薛海濤,包辛煜
基于大數(shù)據(jù)與雙積分政策的產(chǎn)品規(guī)劃
薛海濤,包辛煜*
(湖南大學(xué) 機(jī)械與運(yùn)載工程學(xué)院,湖南 長(zhǎng)沙 410082)
在整個(gè)汽車生態(tài)系統(tǒng)研究中,政策對(duì)于產(chǎn)品規(guī)劃影響巨大,車企發(fā)展的基準(zhǔn)依托于國(guó)家政策,任何車企要想健康長(zhǎng)久地發(fā)展,離不開國(guó)家政策的支持,因此,研究政策因素對(duì)于未來(lái)車企的發(fā)展規(guī)劃具有重要的意義,但是在傳統(tǒng)的新能源汽車產(chǎn)品規(guī)劃中,并沒有考慮政策因素的影響,因此,文章基于大數(shù)據(jù)的角度并結(jié)合國(guó)家雙積分政策開展了研究,實(shí)現(xiàn)了從政策角度構(gòu)建利潤(rùn)模型,進(jìn)而提出未來(lái)的產(chǎn)品規(guī)劃意見。首先利用灰色時(shí)間序列函數(shù)模型對(duì)汽車銷量及產(chǎn)量進(jìn)行預(yù)測(cè);其次結(jié)合預(yù)測(cè)數(shù)據(jù)及國(guó)家有關(guān)于雙積分政策的相關(guān)規(guī)定建立新能源汽車雙積分政策補(bǔ)貼利潤(rùn)模型;最后選取上汽通用五菱的代表車型五菱宏光Mini EV進(jìn)行案例分析,并依據(jù)利潤(rùn)模型對(duì)五菱未來(lái)新能源汽車產(chǎn)品提出規(guī)劃意見。通過(guò)案例分析驗(yàn)證了該模型的適用性,具有一定的實(shí)用意義。
大數(shù)據(jù);雙積分政策;灰色時(shí)間序列函數(shù);政策補(bǔ)貼利潤(rùn)模型;產(chǎn)品規(guī)劃
隨著全球新一輪科技革命和產(chǎn)業(yè)變革蓬勃發(fā)展[1],汽車與能源、交通、通信等領(lǐng)域有關(guān)技術(shù)加速融合,新能源汽車已經(jīng)成為全球汽車產(chǎn)業(yè)轉(zhuǎn)型發(fā)展的主要方向[2]。山德等研究者提出了三個(gè)有關(guān)美國(guó)新能源汽車產(chǎn)業(yè)監(jiān)管政策的觀點(diǎn):第一,政府部門、行業(yè)機(jī)構(gòu)合作制定了新能源汽車行業(yè)監(jiān)管政策;第二,限制企業(yè)的燃油車生產(chǎn)指標(biāo)取得了良好的效果;第三,政府的資金支持與監(jiān)管力度處于持續(xù)加大的狀態(tài)[3];陳柳欽指出,美國(guó)政府對(duì)新能源汽車產(chǎn)業(yè)實(shí)施的優(yōu)惠政策主要是稅收減免優(yōu)惠與直接補(bǔ)貼兩種方式,并且美國(guó)政府還為汽車企業(yè)提供了低息貸款,在財(cái)政上實(shí)施優(yōu)惠政策的同時(shí)堅(jiān)持將嚴(yán)格監(jiān)管放在第一位[4];在稅收補(bǔ)貼政策上,學(xué)者張鐘允指出,日本政府的稅收補(bǔ)貼政策提出天然氣及電動(dòng)清潔能源車輛享受與同級(jí)別燃油車差價(jià)的50%作為優(yōu)惠補(bǔ)貼[5];德國(guó)聯(lián)邦參議會(huì)于2017年通過(guò)了有關(guān)2030年禁止全部燃油動(dòng)力車輛上路的決議,該決議體現(xiàn)出德國(guó)政府對(duì)于2030年實(shí)現(xiàn)歐盟零排放的積極態(tài)度[6]。
中國(guó)作為全球最大的汽車生產(chǎn)國(guó)和消費(fèi)國(guó),深入實(shí)施發(fā)展新能源汽車國(guó)家戰(zhàn)略[7-8]。近十年,中國(guó)政府為促進(jìn)新能源汽車的產(chǎn)業(yè)化,制定出臺(tái)了一系列政策措施[9-10]。通過(guò)搭建新能源汽車政策評(píng)價(jià)指標(biāo)與評(píng)價(jià)模型,王顯志等學(xué)者采用層次分析法針對(duì)不同類的新能源產(chǎn)業(yè)政策展開分析并得出結(jié)論:第一,新能源汽車的應(yīng)用推廣是新能源產(chǎn)業(yè)發(fā)展的重要環(huán)節(jié);第二,新能源汽車的技術(shù)研發(fā)是核心問(wèn)題;第三,新能源汽車的薄弱環(huán)節(jié)是基礎(chǔ)設(shè)施建設(shè);第四,新能源汽車的有效推廣方式是刺激消費(fèi)者需求[11]。在良好的政策環(huán)境以及政策體系的支撐下,新能源汽車產(chǎn)業(yè)發(fā)展取得積極成效,建立起比較堅(jiān)實(shí)的產(chǎn)業(yè)基礎(chǔ)和先發(fā)優(yōu)勢(shì)。
但如何基于大數(shù)據(jù)的角度確定企業(yè)未來(lái)所能獲得的新能源汽車雙積分補(bǔ)貼利潤(rùn)進(jìn)而對(duì)企業(yè)未來(lái)汽車產(chǎn)品線進(jìn)行配置規(guī)劃成為困擾企業(yè)的主要問(wèn)題,因此具有一定的研究意義。本文將利用大數(shù)據(jù)并結(jié)合雙積分政策建立新能源汽車雙積分政策補(bǔ)貼利潤(rùn)模型,從而利用利潤(rùn)模型對(duì)新能源汽車產(chǎn)品進(jìn)行規(guī)劃。本次研究具有一定的理論意義以及現(xiàn)實(shí)意義,能夠?yàn)槠髽I(yè)未來(lái)的產(chǎn)品規(guī)劃提供強(qiáng)有力的支撐。
雙積分政策[12]是推動(dòng)節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展的重要政策。產(chǎn)業(yè)目標(biāo)主要是推動(dòng)我國(guó)實(shí)現(xiàn)電動(dòng)化轉(zhuǎn)型升級(jí),實(shí)現(xiàn)汽車產(chǎn)業(yè)可持續(xù)健康發(fā)展[13]。
乘用車雙積分是指乘用車企業(yè)平均燃油消耗量(Corporate Average Fuel Consumption, CAFC)積分和新能源汽車(New Enegry Vehicle, NEV)積分。雙積分政策分為五個(gè)階段進(jìn)行實(shí)施,在2019—2023年,NEV積分比例考核要求從10%,每年以2%的速度增長(zhǎng)至18%。
CAFC積分和NEV積分均可結(jié)轉(zhuǎn),CAFC積分只能在關(guān)聯(lián)企業(yè)中進(jìn)行轉(zhuǎn)讓,NEV積分可以自由交易。當(dāng)積分沒達(dá)到要求值時(shí),CAFC積分可以采用CAFC正積分與NEV正積分進(jìn)行抵償;而NEV積分只能使用NEV積分進(jìn)行抵償。因此,企業(yè)產(chǎn)生的CAFC正積分僅能用于企業(yè)自身或關(guān)聯(lián)企業(yè)中,并不能產(chǎn)生其他收益;而產(chǎn)生的NEV正積分可以出售用于賺取利潤(rùn)。
新能源汽車大數(shù)據(jù)與雙積分補(bǔ)貼的利潤(rùn)模型首先通過(guò)大數(shù)據(jù)產(chǎn)量模型預(yù)測(cè)企業(yè)新能源汽車及傳統(tǒng)燃油乘用車的產(chǎn)量,其次判斷企業(yè)某種車型是否滿足政策補(bǔ)貼條件,進(jìn)而按照政策補(bǔ)貼的標(biāo)準(zhǔn)計(jì)算企業(yè)所能獲得的補(bǔ)貼金額[14-15],并將兩者融合,從而建立有關(guān)于企業(yè)新能源汽車大數(shù)據(jù)與雙積分政策的利潤(rùn)模型。
目前關(guān)于汽車產(chǎn)量的預(yù)測(cè),使用的方法主要有定性預(yù)測(cè)和定量預(yù)測(cè)兩種。本文采用定量預(yù)測(cè)中的灰色時(shí)間序列預(yù)測(cè)方法建立了汽車產(chǎn)量預(yù)測(cè)模型[16]。
灰色預(yù)測(cè)是一種對(duì)含有不確定因素的系統(tǒng)進(jìn)行預(yù)測(cè)的方法,它通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行處理來(lái)尋找系統(tǒng)變動(dòng)的規(guī)律,生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列,然后建立相應(yīng)的微分方程模型,從而預(yù)測(cè)事物未來(lái)發(fā)展趨勢(shì)的狀況[17]。時(shí)間序列分析法[18]將同一變數(shù)的一組觀察值,按時(shí)間順序排列構(gòu)成時(shí)間序列,運(yùn)用一定的數(shù)字方法預(yù)計(jì)市場(chǎng)未來(lái)的發(fā)展變化趨勢(shì),確定市場(chǎng)預(yù)測(cè)值。對(duì)于汽車產(chǎn)量的預(yù)測(cè),由于汽車產(chǎn)量受諸多不確定因素的影響,其歷史數(shù)據(jù)也表明其增速的波動(dòng)性明顯,因此,考慮以時(shí)間序列來(lái)構(gòu)造灰色預(yù)測(cè)模型。
步驟1:建立原始時(shí)間序列的預(yù)測(cè)值
式中,為選定的研究范圍的月份代表的序號(hào),例如第1個(gè)起始月份為1,第2個(gè)月份為2,……,以此類推;0()為第個(gè)所代表的月份某種車型的每月汽車銷量或產(chǎn)量,其中=1,2,...,。
步驟2:生成累加數(shù)據(jù)序列
為了消除原始序列值中極端值對(duì)預(yù)測(cè)的影響,生成累加數(shù)據(jù)序列。
式中,1()、1為累加數(shù)據(jù)序列結(jié)果。
步驟3:準(zhǔn)光滑和指數(shù)規(guī)律檢驗(yàn)
光滑比:
級(jí)比:
式中,()、()分別為光滑比、級(jí)比,通過(guò)光滑比及級(jí)比,判斷是否滿足光滑條件和指數(shù)規(guī)律,若滿足則對(duì)1建立灰色(1,1)模型。
步驟4:對(duì)1做緊鄰均值生成1
式中,1()為緊鄰均值,=2,3,...,。
步驟5:建立(1,1)模型
式中,為發(fā)展灰數(shù);為內(nèi)生控制灰數(shù)。
步驟6:最小二乘法估計(jì)參數(shù)和
(7)
步驟7:確定時(shí)間響應(yīng)函數(shù)
式中,(1)(+1)為時(shí)間響應(yīng)函數(shù)。
NEV積分為該企業(yè)新能源汽車積分實(shí)際值與達(dá)標(biāo)值之間的差額。實(shí)際值大于達(dá)標(biāo)值產(chǎn)生正積分,實(shí)際值小于達(dá)標(biāo)值產(chǎn)生負(fù)積分。
式中,NEV總為企業(yè)NEV的總積分值;NEV-r為企業(yè)NEV積分的實(shí)際值;NEV-sd為企業(yè)NEV積分的達(dá)標(biāo)值。
其中新能源汽車積分實(shí)際值NEV-r,是指該企業(yè)在核算年度內(nèi)生產(chǎn)或者進(jìn)口的新能源乘用車各車型的積分與該車型生產(chǎn)量或者進(jìn)口量乘積之和。
式中,NEV為企業(yè)NEV單車積分。其中純電動(dòng)乘用車車型積分NEV按照下列公式進(jìn)行計(jì)算:
式中,s為標(biāo)準(zhǔn)車型積分;μ為續(xù)航里程調(diào)整系數(shù);μ為電耗調(diào)整系數(shù);μ為能量密度調(diào)整系數(shù)。標(biāo)準(zhǔn)車型積分s與續(xù)航里程相關(guān),具體計(jì)算公式如下:
續(xù)航里程調(diào)整系數(shù)μ與續(xù)航里程所處范圍相關(guān),具體系數(shù)如下所示:
車型電能消耗量滿足電能消耗量目標(biāo)值的,即百公里電耗實(shí)際值≤目標(biāo)值,那么電耗調(diào)整系數(shù)μ為車型電能消耗量目標(biāo)值除以電能消耗量實(shí)際值(上限為1.5);其余車型μ按0.5計(jì)算。
式中,為車型電能消耗量目標(biāo)值;為車型電能消耗量實(shí)際值。新能源汽車不同整備質(zhì)量下,電能消耗量目標(biāo)值計(jì)算公式如下:
能量密度調(diào)整系數(shù)μ與電池系統(tǒng)能量密度(Wh/kg)相關(guān),具體系數(shù)如下所示:
新能源汽車積分達(dá)標(biāo)值是指該企業(yè)在核算年度內(nèi)傳統(tǒng)能源乘用車的生產(chǎn)量或者進(jìn)口量,與新能源汽車積分比例要求的乘積。
式中,F(xiàn)V為傳統(tǒng)乘用車產(chǎn)量;為NEV積分比例要求。
式中,NEV為NEV積分補(bǔ)貼金額,為NEV積分的單價(jià)。按中汽中心對(duì)2020年NEV積分交易價(jià)格預(yù)測(cè)值進(jìn)行測(cè)算,目前NEV積分為2300元/分。
新能源汽車?yán)麧?rùn)計(jì)算公式為
式中,為企業(yè)某款新能源汽車的總利潤(rùn);M為企業(yè)某款新能源汽車銷售部分的利潤(rùn);M為政府政策對(duì)企業(yè)某款新能源車補(bǔ)貼部分的利潤(rùn)。其中M由車型的銷量與定價(jià)相乘進(jìn)行求解;M是將政府政策對(duì)某款車的補(bǔ)貼相加進(jìn)行求解。
式中,為企業(yè)某款新能源汽車銷量;為企業(yè)某款新能源汽車產(chǎn)品定價(jià)。
M=MNEV新能源購(gòu)置(21)
政府政策對(duì)企業(yè)某款新能源車補(bǔ)貼部分利潤(rùn)M是由NEV積分政策補(bǔ)貼利潤(rùn)NEV與新能源汽車購(gòu)置補(bǔ)貼政策利潤(rùn)兩部分組成。
本文選取續(xù)航里程低于300 km的五菱宏光Mini EV進(jìn)行研究。
首先整理五菱宏光Mini EV自上市以來(lái)產(chǎn)量數(shù)據(jù),如表1所示。
表1 五菱宏光Mini EV 2020.06-2021.11產(chǎn)量數(shù)據(jù) 單位:輛
年份產(chǎn)量數(shù)據(jù) 2020年4月5月6月 1 075 7月8月9月 7 37715 02220 186 10月11月12月 23 78028 26532 111 2021年1月2月3月 36 77920 17939 771 4月5月6月 29 27326 77430 119 7月8月9月 26 93041 20235 190 10月11月12月 39 15045 604
按照上述模型計(jì)算,可得到預(yù)測(cè)產(chǎn)量模型圖,如圖1所示。
通過(guò)上述產(chǎn)量預(yù)測(cè)圖可以預(yù)測(cè)五菱宏光Mini EV2022年每月產(chǎn)量,如表2所示。
通過(guò)表2預(yù)測(cè)數(shù)據(jù),可以預(yù)測(cè)出五菱宏光Mini EV2022年全年產(chǎn)量。
首先整理五菱傳統(tǒng)燃油乘用車2018—2020年的產(chǎn)量數(shù)據(jù),如表3所示。
圖1 五菱宏光Mini EV產(chǎn)量預(yù)測(cè)圖
表2 五菱宏光Mini EV 2022產(chǎn)量預(yù)測(cè)數(shù)據(jù) 單位:輛
年份產(chǎn)量數(shù)據(jù) 2022年1月2月3月 34 65321 36735 467 4月5月6月 25 68921 32530 765 7月8月9月 27 65440 76539 823 10月11月12月 38 74342 13645 289
表3 五菱傳統(tǒng)燃油乘用車2018-2020年產(chǎn)量數(shù)據(jù) 單位:輛
年份產(chǎn)量數(shù)據(jù) 2018年1月2月3月 178 315145 033181 732 4月5月6月 140 317132 082112 515 7月8月9月 89 25585 013108 289 10月11月12月 102 546106 922163 300 2019年1月2月3月 161 29175 167127 802 4月5月6月 79 47652 36946 475 7月8月9月 67 20383 00096 283 10月11月12月 129 242130 869133 099 2020年1月2月3月 53 8983 22428 709 4月5月6月 58 49560 86757 527 7月8月9月 64 45168 11193 869 10月11月12月 95 783113 731119 426
由表3數(shù)據(jù)按照步驟進(jìn)行產(chǎn)量預(yù)測(cè),預(yù)測(cè)模擬圖如圖2所示。
圖2 傳統(tǒng)燃油乘用車產(chǎn)量預(yù)測(cè)圖
通過(guò)上述產(chǎn)量預(yù)測(cè)圖可以預(yù)測(cè)傳統(tǒng)燃油乘用車2022年每月產(chǎn)量,如表4所示。
表4 傳統(tǒng)燃油乘用車2022年產(chǎn)量預(yù)測(cè)(輛)
年份產(chǎn)量數(shù)據(jù) 2022年1月2月3月 63 7456 02329 308 4月5月6月 59 23658 76353 005 7月8月9月 62 01770 32498 652 10月11月12月 92 35898 765154 323
通過(guò)上表預(yù)測(cè)數(shù)據(jù),可以預(yù)測(cè)出五菱傳統(tǒng)燃油乘用車2022年全年產(chǎn)量。
五菱宏光Mini EV基本參數(shù)如下所示:= 120/170 km;=665/700 kg;=9.3/13.8 kW.h。
按照式(9)—式(18)計(jì)算五菱宏光Mini EV的NEV積分利潤(rùn),具體計(jì)算過(guò)程如下所示:
當(dāng)= 120 km;=665 kg;=9.3 kW.h時(shí),補(bǔ)貼利潤(rùn)計(jì)算如下所示:
1)計(jì)算五菱宏光Mini EV單車積分
NEV五菱宏光MiniEV
s=1,μ=0.7
2)計(jì)算五菱宏光Mini EV的NEV積分實(shí)際值:
NEV-r五菱宏光MiniEV
4)計(jì)算五菱宏光Mini EV的NEV積分
5)計(jì)算五菱宏光Mini EV的NEV積分利潤(rùn)
6)五菱宏光Mini EV補(bǔ)貼總利潤(rùn)即為NEV積分的補(bǔ)貼利潤(rùn)
當(dāng)= 170 km;=700 kg;=13.8 kW.h時(shí),補(bǔ)貼利潤(rùn)計(jì)算如下所示:
1)計(jì)算五菱宏光Mini EV單車積分
NEV五菱宏光MiniEV
2)計(jì)算五菱宏光Mini EV的NEV積分實(shí)際值:
NEV-r五菱宏光MiniEV
4)計(jì)算五菱宏光Mini EV的NEV積分
5)計(jì)算五菱宏光Mini EV的NEV積分利潤(rùn)
6)五菱宏光Mini EV補(bǔ)貼總利潤(rùn)即為NEV積分的補(bǔ)貼利潤(rùn):
通過(guò)對(duì)上汽通用五菱的五菱宏光Mini EV代表車型以及產(chǎn)量預(yù)測(cè)圖的分析,可得出未來(lái)1-2年新能源汽車依舊是發(fā)展的重點(diǎn),我們可以提出未來(lái)企業(yè)新能源汽車規(guī)劃的意見,上汽通用五菱未來(lái)1-2年應(yīng)該在市場(chǎng)基本情況不變的前提下:
1)在國(guó)家政策繼續(xù)補(bǔ)貼的情況下,上汽通用五菱應(yīng)該盡可能地生產(chǎn)航里程大于300 km的新能源汽車,以便符合國(guó)家的政策趨勢(shì)導(dǎo)向,順應(yīng)國(guó)家發(fā)展規(guī)劃,獲得較多的補(bǔ)貼。
2)在國(guó)家政策補(bǔ)貼退坡的情況下,上汽通用五菱應(yīng)盡可能考慮市場(chǎng)情況,在城市中低續(xù)航能力新能源汽車足以滿足消費(fèi)者基本出行需求。因此,五菱應(yīng)多生產(chǎn)低續(xù)航能力車型,同時(shí)開發(fā)新車型,盡快打入市場(chǎng)。
本文主要從雙積分政策的角度探討了企業(yè)利潤(rùn)的問(wèn)題。為了研究企業(yè)未來(lái)新能源汽車雙積分政策補(bǔ)貼利潤(rùn),選取五菱宏光Mini EV新能源車進(jìn)行研究。首先通過(guò)灰色時(shí)間序列預(yù)測(cè)回歸模型預(yù)測(cè)選定車型下一年的產(chǎn)量數(shù)據(jù);第二,通過(guò)預(yù)測(cè)的產(chǎn)量數(shù)據(jù)與雙積分政策補(bǔ)貼建立聯(lián)系,計(jì)算選定車型雙積分政策下的補(bǔ)貼利潤(rùn)。本文在一定程度上建立了針對(duì)新能源汽車的雙積分政策補(bǔ)貼利潤(rùn)模型,補(bǔ)貼利潤(rùn)模型的構(gòu)建為后續(xù)新能源汽車產(chǎn)品規(guī)劃提供了方向,根據(jù)利潤(rùn)模型,可以得出未來(lái)一段時(shí)間內(nèi)新能源汽車產(chǎn)品如何配置,進(jìn)而完成汽車產(chǎn)品生態(tài)研究中的產(chǎn)品規(guī)劃。
[1] 于永初.《節(jié)能與新能源汽車技術(shù)路線圖2.0》引領(lǐng)中國(guó)汽車產(chǎn)業(yè)發(fā)展[J].汽車工藝師, 2020(11):20-22.
[2] 許興華,陳晨.新能源汽車"變革"中加速[J].英才, 2021(8):46-49.
[3] 山德,孟東暉,李顯君.美國(guó)新能源汽車發(fā)展及相關(guān)政策[J].汽車工業(yè)研究, 2014(6):5-11.
[4] 陳柳欽.美國(guó)新能源汽車發(fā)展政策走向[J].時(shí)代汽車, 2011(9):30-34.
[5] 張鐘允,李春利.日本新能源汽車的相關(guān)政策與未來(lái)發(fā)展路徑選擇[J].現(xiàn)代日本經(jīng)濟(jì),2015(5):71-86.
[6] 陳翌,孔德洋.德國(guó)新能源汽車產(chǎn)業(yè)政策及其啟示[J].德國(guó)研究, 2014(1):71-81.
[7] 鞏若琳,李文琦.《中國(guó)制造2025》背景下新能源汽車產(chǎn)業(yè)發(fā)展現(xiàn)狀及前景研究[J].商訊,2020(10):29- 30.
[8] 袁妮,張振鼎,房旭.新形勢(shì)下我國(guó)新能源汽車政策現(xiàn)狀與發(fā)展趨勢(shì)研究[J].時(shí)代汽車, 2021(5):93-94.
[9] 彭華.中外新能源汽車政策模式比較[J].2021(2019- 4):86-108.
[10] 李英艷,黃體允.新能源汽車產(chǎn)業(yè)政策研究[J].合作經(jīng)濟(jì)與科技,2020(18):11-13.
[11] 王顯志,郭宏偉,王武宏.基于層次分析法的新能源汽車產(chǎn)業(yè)政策評(píng)價(jià)[J].道路交通與安全,2015,15(1): 41-46.
[12] 夏靖武,王紅學(xué),陳林.我國(guó)汽車"雙積分政策"的影響及發(fā)展趨勢(shì)研究[J].時(shí)代汽車, 2020(15):64-65.
[13] 張國(guó)振,錢立運(yùn).我國(guó)乘用車雙積分政策研究[J].時(shí)代汽車,2020(9):10-11.
[14] 鄭吉川,趙驊,李志國(guó).雙積分政策下新能源汽車產(chǎn)業(yè)研發(fā)補(bǔ)貼研究[J].科研管理,2019(2):126-133.
[15] 崔衛(wèi)國(guó).基于雙積分政策的一種評(píng)估積分價(jià)值的方法[J].上海汽車,2021(5):19-23.
[16] 楊月英,馬萍.基于灰色時(shí)間序列預(yù)測(cè)中國(guó)汽車銷量[J].湖州職業(yè)技術(shù)學(xué)院學(xué)報(bào),2012,10(1):5-7.
[17] 王慶慶,李謀濤,張星杰.基于灰色預(yù)測(cè)GM(1,1)模型的體育彩票銷量預(yù)測(cè)[J].黃山學(xué)院學(xué)報(bào),2018,20(3): 105-109.
[18] 羅佳佳.基于Matlab的達(dá)能餅干銷量預(yù)測(cè)分析[J]. 長(zhǎng)沙大學(xué)學(xué)報(bào),2013,27(2):115-116.
Product Planning Based on Big Data and Double Points Policy
XUE Haitao, BAO Xinyu*
( College of Mechanical and Vehicle Engineering, Hunan University, Changsha 410082, China )
Across the entire automotive ecosystem, policy has a huge impact on product planning. The benchmark for the development of vehicle companies relies on national policies. If any vehicle company wants to develop healthily and long-term, it is inseparable from the support of national policies. Therefore, the study of policy factors is of great significance for the development planning of future car companies.However, in traditional new energy vehicle product planning, the impact of policy factors is not considered.Therefore, this paper conducts research based on the perspective of big data and combine with the national double-point policy, realizes the construction of a profit model from a policy perspective, and then puts forward future product planning opinions.Firstly, use the grey time series function model to forecast the sales and production of vehicles;Secondly, combine with the forecast data and the relevant national regulations on the double-point policy, establish a new energy vehicle double-point policy subsidy profit model;Finally, the representative model of SAIC-GM-Wuling Wuling Hongguang Mini EV is selected for case analysis,and based on the profit model, it puts forward planning opinions on Wuling's future new energy vehicle products.The applicability of the model is verified by case analysis, which has certain practical significance.
Big data; Double points policy; Grey time series function; Policy subsidy profit model; Product planning
U461.99;F542
A
1671-7988(2023)12-196-07
薛海濤(1982-),男,博士,高級(jí)工程師,研究方向?yàn)槠嚠a(chǎn)業(yè)大數(shù)據(jù),E-mail:haitao.xue@sgmw.com.cn。
包辛煜(1998-),女,碩士,研究方向?yàn)槠嚠a(chǎn)業(yè)發(fā)展,E-mail:bxy0330042310@163.com。
10.16638/j.cnki.1671-7988.2023.012.037