上一篇文章聊了一下汽车行业的数字化，其实我们在做汽车4S集团的商业智能BI数据分析项目中，对于4S店的管理，大家经常会提到一个分析指标，叫“零服吸收率”，这个大概是什么意思呢？

简单来说就是4S门店一台车都没有卖出的情况下，光靠售后服务部分的收益能不能支撑整个门店的运营，所以这个指标我们有时也叫生存性指标。包括4S集团在申请银行贷款的时候，有时银行也会看下这个指标。

零服吸收率

为什么“零服吸收率”这个指标很重要？大家就需要了解下这个行业的特点，就是新车销售不赚钱，赚钱的部分基本上都在售后。有的时候新车销售价格还是倒挂的，卖的越多赔的越多，一般也会控制在一定的比例，就是赔多少。少赔一点很开心，赔的多压力也大。

数据可视化 - 派可数据商业智能BI可视化分析平台

所以在极端情况下，如果一台车都不卖的情况下，光靠售后的业务都能够支撑整个门店的运营，4S店做梦会很开心，因为实际上肯定不会一台车都卖不出去。

零服吸收率的计算公式很简单，就是售后维修综合毛利和经营费用的比值。通常情况下，零服吸收率60%达到及格线，80%做的还可以，100%很优秀了，120%绝对非常不错。但这里面新店和老店的差别也会非常大，基本上一个门店至少要持续运营5年以上，零服吸收率才大概率能做到100%以上。

所以，通过这个指标大家可以看到在汽车流通行业，售后部分的业务重要性了。这也就是为什么门店在卖完车之后，拼命的希望车主能够再次回到门店，不管是做保养，还是续保，还是在路上出现剐蹭的拉修等等，每一次到店都是一次增加车主和门店业务粘性的机会，车主客户的生命周期拉长了，门店才有机会获得长期的收益。

售后服务

从这些我们也可以看出来，除了品牌自身的影响力之外，售后服务就显得非常的重要，没有好的服务，用户就慢慢流失了。比如上保险的时候不再在4S门店买保险了，这个时候在路上发生事故、剐蹭，打的电话就不是给4S门店，而是保险公司了，这个时候保险公司把这个定损的线索可能就会给到其它的4S门店，随机性很大。车主很难有机会再回到之前卖车的店，因为没有粘性了。

数据可视化 - 派可数据商业智能BI可视化分析平台

还有做保养，不去原来的4S店了，换了一家门店。对于其它的门店而言，这个客户就是白捡的客户，应该要好好服务争取让这个客户可以长久的留下来。以后还有机会在卖保险的时候让这个客户再到门店买保险。

汽车流通行业

汽车流通行业的业务主要是三大块，销售、水平和售后。销售我们重点关注的是引流和转化，水平看的是渗透比如做一些加装、精品等等，售后主要看的就是留存率，就是想尽办法延长客户的生命周期。

这里面还有其它很多类似的非常重要的指标，比如返厂频次、首保留存率、二保留存率等等，背后的业务逻辑都是一样的，就是留存。

数据可视化 - 派可数据商业智能BI可视化分析平台

汽车流通行业也是零售行业，但是这个零售跟一般的零售行业差别还是很大的，第一频次没有那么高，第二服务属性非常重。所以传统的零售分析指标体系、分析框架在这个行业基本上没有什么用，都不适用于这个行业。这个行业随便梳理一下基本上都是七八百个指标，全部做下来一两千个指标很正常。

这也呼应了“做BI开发的，为什么一定要熟悉行业和业务”。在给这些企业设计商业智能BI分析框架的时候，就需要对这家企业所在的行业，这家企业的主营业务要做一个全盘的了解。只有充分了解之后，才能知道哪些内容需要纳入到商业智能BI分析体系中，哪些是重点、哪些是次重点。

数据可视化 - 派可数据商业智能BI可视化分析平台

比如像能源行业，光伏发电和风电有什么不同，分布式光伏和集中式光伏的有什么区别。在规划一个光伏商业智能BI项目需要什么样的过程，这个行业整体发展趋势是什么样的，受什么样的政策去影响。它的前期需要做投资评估、中期是投资阶段要规划项目和项目执行，后期到生产运营。那么在整个过程中哪些环节需要通过商业智能BI数据可视化分析去把控，比如投资预测，项目所涉及到的采购、施工和项目管理，后期的生产运营。那么在这个过程中财务资金又和他们有什么样的关系。

比如像白酒行业，目前白酒市场是一个什么样的特点。低端市场、次高端市场、高端市场分布情况。在这个市场下，目前各个白酒企业又是通过什么样的手段来占据市场，他们关心的重点在哪里，这些信息又有什么样的分析价值，在商业智能BI项目中应该如何体现。比如次高端白酒市场CR2 行业集中度如何，产品、渠道和市场他们表现又是如何？企业的资金运用、成本、人效又和这些点有什么对应关系，如何构建商业智能BI分析体系。

数据可视化 - 派可数据商业智能BI可视化分析平台

比如像国资体系下的投资公司，他们日常又会涉及到什么样的业务，比如涉及到产业投资、楼宇改造、项目运作、资金监管等等。那么我们商业智能BI分析的重点应该是什么，应该如何来正确引导用户。

只有把这些大的框架、行业特点、各个企业在这些行业中的特点给弄明白了，才能聚焦到商业智能BI项目建设上，整个商业智能BI分析体系指标框架应该如何把这些业务要点、企业的关注点表达出来。再去反向确认上面提到的这些点，各个业务系统数据的支撑性如何，哪些可以先做，哪些可以往后放。

商业智能BI项目开发小结

所以，商业智能BI项目的规划不是一开始就钻到细节里面，找找数据、写写SQL取个数，需要先有一个整体的分析框架，再推进到具体的业务细节，再对应上具体分析的内容，只有这样才能建立一个自上而下的相对完整的分析体系，整个商业智能BI项目的建设才会有重点有方向。

所以，每个行业有每个行业的特点，不了解行业的特点，就很难抓住企业经营管理的重点，也很难站企业老板的角度，用TA的思维方式来分解整个经营管理指标分析体系。