• www.pg.qq.com

    客户档案
    某主机厂现行零件的备货多依赖专家预测，为保证较高服务水平，执行做大预测结果，不计库存积压后果，造成高水位的库存。受车辆销售下滑影响，高库存积压现象日益严重，且部分配件的服务水平低。

    业务挑战

    SKU数量庞大且需求不稳定

    汽车后市场的订单量取决于零散的、随机的市场需求，且汽车零配件产品种类多。在使用频率方面，非标品和长尾件多，单个SKU消费频次低，产品的需求更加难以预测。

     

    库存成本压力大

    零配件的供应和配送受到季节性、周期性和区域性的影响。如果经销商和厂商保有大量库存以应对可能的零配件需求，则会导致大量的库存积压，库存成本高；反之，如果经销商和厂商不保有零配件库存，则会导致客户维修服务周期过长，导致客户流失。

     

    整体供应和配送网络较为复杂

    零配件的供应和配送网络涉及从经销商和OEM厂商发出订单需求，到实际的配件配送过程，其中涉及到众多主体和信息交互。汽车后市场的交货期随机性强、时限短，部分零部件产品工艺及原材料相对复杂，产品供应能力受产能及外部中断的影响度高，供应商交期不稳定。

    解决方案

    基于数据治理、数据探索、模型训练、策略应用等全周期数据价值挖掘流程等优势，www.pg.qq.com数码通过对供应商生产、供应链物流、库存流转等全流程进行数据采集和KPI监控，帮助车企构建汽车零配件供应链的数据解决方案。

    www.pg.qq.com数码通过零配件的生命周期、业务属性等，对零配件进行分类，并进行分类预测及优化。首先，使用机器学习及人工智能算法预测配件需求，根据其零配件的不同类别，选取模型算法库中的适用模型，并经过业务规则调整等形成最终预测结果；随后，将需求预测结果与企业经营战略约束、业绩指标约束、采