn)，車輛配置，庫存分配，營銷等都有一定幫助。麥肯錫主要利用AI的神經(jīng)網(wǎng)絡(luò)系統(tǒng)從100個變量里面進(jìn)行學(xué)習(xí)，通過這個技術(shù)提升預(yù)測準(zhǔn)確度到80%。這項技術(shù)的原理主要是，從時間維度上，類比歷史上的相關(guān)事件，從產(chǎn)品，品類，門店，價格、促銷等不同維度入手進(jìn)行模擬分析，對可以實現(xiàn)預(yù)測值的模擬進(jìn)行模擬和優(yōu)化。

 

　　最后一個案例是，結(jié)合用戶的特點(diǎn)和所提供數(shù)據(jù)，通過建模提高向用戶推薦產(chǎn)品的準(zhǔn)確性，也就是利用大數(shù)據(jù)根據(jù)用戶特點(diǎn)進(jìn)行精準(zhǔn)推送，這項技術(shù)的應(yīng)用使預(yù)測準(zhǔn)確度提高了17%，并且可以形成相對自動化的結(jié)果。

 

　　值得一提的是，AI的應(yīng)用還有助于在售后環(huán)節(jié)預(yù)測和預(yù)防用戶的流失。通過深度學(xué)習(xí)進(jìn)行建模，按照新的細(xì)分標(biāo)準(zhǔn)對于用戶進(jìn)行分類，將高風(fēng)險、易流失的用戶進(jìn)行劃分?；谶@些劃分，對高風(fēng)險用戶進(jìn)行挽留，使整體的流失率降低36%，在這個過程中，留住的客戶還會有向上銷售的幾率，可以將整體營收提高4-5個百分點(diǎn)。

 

　　最后是軟件智能體，包括聊天機(jī)器人，場景應(yīng)用型機(jī)器人。麥肯錫根據(jù)自然語言處理(NLP)的技術(shù)開發(fā)了聊天機(jī)器人，有助于服務(wù)流程自動化，提升客戶的體驗，使服務(wù)的準(zhǔn)確性有明顯提高。同時，使用圖像識別技術(shù)，能夠分析客戶手機(jī)發(fā)過來的照片，達(dá)到自動抄表的效果，使客戶推薦率達(dá)到80%，服務(wù)成本降低20%-30%，明顯降低了用戶流失率。

 

　　總的來說，基于我們在AI推進(jìn)數(shù)字化轉(zhuǎn)型中的具體實踐，AI的應(yīng)用可以為數(shù)字化轉(zhuǎn)型帶來量化的價值，企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型可以帶來實實在在的經(jīng)濟(jì)效應(yīng)。

 

　?。ㄒ陨蟽?nèi)容來自麥肯錫全球董事合伙人彭波于2022年9月22日由蓋世汽車主辦的2022中國汽車數(shù)字化轉(zhuǎn)型大會發(fā)表的《人工智能如何助力汽車行業(yè)數(shù)字化轉(zhuǎn)型》主題演講。）