【摘要】数据挖掘与商业智能的捆绑从发展路线和实施原理来讲，企业级的商业智能应用可以覆盖企业的全貌、打通不同部门和系统间的数据壁垒、通盘规划

数据挖掘与商业智能的捆绑

从发展路线和实施原理来讲，企业级的商业智能应用可以覆盖企业的全貌、打通不同部门和系统间的数据壁垒、通盘规划企业的整体应用、企业的总体拥有成本偏低。但企业级的商业智能应用规划方案复杂、涉及更多的部门间利益纠纷、且实施周期较长、一次性动用资源过多；一旦项目中期出现较大的问题或企业内部分歧，则项目的流产率很高，后续的发展也难以为继。
    而部门级的商业智能应用则具有“小、快、灵”的特点，单次实施成本偏低、实施速度快、应用见效快、项目成功率较高。但部门级应用会增加企业的总体拥有成本，同时不能有效地打通企业内部的数据壁垒，甚至在某种程度上会加深这种壁垒的存在。当然，随着企业的部门级应用不断深入，终究会过度到企业级应用的阶段。
    企业级应用和部门级应用，各有利弊，率先发展哪条道路，完全取决于企业的现状和未来规划。从目前汽车行业的实际应用来看，部门级应用的发展明显快于企业级应用的发展。其原因至少如下：
    汽车产业的发展受宏观政策的影响很大，还不能完全在自然发展的道路上前行。行业内部的兼并重组、整体上市、合纵连横等不断涌现，太多的不确定性因素和企业整体规划的频繁修正也导致了汽车行业的企业级商业智能应用很难落到实处；
    汽车行业的整体性浮躁，导致了车企内内外外、上上下下的急功近利心理，一种短时间内在企业无法体现自身价值甚至难以说清楚投入产出比的项目，往往会滑向企业的边缘角落和流于鸡肋；
    汽车企业内部缺乏针对商业智能统一规划、实施和管理的部门，单纯的技术部门和某业务部门都难当此大任；而业务部门往往也仅能就自己的业务特点提出商业智能的业务需求，并投入与自身相关的预算，没有业务的整合和统一的规划，往往会导致“群龙无首，各自为战”的局面；
    其他原因则林林总总，此处不再赘述。从本质上看，企业级和部门级的商业智能并不矛盾，关键要仔细审视它们对当前汽车行业大环境的适应程度。从长远来看，汽车企业实施企业级的商业智能工程是一个无可回避的选择，相关的组织架构、发展规划、人员培养、流程机制是一个循序渐进的培育和发展过程；但从短期来看，从中国汽车行业的实际情况来分析，部门级的商业智能应用仍是一个过渡性的、而且相当不错的选择，而行业的实际情况也完全印证了这一点。
   商业智能催生大规模的数据整合
    相对于电信、金融、IT等行业来讲，汽车行业的信息化程度处于明显落后的状态，且不同企业间差异明显。外商独资和合资企业普遍利用其全球的技术优势，建立了比较完善的信息化系统，而自主品牌企业在这个方面处于劣势，有的甚至还处在DMS系统刚刚上线和初步完善的阶段。
    在信息化程度较高的车企，往往建立了ERP、DMS、CRM、二手车等诸多系统，分别为诸多部门所使用。如其他行业一样，这些系统在设计之初就缺乏企业级的考量和规划（事实上这种规划也很难实现），导致各个业务系统处于相对孤立的状态，造成部门间的数据和业务壁垒，也导致了企业整体的数据利用率低下。
    部分车企已经导入了数据仓库和主数据管理等系统及相关的管理体系，以在更大的层面上实现企业级的数据整合和管理。但是由于没有终端业务部门强有力的数据分析和业务应用需求拉动，部分车企的数据仓库建设流于表面，甚至仅仅是一个存储数据的“镜像”或“仓库”，这与数据整合和数据仓库的思想相去甚远。另外一些车企，则把主数据管理系统做为简单的数据清洗工具，既无法实现完整的数据清洗（很多数据质量问题不是技术问题，而是业务问题和管理问题）工作，也偏离了主数据管理系统最核心的价值。
   商业智能系统的提出，对每个车企的数据整合能力都提出了严峻的考验，对于各个业务系统的规范数据，可以通过ETL/ELT建立数据仓库；对于企业内部零散的、不规范的数据则需要建立定期上传、校验和修正等系统和管理机制；同时，车企的数据相当部分来自于经销商，而DMS系统为某种需求而改造和升级则不是一时之功，因也需要建立针对经销商数据收集的临时性通道。
    另外的一个行业亮点，是汽车经销商集团内部的数据整合。经销商集团近几年来不断壮大声威，年销售额超越300亿甚至500亿已经不是新鲜事情。对于这些规模庞大的经销商集团而言，上承车企、下联客户，同时代理多个品牌并同时使用多套截然不同的DMS系统，集团内部的数据根本无法有效利用。经销商集团内部的数据整合，其后期的主要应用应该是客户关系管理（包括分析型的CRM），销售不赚钱而售后高利润已经成为汽车行业的发展趋势，客户关系管理将成为经销商集团持续发展的基石，而这其中的数据整合更是重中之重。
   数据挖掘与商业智能的捆绑
   数据挖掘和商业智能，一个偏重于预测性统计分析，一个偏重于描述性统计分析，可谓相得益彰、互为补充；同时，我们也可也以把数据挖掘理解为商业智能的高阶发展阶段，是商业智能成熟应用的一个主要标志。再者，数据挖掘的的结果，即模型，必须通过一定的信息化平台得以长期实现，在数据库中写存储过程当然是一种简陋的方法，而商业智能平台则是模型部署最完美的选择。
    目前汽车行业的数据挖掘热潮初现，在产品方面，汽车质量预警解决方案已经较为成熟；在销售方面，市场和销量预测解决方案也不乏涉足者（但中国汽车的政策面太大，此类解决方案还不能精准）；在市场方面，基于客户生命周期的客户关系管理（潜客转化、营销响应、追加销售、客户流失和挽回等）已在诸多中高端厂商中提上议事日程；在汽车金融和保险领域，相关的个人信用及评分解决方案也逐渐成为趋势。
   数据挖掘是汽车企业迈向智能企业所必须经历的一个门槛，数据挖掘的数据源可为商业智能平台的数据仓库或其衍生出的数据集市，同时数据挖掘对这个数据源的质量提出了更高的要求，这在一定程度也会带动企业数据整合工作的前进。对于项目制的数据挖掘项目，汽车企业可将其项目结果，即规则集或模型，直接部署到商业智能系统上去，以方便业务部门的应用；对于实时型的数据挖掘，则需要汽车企业将数据挖掘工具的应用服务器与商业智能平台进行集成，以实现实时的应用和模型的不断修正；而对于某些已经集成第三方数据挖掘工具的营销自动化系统而言，商业智能的功效在于数据的管理和模型的展现。不论何种情况，商业智能及其关联的数据仓库，都是数据挖掘项目（短期和长期）得以发展的基石；而数据挖掘也在一定程度上丰富了商业智能的应用，二者相得益彰、共成好事。
   第三方应用的兴起
    汽车行业商业智能的第三方应用，主要指数据源为第三方的相关应用。对于这些数据源，出于种种原因汽车企业都无法取得其所有权，而仅能获得其使用权，如数据产权问题、数据保密性问题、成本考量、企业内部技术限制等。随着汽车行业的超高速发展，第三方数据源的业务不断丰富，汽车企业对这些数据使用的迫切性也不断加强。
    第一类第三方数据为市场和竞争情报数据，如全国汽车批发数据、零售数据、新车成交价、二手车成交价、汽车装备数据、消费者行为数据、经销商网点数据等。汽车企业通过第三方的商业智能系统，不但可以获得这些数据的使用权，而且还可以获得更为丰富的相关数据分析服务，甚至可以基于这些系统提供的灵活分析功能实现自助服务。
    第二类第三方数据为市场研究数据，汽车企业每日都面临大量的产品研究、消费者研究、满意度、神秘顾客、飞行检查等市场研究项目，大量的数据通过Excel和PPT的方式呈现和应用，已经不能满足汽车企业和市场研究工作的需求。而市场研究数据通过第三方的商业智能平台交付，项目在效率、成本和准确性等方面都得到极大提升，且数据的保密性和复用性得以加强，可谓一举多得。
    由于数量众多，其他第三方应用不再赘述。在这里要特别提及一下商业智能平台的地图应用，由于法律法规的限制，常规的商业智能软件和地图公司都无法向社会提供高精度的地图数据，而由于汽车企业内网数据保密的限制，其商业智能软件也无法访问和调用地图网站的API。在这种情况下，折中方案就产生了，第三方可以把自己的数据放在公网的商业智能平台上，同时可以导入一部分对汽车企业而言保密性不够高的数据，再调用地图公司或搜索引擎的地图数据开发接口，即可实现丰富的地图功能应用（如经销商网点分布、商圈规划和竞争对手监测等）。