數據挖掘與商業智能的捆綁

從發展路線和實施原理來講，企業級的商業智能應用可以覆蓋企業的全貌、打通不同部門和系統間的數據壁壘、通盤規劃企業的整體應用、企業的總體擁有成本偏低。但企業級的商業智能應用規劃方案復雜、涉及更多的部門間利益糾紛、且實施周期較長、一次性動用資源過多；一旦項目中期出現較大的問題或企業內部分歧，則項目的流產率很高，后續的發展也難以為繼。
    而部門級的商業智能應用則具有“小、快、靈”的特點，單次實施成本偏低、實施速度快、應用見效快、項目成功率較高。但部門級應用會增加企業的總體擁有成本，同時不能有效地打通企業內部的數據壁壘，甚至在某種程度上會加深這種壁壘的存在。當然，隨著企業的部門級應用不斷深入，終究會過度到企業級應用的階段。
    企業級應用和部門級應用，各有利弊，率先發展哪條道路，完全取決于企業的現狀和未來規劃。從目前汽車行業的實際應用來看，部門級應用的發展明顯快于企業級應用的發展。其原因至少如下：
    汽車產業的發展受宏觀政策的影響很大，還不能完全在自然發展的道路上前行。行業內部的兼并重組、整體上市、合縱連橫等不斷涌現，太多的不確定性因素和企業整體規劃的頻繁修正也導致了汽車行業的企業級商業智能應用很難落到實處；
    汽車行業的整體性浮躁，導致了車企內內外外、上上下下的急功近利心理，一種短時間內在企業無法體現自身價值甚至難以說清楚投入產出比的項目，往往會滑向企業的邊緣角落和流于雞肋；
    汽車企業內部缺乏針對商業智能統一規劃、實施和管理的部門，單純的技術部門和某業務部門都難當此大任；而業務部門往往也僅能就自己的業務特點提出商業智能的業務需求，并投入與自身相關的預算，沒有業務的整合和統一的規劃，往往會導致“群龍無首，各自為戰”的局面；
    其他原因則林林總總，此處不再贅述。從本質上看，企業級和部門級的商業智能并不矛盾，關鍵要仔細審視它們對當前汽車行業大環境的適應程度。從長遠來看，汽車企業實施企業級的商業智能工程是一個無可回避的選擇，相關的組織架構、發展規劃、人員培養、流程機制是一個循序漸進的培育和發展過程；但從短期來看，從中國汽車行業的實際情況來分析，部門級的商業智能應用仍是一個過渡性的、而且相當不錯的選擇，而行業的實際情況也完全印證了這一點。
   商業智能催生大規模的數據整合
    相對于電信、金融、IT等行業來講，汽車行業的信息化程度處于明顯落后的狀態，且不同企業間差異明顯。外商獨資和合資企業普遍利用其全球的技術優勢，建立了比較完善的信息化系統，而自主品牌企業在這個方面處于劣勢，有的甚至還處在DMS系統剛剛上線和初步完善的階段。
    在信息化程度較高的車企，往往建立了ERP、DMS、CRM、二手車等諸多系統，分別為諸多部門所使用。如其他行業一樣，這些系統在設計之初就缺乏企業級的考量和規劃（事實上這種規劃也很難實現），導致各個業務系統處于相對孤立的狀態，造成部門間的數據和業務壁壘，也導致了企業整體的數據利用率低下。
    部分車企已經導入了數據倉庫和主數據管理等系統及相關的管理體系，以在更大的層面上實現企業級的數據整合和管理。但是由于沒有終端業務部門強有力的數據分析和業務應用需求拉動，部分車企的數據倉庫建設流于表面，甚至僅僅是一個存儲數據的“鏡像”或“倉庫”，這與數據整合和數據倉庫的思想相去甚遠。另外一些車企，則把主數據管理系統做為簡單的數據清洗工具，既無法實現完整的數據清洗（很多數據質量問題不是技術問題，而是業務問題和管理問題）工作，也偏離了主數據管理系統最核心的價值。
   商業智能系統的提出，對每個車企的數據整合能力都提出了嚴峻的考驗，對于各個業務系統的規范數據，可以通過ETL/ELT建立數據倉庫；對于企業內部零散的、不規范的數據則需要建立定期上傳、校驗和修正等系統和管理機制；同時，車企的數據相當部分來自于經銷商，而DMS系統為某種需求而改造和升級則不是一時之功，因也需要建立針對經銷商數據收集的臨時性通道。
    另外的一個行業亮點，是汽車經銷商集團內部的數據整合。經銷商集團近幾年來不斷壯大聲威，年銷售額超越300億甚至500億已經不是新鮮事情。對于這些規模龐大的經銷商集團而言，上承車企、下聯客戶，同時代理多個品牌并同時使用多套截然不同的DMS系統，集團內部的數據根本無法有效利用。經銷商集團內部的數據整合，其后期的主要應用應該是客戶關系管理（包括分析型的CRM），銷售不賺錢而售后高利潤已經成為汽車行業的發展趨勢，客戶關系管理將成為經銷商集團持續發展的基石，而這其中的數據整合更是重中之重。
   數據挖掘與商業智能的捆綁
   數據挖掘和商業智能，一個偏重于預測性統計分析，一個偏重于描述性統計分析，可謂相得益彰、互為補充；同時，我們也可也以把數據挖掘理解為商業智能的高階發展階段，是商業智能成熟應用的一個主要標志。再者，數據挖掘的的結果，即模型，必須通過一定的信息化平臺得以長期實現，在數據庫中寫存儲過程當然是一種簡陋的方法，而商業智能平臺則是模型部署最完美的選擇。
    目前汽車行業的數據挖掘熱潮初現，在產品方面，汽車質量預警解決方案已經較為成熟；在銷售方面，市場和銷量預測解決方案也不乏涉足者（但中國汽車的政策面太大，此類解決方案還不能精準）；在市場方面，基于客戶生命周期的客戶關系管理（潛客轉化、營銷響應、追加銷售、客戶流失和挽回等）已在諸多中高端廠商中提上議事日程；在汽車金融和保險領域，相關的個人信用及評分解決方案也逐漸成為趨勢。
   數據挖掘是汽車企業邁向智能企業所必須經歷的一個門檻，數據挖掘的數據源可為商業智能平臺的數據倉庫或其衍生出的數據集市，同時數據挖掘對這個數據源的質量提出了更高的要求，這在一定程度也會帶動企業數據整合工作的前進。對于項目制的數據挖掘項目，汽車企業可將其項目結果，即規則集或模型，直接部署到商業智能系統上去，以方便業務部門的應用；對于實時型的數據挖掘，則需要汽車企業將數據挖掘工具的應用服務器與商業智能平臺進行集成，以實現實時的應用和模型的不斷修正；而對于某些已經集成第三方數據挖掘工具的營銷自動化系統而言，商業智能的功效在于數據的管理和模型的展現。不論何種情況，商業智能及其關聯的數據倉庫，都是數據挖掘項目（短期和長期）得以發展的基石；而數據挖掘也在一定程度上豐富了商業智能的應用，二者相得益彰、共成好事。
   第三方應用的興起
    汽車行業商業智能的第三方應用，主要指數據源為第三方的相關應用。對于這些數據源，出于種種原因汽車企業都無法取得其所有權，而僅能獲得其使用權，如數據產權問題、數據保密性問題、成本考量、企業內部技術限制等。隨著汽車行業的超高速發展，第三方數據源的業務不斷豐富，汽車企業對這些數據使用的迫切性也不斷加強。
    第一類第三方數據為市場和競爭情報數據，如全國汽車批發數據、零售數據、新車成交價、二手車成交價、汽車裝備數據、消費者行為數據、經銷商網點數據等。汽車企業通過第三方的商業智能系統，不但可以獲得這些數據的使用權，而且還可以獲得更為豐富的相關數據分析服務，甚至可以基于這些系統提供的靈活分析功能實現自助服務。
    第二類第三方數據為市場研究數據，汽車企業每日都面臨大量的產品研究、消費者研究、滿意度、神秘顧客、飛行檢查等市場研究項目，大量的數據通過Excel和PPT的方式呈現和應用，已經不能滿足汽車企業和市場研究工作的需求。而市場研究數據通過第三方的商業智能平臺交付，項目在效率、成本和準確性等方面都得到極大提升，且數據的保密性和復用性得以加強，可謂一舉多得。
    由于數量眾多，其他第三方應用不再贅述。在這里要特別提及一下商業智能平臺的地圖應用，由于法律法規的限制，常規的商業智能軟件和地圖公司都無法向社會提供高精度的地圖數據，而由于汽車企業內網數據保密的限制，其商業智能軟件也無法訪問和調用地圖網站的API。在這種情況下，折中方案就產生了，第三方可以把自己的數據放在公網的商業智能平臺上，同時可以導入一部分對汽車企業而言保密性不夠高的數據，再調用地圖公司或搜索引擎的地圖數據開發接口，即可實現豐富的地圖功能應用（如經銷商網點分布、商圈規劃和競爭對手監測等）。