汽車產業大數據-如何利用數據分析提供決策參考(下)

四、透過數據分析提升廣告/行銷投資報酬率

在考量客戶潛在的行為模式之前，汽車製造商更重視如何有效管理固定以及變動行銷費用、提高有意願客戶之購買率以及目前還無法負擔購買汽車但喜歡駕駛的客戶。若能降低1~2%的費用，效果將等同或高於提升15億至30 億美元的毛利所帶來效益。

根據Deloitte經驗，行銷廣告分析（Marketing Mix analytics, MMX）透過量化的方式計算與銷售有關的所有數據並透過長時間模擬以及導入，建立一強而有力的情境分析規劃、預算最適化、預測獲利成長，以及廣告行銷規劃等。MMX採用的相關數據除了現有的行銷費用，更包括了總體經濟相關資訊。

五、透過數據分析降低供應鏈風險及刺激成長

汽車業的供應商風險管理愈來愈被重視，具風險彈性的供應鏈管理最佳實務可協助企業依據風險強度、脆弱程度、嚴重度以統整主要風險，使管理者可透過量化數據了解現有面臨危機的程度。

Deloitte的進階供應鏈管理分析將提供一主動管理模式，使製造商可即時反應產業的變化。

提供決策者更有效的資訊，而「集中數據資料庫(centralized data warehouse)」將於未來數年成為趨勢。

六、透過品質預測分析，預先發現可能產生的問題，以降低成本並提升品牌形象

品質預測模型可用於原型建立、供應商最適化以及召回管理。成熟的分析系統如今可處理大量數據，並提供各種分析方法，預先預測潛在的故障，並開發出合適的維修方案；根據模型內的所有參數，將可在購買後立刻被偵測，並另可偵測在購買生命週期中的保固維修時點。