刘小勇：好的都是从来都不是从天上掉下来的，就像黄金一样，必须从大量的矿沙里筛选。大数据的价值也一样，何马克先生认为大数据的价值的开发确实还有很多的工作要做，而且不同的数据的价值是不一样的。反过来讲，我们汽车产业不同的环节对不同的数据有不同的要求。我们第一个环节主题演讲到这里。

　　接下来我们进行第二个环节，提问环节。

　　首先，我想提问长安汽车的余成龙博士。你刚才的演讲中提到一个，在4.0时代，它的核心还是用户。我觉得这个观点挺新的。因为说到4.0，大家首先的感觉是一个制造的概念，工业4.0是一个制造概念。为什么在制造概念中，你还是认为用户是核心？或者说在整个制造环节，从研发、生产到销售，售后服务，包括管理，整个环节里面，你是如何在每个环节都能够体现出用户是核心的呢？

　　余成龙：其实刚才我在报告中有所阐述，可能不是特别清晰。当然我想如果用最简单的逻辑来回答你这个问题，不管工业4.0，哪怕进化到10.0、100.0，作为一个企业来说必须生存，生存的根本就是用户，如果没有用户买单，哪怕这个企业比别人跑得快，目前的时代可能是4.0跑到6.0了，用户不买单，还是没有用。所以任何的一个出发点或者考虑的基本点，肯定还是用户。在各个环节来说，我个人理解，有广义的用户，也有狭义的用户，广义的用户实际上是我们在内部经营当中，我们每一个员工，每一个环节都是一个用户环节。包括我要提供一个报告，我给谁看，我一定要想着他的诉求是什么，他想解决什么问题，我能够给予他什么帮助。我觉得这也是一个用户的概念。第二个就是我们作为企业，向外界提供的产品来说，也一定要考虑我给他们提供什么，他们为什么会买单。只有买了单，才能让我继续生存和发展，这是一个广义的概念。第三个，在我们的每个环节，刚才也提到了，以营销为例，我们看用户数据的挖掘，刚才韩总也提到了，我们现在都在做线下的研究，线下的访谈。我们实际上过去采用这个模式，现在是过度到了线上的数据，网络的数据进行采集、清晰，甚至挖掘，来做一个匹配。回过头来，像《汽车之家》实际上是自己有非常庞大的线上数据的情况下，为什么要过来再做线下的一些访谈呢？这个实际上就是要把数据做一个匹配，我们才能知道用户真实的需求是什么，整个消费行为，包括消费行为实现过程当中，是如何产生偏差或者转移的。我想这个就是我们对于数据，对于4.0的一个理解。

　　刘小勇：现在说大数据，大家联想更多的就是营销，我能从消费者那儿抓取很多消费者的信息，所以营销跟大数据关联好像更紧密。但是从你的报告里，我感觉长安在对大数据的运用，是贯穿在整个产业链的。你能不能谈一下，消费者的数据，基于营销的这个用途的数据，对它的上游或者下游的其他方面，看上去好像跟用户关联比较远的那些环节，有什么样的用处呢？

　　余成龙：怎么说呢？我所在的部门在公司内部算是一个相对独立的第三方监测机构，我们一个监测大概是1万多用户，在中国这个区域，基本上是全年52周，只有2周不做监测，因为春节和国庆，邀约不到用户，基本上每周的周末都排满了，因为用户平时没有时间，基本都是周末，所以我们每周都有N多个市场的采访。第二个，现在对传统的研究来说，包括汽车界用得比较多的，实际上是一些因子分析和聚类分析，这是用得比较深的一些理论和方法，这些都是需要逐年累计和线下大量的采集，才有可能形成结论，包括也有全过程的一个事情。现在我们通过线上数据的匹配，刚才也提到了，至少是采集，二是做到清洗。清洗的话，第一数据本身要清洗，其次要做到挖掘。这些做完了以后，怎么用呢？第一，刚才韩总谈到了，现实的战胜战败客户，到底和原来的设定有什么偏差？和原来设定的偏差也好，还是在时时当中产生偏差，以及线下转换中产生偏差是怎样的。第二，我们现在可以看到线上，因为这个关注度排名都可以看到，用户也可以看到，这种排名的话，它和原来的广宣层面的动作，是如何关联的，是不是起到效果的？用户心中是怎么想的，怎么做的？这也是起到作用的。第三，用户的需求，我们进行了未来的发掘工作，建模工作，包括定制化进行研究和深访。不是在线下一对一邀约，用户开车两个小时，到我们的指定地点，也许将来就在网络上深访。还有一个监测行为，我们的质量监控，我们的呼叫中心，可以进行电话的访谈。相信在座的每一位可能都接到这种电话，一打过来，你有事就挂了。但是网络上面的问卷，相对而言稍微有点耐心，给你用三分钟五分钟回答，回答的这种真实性和有效性和电话得到的答案是不一样的，我们已经发现这个问题了。各个方面，对于质量的监控也好，对于战胜战败的监控也好，对区域销售，包括你谈到的各种指数，对于几个月后的销售的指针也会产生一些偏差，营销行为、物流，包括品种的调配，确实是方方面面的。可以说集中反映呈现的就是营销。

　　刘小勇：韩总，你作为互联网企业代表，应该是一手抓大数据，一手抓企业的合作。你感觉大数据在汽车行业的运用里，整个汽车产业链里，从研发、生产制造到营销，到售后服务，你感觉到哪些方面的需求更多？从合作的角度来讲，哪些方面的数据现在需求是走在前面？有没有一个先后顺序或者有没有一些难点方面的区别？

　　韩松：先回答第一个问题，从现在大数据应用的阶段，肯定是最早来自于营销端。马上跟进的就是消费者满意度调研，通过口碑可以很快掌握到消费者对产品的满意程度。第三个阶段，包括我们和长安合作，进入产品初期的研发。所谓产品初期研发，是没有达到产品从设计开始，而是基于参数配置，基于一些后装设备的调整，用这个方法看怎么满足消费者的需求。后面还会更深入到产品最早的原型的研发等等。这个是目前整个大数据跟主机厂应用的一个过程，从开始的营销到消费者满意度，到产品的规划，这三个阶段。

　　说到难点，刚才余博士和何马克先生都提到了，现在有两大难点，一是合作之间的，大数据如果分散在各个数据的公司当中，是没有任何价值和作用的。比如我们有车主的购车信息，腾讯有社交信息，淘宝有消费信息，主机厂有消费者的真实信息，这些信息分布在各个人手里，都不能发挥足够的作用。大家都能以透明、开放、协作的心态，把这些数据拼凑在一起，才能画出一个完整立体的用户画像。主机厂需要迈的步子更大，因为大部分和我们合作的主机厂觉得这是消费者的隐私，能不能拿出来和互联网公司进行合作研究，这是现在看到的一个比较大的难点。

　　第二大难点，一旦大数据合作应用开始了，对主机厂原有的组织机构、流程、运用体系是有冲击的，可能要求主机厂的反应更快，可能我们研究的结果就在两三个月有用，过半年就发生了变化，那时候的结论完全是错误的，就需要主机厂在营销应对，产品匹配上要快速有响应机制。我们和长安合作，包括之前上汽，都开始有这方面的尝试。但是很多车企传统的结构，即便通过大数据的合作，看到一些端倪，但是他的体系、生产制造方式是不能去充分运用大数据的结果的。