搜索
大数据中国 首页 行业资讯 企业投稿 查看内容
物业人的未来角色到底是什么?
2018-7-19 14:30 |原作者: 数据观|来自: 数据观| 查看: 1283| 评论: 0

来自:数据观 https://www.shujuguan.cn/?from=bigdatas

随着科技的发展,中国一、二线城市的传统社区正在向智慧型社区转型,然而,很多“智慧社区”却依旧处于“传统管理”之下,令业主、物业、商户三方无法实现利益的最大化。本文旨在帮助物业企业,利用数据挖掘社区的深层价值,顺利完成转型,实现智慧社区智慧管理

来自:数据观https://www.shujuguan.cn/?from=sohu

科技改变生活,智慧改变社区

日前,扎克伯格自己开发了一个叫做Jarvis的机器人。虽然它没有形体,只呆在扎克伯格和妻子的手机里,但是它可以做的事有很多:比如按照主人的命令,控制不同房间的灯光、音响与空调;监控女儿Max的一举一动;以及充当“门卫”,在访客接近住宅的时候通知主人迎接等。

科技改变生活,从来不是一句口号。事实上,类似于Jarvis的家庭服务智能产品已经慢慢渗透了普通大众的社区。

比方说,越来越多的社区启用了智慧门禁系统,智能车牌云识别停车系统等,让刷脸刷车牌成为现实;各小区有各自的电子商城,实现生活百货以及生鲜粮油的即买即送;移动终端进楼甚至进家,提供洗衣、开锁、维修等各种专业服务一键下单。这里面集成了人工智能技术、物联网、云计算、移动互联网等新一代的技术,大大提升了居民的生活质量,隐隐成为现代小区的“标配”。

也因此,不论是地产商、物业这样的直接利益相关方,还是智能硬件、互联网企业、传统的零售、金融、服务等外部服务型机构,纷纷都在布局谋篇,争抢行业发展先机。“枯藤老树昏鸦,空调WIFI西瓜,葛优同款沙发,夕阳西下,我就往上一趴”的“懒人经济”、结合了B2B、B2C、C2C等诸多优点的“B2F”(Business

to

Family)、搭载了餐饮、旅行、租车等各种前缀的“O2O”,这一切一切新名词的出现都意味着一件事——传统社区,正在不可遏制地向“智慧社区“转型!

从“管家”到“经济人”:实现业主、物业、商户的“三赢”

社区转型,意味着社区的一个个单位——家,正在转型。以前,家是一间房一桌饭一张床;现在,家是一个中控中心,人们坐镇其中,不需要走出很远,甚至按动几下按钮,就能得到自己想要的一切。

家的转型,意味着家的一个个单位——人,正在变化。以前,人们在公司是工作人员,在商场是消费者,在社区中是居民;现在,人们无论何时何地都是消费者。

那么,物业管理企业作为社区的管理者,是否已经看到了在自己“辖区”内居住着、行走着的一个个人形商机?是否还要放任社区中一切被渴求、被消费的服务与自己没有一毛钱关系?是否还在坐拥一整座金矿的时候,做着“保安、保修、保绿、保洁”的基层工作,领着物业费这一“死工资”?

在今天,物业公司不应当还甘心把自己定义为“管家”,而是要更进一步,成为社区的“经纪人”,做好社区与商业的连接工作,让业主、商户、与自己,都能各取所需。

“管家型”公司与“经纪人型”公司,到底有什么不同?以下表格可以略解释一二。

可以看到,“经纪人”型的物业公司,从客户定位开始就与“管家”

型公司不同。前者将客户视为“高端消费人士”,后者则遵循传统,将客户视为小区居民或业主。因此前者做事情从商机(客户)出发,渴望精确的客户画像,了解每一个客户的需求;而后者做事情从日常事务出发,看似每件事都是服务于业主,但与业主发生直接关系的时刻只有两个:一个是上门收物业费时,一个是接到业主投诉时。

由于客户定位不同,两种类型的物业公司所提供的服务也不一样。“管家”型公司业务分为四大类:保安、保修、保洁、保绿;而“经纪人”型公司的“四保”只是最基础的业务,除此之外,还根据客户需求提供各项增值服务。

拿万科的物业来举例,在基本的“四保”之外,万科小区居民还可以享受社区食堂、万物仓、幸福驿站等服务,其中,光是“幸福驿站”,就提供快递代收代寄、保险业务办理、粮油配送、房产租赁、车位代理、团购业务、家庭药箱体验预定、生鲜水果配送、日常生活缴费、干洗等全部日常所需。而提供这些服务只是整个链条中的一环。在服务的过程中,公司积累了大量客户数据,如年龄、职业、家庭成员、爱好、缴费习惯、消费额度、支付习惯,以及宠物、车辆信息等,让一个个躺在资料里的门牌号“立”了起来,活了过来,反过来指导社区商业的未来走向以及精细化管理。

不是每个公司都叫万科,但这并不意味着万科的模式不可复制。物业公司并不非得是服务的直接提供者,它可以作为社区商业平台,将外部的多种服务经过筛选,嫁接到本社区之内,如此,收入来源就不仅局限于物业费了,还有中介费、入场费、广告费等。但一定记住一点,商家会愿意支付一定比例的佣金,不是因为物业公司掌握着社区的面积和人口,这些是不具备价值的;而是因为物业公司了解每一座楼的脾气,每一个门牌号背后的故事,每一个客户的真正价值。换句话说,整个小区可能没有什么是物业公司的有形资产,但住在小区内的人的信息,才是物业公司最宝贵的资产。

商家在社区内完成精准营销,业主在社区内满足生活需求,物业公司在社区内获得最大价值——这种“三赢”才是未来社区商业的发展方向。

盘活社区大数据,让智慧社区得到智慧管理

现在,努力打造“智慧社区”的物业品牌不在少数,楼宇里四处可见服务移动终端、社区app下载二维码等“智慧服务”的痕迹。然而,不少社区只是拥有了智慧的硬件,做到了表面的“智慧化”。这些智慧设备所积累的信息,却没有得到运用,更不能指导社区进一步的发展。

事实上,如果物业公司有心收集数据,那么至少可以得到以下几方面的信息:客户数据、项目管理数据、设施设备数据、商户数据、营销数据、人力数据等等。这些数据来自于呼叫中心、客户信息系统、销售系统、营销渠道等等,对指导传统物业公司应对越来越大的管理领域来说至关重要。但是,收集、积累这些数据也还只是智慧管理的第一步,将它们整合在一起、并挖掘出背后的价值,才能盘活这些数据。

比方说,整合呼叫中心、CRM系统、人力系统与财务系统中的数据,可以获取物业收缴率、客户投诉数量、投诉分布领域、满意度等多层面的数据,联动调查、锁定物业收缴率低背后的真正原因;

整合CRM系统与各营销渠道中的数据,可以将业主的年龄、职业、爱好等与各渠道的营销转化率结合起来,实现更精准的营销投放;

整合设施设备系统、呼叫中心与ERP系统中的数据,可以查看各设备的损坏频率与趋势,优化供货商及合作伙伴的选择;

各种完备的数据,还可以指导入住商户的选址和营销策略,吸引更多优质商户的入驻,提升整个社区的商业生态质量。

完成收集、整合、挖掘三步曲,会发现,企业做到了“业主数字化、物业数字化、周边数字化”,正式进入智慧社区的智慧管理。而企业管理者也会真实地体会到:当眼前的数据只有物业费,就只能靠这一个指标吃饭;当眼前的数据包罗万象,盈利的空间也随之变得星罗密布!

数据的分与合,企业的痛与乐

然而,由于各种数据分散在呼叫中心、CRM、PMS、Salesforce、OA等多种系统/后台中,从导出到整合,再到形成报告,需要一个漫长的周期,我们发现,帮助物业公司从“管家”到“经纪人”转型的,是数据在理想中的整合,而阻止物业公司从“管家”到“经纪人”转型的,却是数据在现实中的分离。

可以说,数据的分与合,决定着企业发展的痛与乐。不管是数据还是资本、是技术还是人力,“整合”都将是大势所趋。万科总裁王石曾说:“物业管理行业应该在未来城市化进程中扮演越来越独立、越来越专业、越来越技术的角色,到最终,人才整合、资本整合、各方面整合,成为一个有影响力、有号召力的行业。”

物业公司如果希望快速转型,必须借助优秀的工具,完成“多源数据轻松连接、多种数据快速整合、多元报表秒速生成、多个成员协同办公”。

多源数据连接,打通的是系统与系统之间的壁垒,让多个数据可以不再各自为战,方便管理人员进行纵向与横向的比较;

多种数据快速整合,解决的是数据到指标的过程,单个数据并不能说明问题,但经过分组、聚合、函数等处理,形成直指业务核心的指标,方便指导决策;

多元报表秒速生成,解决的是数据不易形成洞察的问题;以线图展示趋势、饼图表示比例、气泡图揭示事物之间的关联、区域地图展示分布,可以让数据背后的问题一目了然;

多个成员协同办公,解决的是信息流通不畅的问题;物业公司大部分业务人员都是现场办公,无法第一时间接触信息。如果能够通过移动设备,基于同一个看板进行沟通,将大大提升工作效率。

数据观,迎合物业企业转型所需,提供一站式商业管理云。仅凭鼠标的点击与拖拽,即可完成数据连接、数据处理、数据视觉、数据协作四大功能,让物业管理企业的无形资产——社区数据,能够真实地凸显自我;让物业管理企业可以在自己的金矿上,轻松作业,快速创富!
免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-4-26 16:09 , Processed in 0.097985 second(s), 23 queries .

返回顶部