2016年，Dealer Tire的高管向這家百年老字號的剛剛起步的數據科學團隊提出了一個尖銳的問題：我們是否能預測消費者何時需要輪胎？答案是當然可以（趁客戶還沒在別家購買輪胎時接觸客戶，這對Dealer Tire來說至關重要）。

 

Dealer Tire的數據科學主管Chris Schron向記者表示：“這是第一個‘頓悟時刻’，我們意識到，如果我們能夠建立預測模型來回答這個問題，這確實可以增加價值。”

 

這為銷售輪胎和其他汽車零部件的零售連鎖店Dealer Tire鋪平了道路，它可以利用分析技術創建可向合作的經銷商和汽車制造商兜售的新的數據產品和咨詢服務。增值經銷商正期待大數據會帶來大量收入。

 

利用大量交易數據和別的數據來增加收入的策略比比皆是。為了實現這些大數據目標，各大公司正在投資分析項目，這些項目的核心工具包括可以清理、組織和對數據進行建模的軟件，以培養業務洞察力。IDC的市場調研稱，大數據和商業分析軟件在全球的收入將在2022年達到2,600億美元，從2017年到2022年的復合年增長率為12％。

 

 

思考Dealer Tire的過去有助于了解其對大數據的抱負。2015年，Dealer Tire引入第三方公司來衡量其數據分析的使用；然而它并不喜歡所得出的結果。它花了數年時間收集輪胎胎面和其它汽車零件的歷史數據，這意味著它十分擅長所謂的描述性分析，這些分析描繪了已經發生的事情。

 

Schron（Dealer Tire于2015年聘請他來應對這些差距）說，但是，Dealer Tire卻不擅長預測客戶趨勢和行為方面的分析，這十分令人苦惱。Dealer Tire將工作重點轉向預測分析，以幫忙預測可能發生的情況，它同時還將工作重點轉向規范分析，以幫忙確定必須做的事情。

 

Schron組建了一個由初級和高級數據科學家組成的小團隊，創建了一個分析平臺，該平臺有助于分析客戶何時需要更換新輪胎等問題——這看似基本的需求，但卻會產生巨大的經濟影響。Dealer Tire表示，在某一家經銷商購買輪胎的人以后去同一家經銷商購買服務的可能性很高，高達2.7倍，從同一家經銷商購買新車的可能性也很高，高達1.3倍。

 

因此，打造“智能輪胎”可以增加輪胎制造商，經銷商和經銷商自身的輪胎業務。Schron說：“我們的整個商業模式都是以合作關系為基礎，以發現可以提高銷售額和客戶滿意度的新機會。如果我們能提前了解這些事情，我們就可以獲利。”

 

傳統上，公司主要依靠“輪胎計時器”，這實際上就是根據通用平均里程來估算輪胎的磨損度。輪胎一般行駛33,000英里就會產生嚴重的磨損，而駕駛者每年所記錄的里程為10,000英里。然而，每個輪胎胎面的情況各不相同，而且每位駕駛者的平均磨損度都不相同。將所有駕駛者都看成是“普通”的駕駛者，這往往會導致Dealer Tire及與其合作的經銷商和制造商未能在客戶需要換新輪胎時及時聯系客戶，要么太早，要么太晚。

 

Schron的團隊將汽車制造商和經銷商的數據合并到個性化的輪胎磨損模型中，以發現經銷商與客戶接觸的黃金時間。因此而催生的Tire Trigger應用具備了各種可以提供個性化預測的模型。例如，有一個模型預測客戶需要更換輪胎的里程數，而另一個模型則預測客戶每天駕駛的里程數。

 

這些模型還包含子模型，這些子模型可確保最準確的預測，從而準確地預測每個客戶的車輛的胎紋深度。Dealer Tire將這些模型進行匯總，以獲悉更換輪胎的日期，這為制造商提供了一個列表，該列表根據車輛和駕駛模式記錄了每位駕駛者可能達到的特定胎紋深度。經銷商可以使用該信息來確定何時通知客戶更換新輪胎。

 

與對照組（即未接受任何要更換輪胎的建議的那一部分客戶）相比，Tire Trigger將原始轉換率提高了16％，這相當于收入增加了21％。Dealer Tire預計將于2019年讓更多的經銷商和制造商用上該應用。

 

 

Schron說，Dealer Tire的數據科學工作引起了業界的共鳴，各大制造商紛紛向它求助，讓它幫忙做異常檢測并就其它用例向它求助。這項工作也使他的數據科學團隊更加勇于嘗試。Dealer Tire目前正在推出Service Advisor Coach，這是一款績效工具，它可以就如何更好地銷售汽車零件向員工提供培訓和其它建議。

 

Dealer Tire還在開發預測模型，以幫助預測駕駛者對不同零件和服務的需求，以及客戶流失的情況。Schron說，理想情況下，如果經銷商能夠在適當的時刻與客戶建立聯系，它們就可以避免流失。Dealer Tire還通過咨詢業務來銷售其預測性和規范性建模方面的專業知識，以幫助汽車制造商提高銷售額。

 

Schron說，數據科學團隊正在打造各種分析類產品，以授權給合作伙伴使用，也就是說，它的運營方式就像是“經銷商中的初創公司”。

 

Dealer Tire結合從多個數據源獲取的原始數據，并用Domino Data Lab的軟件平臺對其進行轉換，使其可用來建模。數據科學團隊還使用Domino來共享、管理和部署代碼。Domino的平臺對Schron的初級數據工程師來說十分好用，它使公司能夠快速拓展分析工作。

 

Schron說，這與Dealer Tire先前的將各種分析項目用“膠水粘合”的方法相去甚遠，“膠水粘合”法從甲骨文數據庫中提取SQL查詢并在該公司的數據湖中進行查詢，這有礙于數據建模。

 

數據顯示，Dealer Tire正在盤算著重要的事情。Gartner的研究指出，到2020年，能幫公司預測結果并制定行動方案的分析方法將吸引40％的企業在商業智能和分析軟件方面投入新的資金。

 

Schron說，這些新方法幫Dealer Tire發展為一個更加以數據為中心的文化。Schron說：“我們希望再接再厲并將這種思想融入整個組織。”