人工智能如何助力汽车行业数字化转型

麦肯锡是一家全球管理咨询公司，致力于帮助组织实现可持续和包容性增长。它将大胆的战略与变革性的技术相结合，帮助组织实现更可持续的创新和持久的绩效提升，打造一支立足当下、赢得未来的优秀员工团队。

麦肯锡全球管理合伙人彭波发表了主题为“人工智能如何助力汽车行业数字化转型”的演讲。以下是发言摘要:

彭波，麦肯锡全球管理合伙人。

人工智能的五个应用方向

在制造业和汽车行业，AI主要有五个应用方向，包括复杂数据生成洞察、语言处理和文本分析、虚拟机器人和虚拟图像、自动化决策。

具体来说，首先，可以应用人工智能从复杂的数据中产生洞察力。车辆公司收集了大量用户的退货数据；市场部收集的不同经销商的数据；很多关于售后和车联网的数据。这些数据在大多数企业都没有发挥作用。有了AI，可以利用现有的数据进行自主学习和持续改进，通过算法和平台不断产生洞察，这对整个商业来说是非常有价值的。

第二，语言处理和文本分析。基于对行业的观察，我们发现这一块用的越来越多。语言处理和文本分析是指借助算法从人类语言中提取语义的技术，比如语音转文本，图片转文本，或者图片转文本，已经比较成熟和广泛应用，这也是机器学习要应用的。第三，图像识别和视频分析已经应用于很多工业企业的发票分析和自动驾驶的图像分析。

第四，软件代理。在汽车行业的应用多为虚拟影像，可以完成与乘客的交互对话，接收指令后控制车辆的行驶状态。第五，自动化决策，比如流程自动化。

以上五个方面是人工智能推动车企数字化的常见应用。这些应用带来了怎样的价值？麦肯锡已经预测，机器和深度学习具有巨大的价值。预计2025年，全球车企潜在价值机会高达2150亿美元，相当于各车企息税前盈利年均增长9%。

图片来源:麦肯锡

麦肯锡认为，具体到汽车行业，AI有11个应用场景。比如收集基于AI的产品设计建议，如何在采购过程中构建巧妙的供应链，对产品结构优化做出分析和建议，对供应链中的需求形成更准确的预测，这些都有助于商业规划，在营销过程中预测销量，包括判断用户购买产品的意向，如何在售后过程中防止客户流失。

麦肯锡AI推动数字化转型的案例实践

接下来选择几个用例进行具体说明。首先，在采购过程中经常使用通过AI自动合并统一一些不同实体的支出数据，从而找到降低成本的空间。这意味着企业可以通过数据自学习，自动自适应地对采购数据进行分类，分类后再进一步提取和清洗。这种方法不仅可以用于生产性采购，也可以用于非生产性采购。

就麦肯锡的项目实践来看，麦肯锡曾经通过自然语言处理和文本分析的技术，帮助一家客户在复杂标准件的采购成本中找到了10%-20%的成本降低空间，节省了近4000万欧元。

图片来源:麦肯锡

第二种情况是销售预测。AI的应用有助于提高销售预测的准确性，有助于后期的生产调度、车辆配置、库存分配和营销。麦肯锡主要利用AI的神经网络系统对100个变量进行学习，通过这项技术将预测准确率提高到80%。该技术的原理主要是从时间维度对历史上的相关事件进行模拟分析，从产品、品类、店铺、价格、促销等不同维度对能够实现预测价值的模拟进行模拟优化。

最后一种情况是结合用户的特点和提供的数据，提高向用户推荐产品的准确率，即根据用户的特点，利用大数据精准推送产品。该技术的应用使预测精度提高了17%，并能形成相对自动化的结果。

值得一提的是，AI的应用还有助于预测和预防售后环节的用户流失。通过深度学习建模，按照新的细分标准对用户进行分类，对高风险、易流失的用户进行划分。基于这些划分，高风险用户的保留可以降低36%的整体离职率。在这个过程中，留存的客户会有向上销售的可能，可以提升整体收入4-5个百分点。

终于，软了……re代理，包括聊天机器人和场景应用机器人。麦肯锡开发了一种基于自然语言处理(NLP)技术的聊天机器人，有助于实现服务流程的自动化，增强客户体验，并显著提高服务的准确性。同时，利用图像识别技术，可以对客户手机发来的照片进行分析，达到自动抄表的效果，使客户推荐率达到80%，降低服务成本20%-30%，明显降低用户流失率。

总的来说，基于我们在AI推动数字化转型方面的具体实践，AI的应用能够为数字化转型带来量化价值，企业推动数字化转型能够带来实实在在的经济效应。

(以上内容来自麦肯锡全球管理合伙人彭波，他在2022年9月22日由Gaspar主办的2022中国汽车数字化转型大会上发表了“人工智能如何助力汽车行业数字化转型”的主题演讲。)麦肯锡是一家全球管理咨询公司，致力于帮助组织实现可持续和包容性增长。它将大胆的战略与变革性的技术相结合，帮助组织实现更可持续的创新和持久的绩效提升，打造一支立足当下、赢得未来的优秀员工团队。

麦肯锡全球管理合伙人彭波发表了主题为“人工智能如何助力汽车行业数字化转型”的演讲。以下是发言摘要:

彭波，麦肯锡全球管理合伙人。

人工智能的五个应用方向

在制造业和汽车行业，AI主要有五个应用方向，包括复杂数据生成洞察、语言处理和文本分析、虚拟机器人和虚拟图像、自动化决策。

具体来说，首先，可以应用人工智能从复杂的数据中产生洞察力。车辆公司收集了大量用户的退货数据；市场部收集的不同经销商的数据；很多关于售后和车联网的数据。这些数据在大多数企业都没有发挥作用。有了AI，可以利用现有的数据进行自主学习和持续改进，通过算法和平台不断产生洞察，这对整个商业来说是非常有价值的。

第二，语言处理和文本分析。基于对行业的观察，我们发现这一块用的越来越多。语言处理和文本分析是指借助算法从人类语言中提取语义的技术，比如语音转文本，图片转文本，或者图片转文本，已经比较成熟和广泛应用，这也是机器学习要应用的。第三，图像识别和视频分析已经应用于很多工业企业的发票分析和自动驾驶的图像分析。

第四，软件代理。在汽车行业的应用多为虚拟影像，可以完成与乘客的交互对话，接收指令后控制车辆的行驶状态。第五，自动化决策，比如流程自动化。

以上五个方面是人工智能推动车企数字化的常见应用。这些应用带来了怎样的价值？麦肯锡已经预测，机器和深度学习具有巨大的价值。预计2025年，全球车企潜在价值机会高达2150亿美元，相当于各车企息税前盈利年均增长9%。

图片来源:麦肯锡

麦肯锡认为，具体到汽车行业，AI有11个应用场景。比如收集基于AI的产品设计建议，如何在采购过程中构建巧妙的供应链，对产品结构优化做出分析和建议，对供应链中的需求形成更准确的预测，这些都有助于商业规划，在营销过程中预测销量，包括判断用户购买产品的意向，如何在售后过程中防止客户流失。

麦肯锡AI推动数字化转型的案例实践

接下来选择几个用例进行具体说明。首先，在采购过程中经常使用通过AI自动合并统一一些不同实体的支出数据，从而找到降低成本的空间。这意味着企业可以通过数据自学习，自动自适应地对采购数据进行分类，分类后再进一步提取和清洗。这种方法不仅可以用于生产性采购，也可以用于非生产性采购。

就麦肯锡的项目实践来看，麦肯锡曾经通过自然语言处理和文本分析的技术，帮助一家客户在复杂标准件的采购成本中找到了10%-20%的成本降低空间，节省了近4000万欧元。

图片来源:麦肯锡

第二种情况是销售预测。AI的应用有助于提高销售预测的准确性，有助于后期的生产调度、车辆配置、库存分配和营销。麦肯锡主要利用AI的神经网络系统对100个变量进行学习，通过这项技术将预测准确率提高到80%。该技术的原理主要是从时间维度对历史上的相关事件进行模拟分析，从产品、品类、店铺、价格、促销等不同维度对能够实现预测价值的模拟进行模拟优化。

最后一种情况是结合用户的特点和提供的数据，提高向用户推荐产品的准确率，即根据用户的特点，利用大数据精准推送产品。该技术的应用使预测精度提高了17%，并能形成相对自动化的结果。

值得一提的是，AI的应用还有助于预测和预防售后环节的用户流失。通过深度学习建模，按照新的细分标准对用户进行分类，对高风险、易流失的用户进行划分。基于这些划分，高风险用户的保留可以降低36%的整体离职率。在这个过程中，留存的客户会有向上销售的可能，可以提升整体收入4-5个百分点。

终于，软了……re代理，包括聊天机器人和场景应用机器人。麦肯锡开发了一种基于自然语言处理(NLP)技术的聊天机器人，有助于实现服务流程的自动化，增强客户体验，并显著提高服务的准确性。同时，利用图像识别技术，可以对客户手机发来的照片进行分析，达到自动抄表的效果，使客户推荐率达到80%，降低服务成本20%-30%，明显降低用户流失率。

总的来说，基于我们在AI推动数字化转型方面的具体实践，AI的应用能够为数字化转型带来量化价值，企业推动数字化转型能够带来实实在在的经济效应。

(以上内容来自麦肯锡全球管理合伙人彭波，他在2022年9月22日由Gaspar主办的2022中国汽车数字化转型大会上发表了“人工智能如何助力汽车行业数字化转型”的主题演讲。)

标签：发现

汽车资讯热门资讯