ThinkingAI Logo
返回博客列表

汽车业务的BI指标体系怎么设计?

汽车 BI 指标体系按制造、渠道、售后三条业务链分别设计,再统一车辆、门店、客户主数据与指标口径。文章给出六步设计法、常见口径陷阱、看板分层、治理与验收清单。

2026-11-2012分钟
汽车业务的BI指标体系怎么设计?

汽车业务做 BI,经常卡在同一个地方:报表铺了一屏,指标名也对,但制造、渠道、售后各说各的数。要解决这个问题,先把指标体系按业务链拆开,再统一主数据和口径。

我的建议是三层结构:结果指标看经营结果,经营指标看业务规模与效率,过程指标看一线动作。三条业务链共用结果指标,驱动指标和过程指标分别设计。落到文档上,就是三条业务链、三层指标、一套口径。

下面按汽车业务的实际情况展开,包括每条链该看什么、六步怎么设计、哪些口径最容易出错。

为什么汽车业务不能一套 KPI 用到底

汽车企业的经营对象跨度很大。制造端按产线和班次组织生产,渠道端按门店、车型和库存做判断,售后端按车辆和客户维护关系。三类对象的数据粒度不同,决策周期也不同。

工厂关心今天这条线有没有停线、一次合格率掉了几个点;大区经理关心本月门店库存和终端零售的差距;售后经理关心本周进厂台次和工位排队。把这些场景压成一张集团 KPI 表,只能做汇总和排名,很难指导现场动作。

可行的做法是保留少量跨链结果指标,例如营业收入、毛利、现金流、客户满意度,用于集团层面的统一比较;再为每条业务链单独设计驱动指标和过程指标。指标层级是相对的,销量对集团是结果,对门店是过程,设计时要写清它在哪个层级承担什么角色。

三条业务链分别该看哪些指标

三条链的指标不是越多越好,先覆盖能解释结果变化的关键变量。

制造端看什么指标

制造端的核心问题是产能、质量、成本和交付。常见指标可以分四组:

  • 效率:产能利用率、设备综合效率 OEE、单车生产工时
  • 质量:整车下线一次合格率、返修率、索赔率
  • 成本:单车制造成本、单车毛利、能耗成本
  • 交付与供应:订单准时交付率、供应商准时交付率、来料不良率、在制品周转天数

两个口径需要先写清。产能利用率通常按实际产出除以设计产能或最大产能计算,分母用哪一个,会直接影响横向比较。OEE 常被拆成可用率、性能和质量三个因子相乘,适合按产线、班次追踪。行业资料给出的具体算法略有差异,企业内部应固定一套并注明适用产线。

渠道端看什么指标

渠道端看的是从工厂到用户这一段,重点在销量质量、库存健康和销售转化。

  • 销量:批发量、终端零售量、上牌量、订单量、交付量
  • 库存:库存系数、库存周转天数、库龄结构
  • 销售过程:线索量、到店率、试驾率、订单转化率、成交周期
  • 盈利结构:单车毛利、终端折扣、金融渗透率、置换率、精品加装率

按中国汽车流通协会的库存调查说明,库存系数等于期末库存量除以当期销售量。按行业惯例,0.8 到 1.2 属于合理范围,1.2 到 1.5 属于偏高区间,超过 1.5 进入警戒水平,超过 2.5 则库存过高、经营压力较大。这套阈值来自协会的行业调查,企业自用时要结合品牌、区域和车型周期调整,不宜直接当考核线。

售后端看什么指标

售后端看的是保有客户能不能回来、回来之后能产生多少产值和毛利。

  • 客户基盘:保有客户数、基盘客户数、回厂率、12 个月客户流失率
  • 流量:进厂台次、预约率、事故车进厂量
  • 转化:客单价、增项渗透率、工时利用率、工位周转率
  • 盈利:售后毛利率、配件周转率、续保率

售后指标最容易被平均值掩盖。 进厂台次下滑但客单价上升,可能是新车客户流失、老车客户撑着产值;只看总产值会错过这种结构变化。按车龄、工单类型、客户来源拆开看,才能判断问题出在拉新、留存还是转化。

业务链结果指标关键驱动指标主要使用人典型查看周期
制造单车制造成本、交付达成产能利用率、OEE、一次合格率工厂厂长、生产与质量负责人日、周
渠道终端零售、单车毛利库存系数、线索转化率、终端折扣大区经理、门店总经理周、月
售后售后产值、售后毛利进厂台次、回厂率、客单价售后经理、服务顾问日、周

汽车 BI 指标体系的六步设计法

第一步,先列决策问题

从“谁在什么周期做什么决定”开始,比从指标清单开始更有效。大区经理每月要决定库存调拨和商务政策,就需要期末库存、终端零售、库龄和单车毛利;售后经理每周要排班和安排邀约,就需要进厂台次、预约率、工位利用率和流失预警名单。

每个决策问题后面补三项:看什么数、异常阈值是多少、异常后由谁做什么。写不出动作的指标,先不放进一期建设。

第二步,按结果、经营、过程拆指标树

指标树的作用是让每一层都能回答上一层的“为什么变化”。集团营业收入下降,往下看是销量下降还是单车收入下降;销量下降,再看是线索减少、到店率下降还是成交周期拉长;售后产值下降,再看是进厂台次减少还是客单价下滑。

拆分时保持一条原则:同一分支上的指标要能相互解释,不能把质量、成本、客户满意度混在一个层级里。每个指标最多挂一个上级指标,避免重复计算和归因混乱。

第三步,为每个指标建一张指标卡

指标卡是体系的最小单元。 至少写清这些字段:指标名称、业务定义、计算公式、分子与分母、统计对象、可用维度、统计周期、数据来源、责任人、版本号、异常阈值。

以库存系数为例,指标卡要写明按品牌还是按门店统计、期末库存是否包含在途车辆、当期销售量用批发还是零售、统计周期是自然月还是滚动 30 天。这些字段不写清,同一张报表换个部门就会算出两个数。

第四步,统一主数据和维度编码

汽车业务的主数据至少有四类:车辆、门店、客户、车型。VIN 是车辆的主键,门店编码要能对应组织架构和历史归属,客户 ID 要能合并同一人在不同门店的购车与售后记录,车型编码要能关联品牌、车系、配置和动力类型。

主数据不统一,维度下钻就会断。比如门店搬迁或合并后,历史销量归到新门店还是老门店,需要在维度表里保留归属快照,否则同比数据会失真。

第五步,按看板分层,给每个指标配动作

同一个指标放在不同层级,展示频率和展示方式都不同。

看板层级主要看什么更新频率用来做什么
集团经营营收、毛利、现金流、销量、售后产值月目标调整、资源分配
品牌或大区零售、库存、线索转化、门店排名周商务政策、库存调拨
门店到店、订单、交付、进厂台次、工位日排班、邀约、派工
岗位跟进任务、预约、回访、增项机会日具体客户动作

看板不是指标越多越好。每一层只保留能触发动作的指标,其余放到下钻页面。指标出现异常时,看板要能直接显示对应的责任人和处理建议,否则业务看完仍然不知道做什么。

第六步,按月复盘,允许指标下线

指标体系上线后要有人维护。每月复盘一次指标使用情况,看哪些指标被反复查看、哪些指标从未打开、哪些指标经常被追问口径。连续三个月没人使用的指标,可以停用或合并。

复盘还要记录口径变更。考核周期、返利政策、车型年款切换都会影响指标可比性,变更前要评估影响哪些报表、模型和考核方案。

汽车 BI 最容易出错的口径

指标常见混淆建议写清的内容
销量批发量、零售量、上牌量混用统计对象、是否含在途与库存、数据来源
库存系数分子分母周期不一致期末库存范围、当期销售量口径、统计品牌范围
进厂台次同一车辆多次开单算法不同同一 VIN 一天多单如何计数、内部车辆是否剔除
客单价产值含税与不含税混用分子是否含配件与索赔、分母是否含事故车
流失率观察窗口和分母不同12 个月还是 24 个月、分母取哪一期进厂客户
毛利返利、金融、精品归属不清返利确认方式、是否分摊到单车、是否含税

销量口径值得单独说明。中国汽车工业协会网站 2015 年转载的一篇文章把车企销量分为三类:批发量是厂家批发给经销商的数量,包含经销商库存和在途车辆;零售量是经销商卖给终端客户的数量;上牌量是车辆实际登记上牌的数量。三者的差额,正好可以用来观察渠道库存压力。只报一个销量,无法判断车是停在停车场还是交到了用户手里。

汽车三种销量统计口径示意图,批发量对应工厂到经销商,零售量对应经销商到客户,上牌量对应客户到车管所

图注:三种销量口径分别对应渠道中的三个位置,差额可用于观察渠道库存压力。制图依据:中国汽车工业协会网站 2015 年转载的销量口径说明。

库存系数同理。协会的统计说明明确使用期末库存量除以当期销售量,但企业自己算的时候,期末库存是否含在途、当期销量用批发还是零售,都要在指标卡里固定。口径不一致时,先别急着比较高低,先确认两边算的是不是同一件事。

库存系数计算与警戒区间图,公式为期末库存量除以当期销售量,0.8 到 1.2 合理,1.2 到 1.5 偏高,1.5 到 2.5 警戒,2.5 以上过高

图注:库存系数的计算方式与行业观察区间。制图依据:中国汽车流通协会库存调查说明;阈值用于行业观察,企业考核线需结合自身情况设定。

售后指标则要防止平均值掩盖结构。进厂台次、客单价、毛利率、流失率这四项常被放在一起看,但它们的统计对象不同:台次按工单,客单价按进厂车辆,毛利率按产值与成本,流失率按客户。分母不统一,四个数放在一张表里也无法互相解释。

汽车 BI 的维度怎么设计

汽车 BI 的维度设计,关键是让分析能从集团一路下钻到车辆和客户。

  • 组织维度:集团、品牌、大区、城市、门店、部门
  • 产品维度:品牌、车系、车型、配置、动力类型、年款
  • 车辆维度:VIN、生产批次、车龄、保有状态、使用性质
  • 客户维度:客户 ID、来源渠道、生命周期阶段、会员等级
  • 交易维度:订单、交付、工单、工单类型、支付方式
  • 时间维度:日、周、月、季、年,自然周期与滚动周期分开

维度设计有三条规则。第一,每类对象只有一个主键,跨系统关联都走这个主键。第二,同一维度内的层级不能混用,例如大区和城市不能放在同一列里筛选。第三,组织归属发生变化时保留历史快照,避免历史数据被新架构覆盖。

指标口径怎么长期保持一致

口径能不能长期一致,取决于有没有人负责、有没有变更机制。

指标字典要写明定义、公式、维度和责任人,并保留版本。口径变更要走评审,评估影响的报表、模型、考核和对外披露。停用的指标要归档,不要直接删除,否则历史对比会断。

当企业开始用 AI 问数或数据分析 Agent 时,口径的重要性会进一步放大。用户问“上月华东库存系数是多少”,系统需要知道华东包含哪些门店、库存系数用哪个版本、统计周期是哪个月。这些信息如果散落在文档和聊天记录里,模型只能猜。

ThinkingAI 的企业知识库采用 SSOT 机制,让同一概念在全系统只有一处定义,并通过 ChangeSet 记录每次更新的可追溯、可对比和可回滚。对指标体系来说,这类能力的价值在于把指标卡从静态文档变成 Agent 可调用的知识,减少同一指标在不同报表里各算一套的情况。

上线前用六个问题做验收

  • 同一指标在两个系统里是否得到同一个值?
  • 能否从集团数字下钻到门店、车型和 VIN?
  • 每个异常指标是否有对应责任人和处理动作?
  • 口径变更能否在一天内同步到报表、模型和考核?
  • 连续三个月未使用的指标是否已经清理?
  • 业务人员能否不看 SQL 就解释指标变化的原因?

六个问题里只要有两项答不上来,说明体系还停留在报表集合的阶段,需要回到指标卡和口径定义补课。

FAQ

汽车 BI 指标体系和一般 BI 指标体系有什么区别?

差别主要在业务对象和分析维度。汽车业务要同时处理车辆、门店、客户和工单,销量还分批发、零售、上牌三种口径,售后要按车龄和进厂记录判断客户留存。通用指标框架可以复用,但指标树、维度和口径必须按汽车业务链重新设计。

一套汽车 BI 指标体系要多少个指标?

数量取决于管理范围,没有统一标准。集团层面通常保留十几到二十个结果指标,大区和门店各保留一组驱动指标,岗位看板只放能触发动作的过程指标。指标过多会稀释注意力,建议先覆盖三条业务链的关键结果和驱动变量,再按使用情况增补。

没有数据中台,能不能先做指标体系?

可以。先把指标定义、口径和责任人定下来,用现有系统取数,也能支撑经营分析。数据中台解决的是数据整合和服务复用,指标体系解决的是口径和解释关系。两者可以并行推进,但没有统一口径,中台建好之后仍然会出现同名不同数。

新能源车企和传统车企的指标差异在哪?

新能源业务更关注订单交付周期、充电与软件服务收入、电池健康和残值管理,售后进厂频次和保养项目也与燃油车不同。传统车企的渠道库存、经销商返利和网点管理指标权重更高。两类企业可以共用结果指标框架,驱动指标要按业务模式调整。

经销商集团和主机厂的指标体系能共用吗?

可以共用结果指标,驱动指标需要分开。主机厂更关注批发、渠道库存、终端零售和品牌份额,经销商集团更关注单店毛利、库存周转、售后产值和客户留存。两边对同一指标的口径也可能不同,例如销量在主机厂按批发统计,在集团按零售统计,对接时要先对齐。

怎么判断指标体系是否有效?

看三个信号:业务是否按固定节奏使用看板做决策,指标异常后是否有人采取动作,口径争议是否在减少。如果报表访问量很高但没有人据此调整策略,说明指标还没有进入管理流程,需要补上阈值、责任人和复盘机制。

参考资料

  • 中国汽车流通协会:2024 年 1 月汽车经销商库存系数及库存调查说明,2024 年 2 月 8 日,https://cada.cn/Data/info_85_10156.html
  • 中国汽车工业协会:通用、本田公布终端零售量上牌数据为何依旧神秘,2015 年 5 月 14 日,http://www.caam.org.cn/chn/8/cate_82/con_5158483.html
  • FP&A Professionals Institute:Top 15 Automobile KPIs Every FP&A Must Track,https://fpnaprofessionals.com/top-15-automobile-kpis-every-fpa-must-track/

准备好构建你的 Agent 团队了吗

立即体验 Agentic Engine, 让 AI 成为真正的团队成员

ThinkingAI Big Logo
电话咨询