刘明轩 Kaison Lau

车辆工程（主修）+ 会计学（辅修） · 双学士（工学学士 + 管理学学士）

英语 CET-4，具备英文工作沟通与国际来访接待能力。

交付服务部-服务运营 · 运营数据管理 / AI产品化推进

主要职责

• 负责区域售后经营数据统计与监控，覆盖来厂台次、产值、毛利率、首保/二保/续保/新保、精品/备件利润、NSS 等核心指标。
• 搭建"一店一档-督导巡检数字化体系"，设计巡检指标与评价逻辑，接入 DMS 核心指标形成门店评分与问题诊断框架。
• 主导投诉治理 AI 化：合并周度 VOC/投诉数据，用 What-Why-How 三层分析法 + 5M1E 鱼骨图划分优先级，覆盖销售、交付、售后服务、金融全业务域。
• 主导 SkyEye/OEM 公域舆情监控系统，独立设计事故车维修超期提醒系统（DMS 采集 + 规则引擎 + 飞书提醒），推进企业微信客户维系平台从 0 到 1 的需求设计。
• 牵头 120 家授权门店服务能力调研，推动门店岗位分析与定岗定编，承担区域出差与现场巡检支持。

主要产出

1. SkyEye/擎天AI·东风天眼作为东风集团 AI 大赛汇报作品，2026.07.07 完成 7 分钟 10 页 PPT 正式汇报，获评东风集团"青年岗位能手"及"东风青年小工种技能竞赛第一名"。
2. SkyEye 系统建成 27 张表数据层，覆盖公开内容采集、AI Agent 帖子级情感/风险判断、品牌健康度看板等全链路。
3. 事故车维修超期提醒系统已生产上线，按 7/10/14 天分级规则每日 10:00 推送门店/区域告警、17:00 推送全国 KPI 报表。
4. 120 家授权门店服务能力调研覆盖 29 省，识别补胎自营率仅 25.8%（最大短板）、38 家门店（占比 31.7%）存在 2 项以上能力缺口、15 家门店保养项目覆盖不足 15 项，并输出短/中/长期整改计划。
5. 投诉治理方案划分 P0（自动结构化 + 智能分诊 + 重大风险预警）/ P1（知识库 + 处理建议生成）/ P2（月度根因复盘）三级优先级，向业务负责人及数据/IT/AI 团队完成立项讲解。
6. 摸底 DMS 系统 158 个独立页面，识别 114 个有数据页面，为经营分析、投诉抓取、事故车监控等后续数据接入建立可复用入口。
7. 作为体验中心海外大客户指定英文接待人，负责第 26 届世界青年大会、华中科技大学 2026 年国际暑期学校等国际来访接待。

售后服务部-特约店管理科 · 经营支援 / 售后数据分析

主要职责

• 负责全国 600+ 特约店售后经营数据分析，覆盖来厂、订货、产值、利润、CSI、区域经营和客户流失等维度，支持售后目标制定与区域督导经营改善。
• 独立开发特约店产值日跟踪、客户流失热力图、退网店客户承接分析等数据工具。
• 参与召回线索跟踪 APP 需求设计与企业微信客户维系项目预埋。

主要产出

1. 产值日跟踪工具覆盖全国 600+ 特约店，将区域经营数据查看从人工导表升级为日跟踪看板，提升区域督导数据查看效率。
2. 客户流失热力图与退网店客户承接分析工具，支撑区域督导快速定位流失风险区域并制定客户承接策略。
3. 召回线索跟踪 APP 与企业微信客户维系预埋项目获评东风本田 2025 年"价值创造"铜奖。

新能源工厂焊装项目组 · 数字化项目负责人

主要职责

• 负责焊装领域 IT/数字化项目发注、供应商评审、需求规格书、计划、风险管理、系统验收和现场培训全流程。
• 主导焊装智能管理平台 WIMP 建设，覆盖生产执行、VIN 追溯、工事管理、制程品质、设备监控。
• 负责 AGV 智能搬运系统项目实施与联调。

主要产出

1. WIMP 平台覆盖生产执行、VIN 追溯、工事管理、制程品质、设备监控 5 大模块，支撑焊装产线数字化管理。
2. 推进 30+ 台 AGV 联调上线，实现每日 500+ 台零部件柔性搬运能力。
3. 独立完成数字化项目从供应商评审到现场培训的全流程交付，保障新能源工厂焊装产线按期投产。

产品设计 / 全栈实现 / 汇报人

面向汽车主机厂的公域舆情智能监控系统，把抖音、小红书等公开平台内容转化为品牌风险信号和处置建议，解决主机厂难以及时发现负面舆情、竞品声量和真实用户反馈的问题。

• 搭建 27 张表数据层，AI Agent 完成帖子级情感、风险、品牌、话题判断，输出风险矩阵和品牌健康度看板。
• 作为集团 AI 大赛汇报作品展示"已跑通产品"，获东风集团"青年岗位能手"、"东风青年小工种技能竞赛第一名"。

技术栈：TikHub API / PostgreSQL / Fastify / Vue3 / ECharts / DeepSeek Agent / Docker

需求拆解 / 规则引擎 / Web 控制台

面向全国门店和区域督导的异常工单监控工具，解决事故车维修周期长、异常发现晚、区域跟进依赖人工检查的问题。

• 自动登录 DMS 抓取维修数据，按 7/10/14 天三级规则识别超期风险，向对应人员推送飞书卡片和 Excel 报表。
• 已生产上线，稳定支撑每日 10:00 门店/区域告警和 17:00 全国 KPI 报表推送，产生持续可追溯的真实运行数据。

技术栈：Python / DMS 爬虫 / 规则引擎 / Web 控制台 / 飞书机器人

字段梳理 / 分析口径设计 / 报告输出

将投诉明细转化为 AI 摘要、风险标签、归因分析和处置建议，覆盖销售、交付、售后服务、金融全业务域，解决投诉数据分散、人工总结慢、难以形成可复盘治理闭环的问题。

• 用 What-Why-How 三层分析法和 5M1E 鱼骨图划分 P0/P1/P2 三级优先级，形成向业务负责人和数据/IT/AI 团队立项的讲解方案。
• 支撑投诉治理、巡检复盘和季度分析报告的持续产出，已按月合并 1-5 月投诉/服务类清单并按门店匹配巡检结果。

技术栈：DMS 爬虫 / 百炼 AI 摘要 / 风险标签体系 / 飞书多维表格