技術部門和業務部門對項目主導權的爭奪，在大部分商業智能項目中不可避免地會重復出現。與其他信息系統的實施壹樣，相當多的企業將商業智能納入技術項目的範疇；還有壹些企業在立項的時候就把商業智能上升到“決策支持系統”的層面，達到管理層，達到執行層。無論是技術項目、業務系統還是決策支持系統，關鍵問題在於汽車企業對商業智能的需求、理解和應用成熟度。
壹般來說，商業智能工程不是壹蹴而就的，需要在項目之初就建立長期的發展規劃和實施路線圖。項目的良性發展，既離不開業務部門的行業理解和業務需求，也離不開技術部門的IT經驗和支持，三者缺壹不可。與壹般的商業信息系統不同，商業智能在企業內部覆蓋的範圍更廣，對業務部門的個性化要求也更高(而且業務部門的個性化要求會越來越復雜，隨著時間的推移而頻繁變化)。在這種情況下，內外部數據的整合和商業智能的平臺化將更加突出，項目在數據管理方面的成敗將直接影響最終用戶的應用和商業智能在企業中的長遠發展。綜上，結合中國汽車行業實施商業智能的壹些成敗案例，建議汽車企業在明確自身商業智能實施路線圖的基礎上，以技術為主導切入商業智能項目。在完成基礎數據整合和平臺搭建後，他們要建立合適的業務應用，將管理和業務部門的應用理念和能力培養到成熟，並在應用層面不斷開發新的應用和創新，最終過渡到以業務為主導的成熟發展階段。
智能系統或報告系統
有壹種說法是，99%的商業智能項目最終都在報表系統中。這雖然有些誇張，但也說明了相當比例的商業智能項目最終成為企業的“雞肋”，甚至以失敗告終的現實。當然，汽車行業也不例外。
很多商業智能項目在立項之初就貼上了“智能、決策支持、戰略分析、科學決策”的標簽，卻不知偉大的目標可以壹蹴而就，壹個類似於企業中樞神經的系統，半天就可以實現。理想與現實的巨大落差，很容易讓最初構建的體系迅速失寵，聲名狼藉。
很多企業的管理層都明白商業智能作為“頭號”項目的重要性，他們可以全身心投入到項目中，報道宣傳，不遺余力；但是到了策劃研究階段，就很難找到下落了。“決策支持系統”的規劃缺乏企業決策者的參與，業務部門的專業數據統計師或報表制作者往往被指派“扮演”類似的角色。戰略需求無形，戰術需求無形，決策支持系統淪為報表系統將是必然。
很多企業的管理層並不能真正了解商業智能的發展規律和核心價值，希望通過壹個實施項目“壹戰到底”，卻不知道數據整合、報表、OLAP分析、商業模型、數據挖掘乃至實時商業智能是壹個漸進的過程，企業級商業智能能力中心的建設也是相應組織和流程機制的保障。
智能系統是終極目標，報表系統是初級階段。沒必要評論孰優孰劣。關鍵問題是，商業智能系統上線後，如何“培育”這個新生嬰兒，是否“培育”進企業的大腦或中樞神經系統。需要投入的不僅僅是人力、物力、財力，更多的是理智、信念和熱情。
忽視商業智能能力中心的建設
很多企業，尤其是汽車企業，在商業智能項目上投入大量資源購買軟硬件或支付咨詢公司的實施費用，因此與系統上線後需要投入的更多資源相左。商業智能系統作為企業級的決策支持系統，在企業中的定位應該比普通業務系統高得多，其數據、業務、應用、釋放的能量都不是普通業務系統可以比擬的。因此，組織、人員配置和流程機制的保障也是商業智能在企業中不斷發展壯大的基本條件。
特別是相應的組織架構，IT部門或者單個業務部門甚至原有的項目團隊，都無法承擔起持續推動企業內部商業智能發展的角色。壹方面，由於商業智能的觸角涉及到企業的方方面面，需要壹個復合型的知識團隊來維持其運轉。另壹方面，企業內部各業務單元之間的利益紛爭，甚至企業政治，都會嚴重削弱商業智能應有的核心地位。因此，企業有必要設立獨立的商業智能項目運營機構(甚至可以設立來自IT和核心業務部門的專家人員)，並明確其任務、崗位、職責和流程，以促進和提升企業的商業智能能力，有效支持企業的經營戰略。
商業智能能力中心應該至少由以下人員組成:BI架構師、數據管理專家、業務專家、數據分析師或建模師、BI開發人員、業務單元的項目經理等。同時，公司管理層也應作為成員定期或不定期參與商業智能能力中心的建設和運營。主流行業的多個商業智能能力中心的業務實踐證明，采用類似的機構設置，可以更高效地推動商業智能工程在企業中的發展，甚至可以成為企業的中樞神經業務單元，可以在沒有外部幫助的情況下，為企業開發出許多核心業務模型和數據模型，為企業創造巨大的生產力和利潤。
忽略數據挖掘
普通的商業智能應用更側重於描述性的統計分析，而傳統的數據挖掘傾向於預測性的統計分析，兩者相輔相成，可以為企業管理提供壹個相對完整的決策支持視圖。當然，也有理論認為，數據挖掘是商業智能的高級發展階段，其本質是從描述統計到預測統計的飛躍。然而，汽車行業的現實是，商業智能系統已經進入快速發展期，而數據挖掘往往以獨立項目的形式存在，難以系統化和規範化。
商業智能和數據挖掘的精神可以說是壹脈相承的，與年齡無關。企業在制定商業智能計劃時，要全面考慮其發展路線，其中自然包括數據挖掘及其模型的部署和應用。在數據集成階段，在數據倉庫設計之初就考慮到未來數據挖掘對數據質量和數據量的需求，可以逐步開發出專門用於數據挖掘的數據集市；在業務應用階段，還可以考慮逐步整合壹些基於項目的數據挖掘模型和嵌入式數據挖掘模塊(如CRM或營銷活動管理系統中嵌入的第三方快速建模工具)，模型的結果可以通過商業智能平臺呈現，並伴隨商業智能平臺生成的壹些業務分析結果，進行聯合決策支持。
另壹個需要註意的問題是，汽車行業的數據挖掘剛剛進入初級階段，數據質量差，數據積累少，業務應用不清晰，可借鑒的經驗少。然而，由於其巨大的預測吸引力，汽車公司往往對數據挖掘項目給予很大的期望。壹旦後續的商業效果(尤其是營銷效果)不盡如人意，數據挖掘就會在汽車企業內部飽受詬病。在這種現實下，將數據挖掘納入商業智能工程的發展路線圖是壹個很好的選擇，既豐富了商業智能的內涵和應用，又發揮了商業智能平臺的集成優勢，給管理層壹個合理的發展預期。
行業內的先進經驗和解決方案
很多汽車企業在實施商業智能項目時，要特別註意借鑒行業的先進經驗，參考行業解決方案。從原則和工作精神來看，沒有錯誤。但現實是，汽車行業有多少所謂的先進經驗和解決方案可以借鑒。
從行業來看，鑒於電信、金融、快消品乃至IT行業起步早、數據積累豐富、業務需求眾多，商業智能在這些行業的應用已經發展到了比較高的水平，可供汽車行業作為後來者借鑒。但畢竟隔行如隔山，不同行業之間存在巨大的各向異性。在努力實現高效率的今天，快速向兄弟行業學習顯然是不可行的。
從汽車行業本身分析，部分外商獨資企業建立了較為完善的企業級商業智能系統，但往往直接復制或使用海外母公司的系統，業務應用單壹，可復制性不高；壹些合資企業也建立了相當數量的部門級商業智能應用，但大規模涉及企業級的成功案例很少；而自主品牌起點較低，還處於業務系統大發展階段，對商業智能的理解和需求還遠遠不到位。當然，參考國外國際品牌的成功經驗也是壹條出路，但畢竟中國已經成為全球最大的汽車市場，市場和業務的復雜程度和變革效率都遠高於境外。我們的經驗已經開始被別人借鑒，還有多少地方是別人可以借鑒的？
綜上所述，參考這個詞看似強大，實則極不靠譜。中國汽車工業必須自力更生，自我探索，尋求壹條具有中國市場特色的商業智能發展之路，這是根本。
忽略經銷商的申請
汽車行業不同於許多其他行業，因為它與消費者之間有壹層額外的經銷商關系。經銷商(集團)不僅負責銷售和售後，還負責二手車、車險、汽車金融、精品等很多復雜的業務。從廣義上講，它們也是企業的虛擬分支機構。很多汽車企業在實施商業智能項目時不能保持開放的心態，認為數據和信息是企業的核心機密，不能與經銷商共享和交互，這大大限制了商業智能項目的生存空間。
首先，經銷商是汽車企業接觸客戶的渠道，也是汽車企業重要的數據來源。除了DMS、CRM等壹些信息系統上傳的數據，企業還需要大量的臨時數據或“系統外”數據，以備不時之需。經銷商的數據收集、整理、上傳無疑增加了他們的運營負擔。如果沒有相應的機制和流程來激發和保障他們的積極性以及數據的完整性、準確性和及時性，那麽商業智能的應用效果就會大打折扣。
其次，經銷商對於自身的管理也有很多決策分析的需求，但是由於資源和信息的限制，很難有所作為。如果經銷商也能知道自己的歷史數據對比，競爭對手對比，銷售業績排名，市場份額占用等。通過商務智能系統，並根據廠商對經銷商的意見和建議及時調整市場和銷售策略，信息和分析結果的可重用性將大大擴大，商務智能平臺的價值在虛擬組織中得以最大化發揮，從而提高經銷商和汽車廠商的經營業績，可謂雙贏之舉。
最後，很多汽車廠商和經銷商之間的關系可謂微妙，很難通過日常的業務流程和經營政策對經銷商的經營行為進行準確的約束和引導。通過商業智能平臺，汽車廠商可以更加準確及時地發現和威懾經銷商的違規行為(如虛假銷售、跨區域銷售)，也可以基於數據為經銷商提供更加科學的業務指導，大大提升了自己在經銷商心目中的權威。
唯壹的手表
很多汽車企業的業務部門對商業智能工程抱有矛盾甚至逆反的態度，原因有幾個:數據的收集、整理、清洗增加了他們的工作量；數據統計口徑不壹致會導致多部門扯皮；數據核對會暴露很多歷史或業務問題，甚至是“潛規則”，影響部門和個人的形象和地位...因此，折衷主義會在項目開發過程中不斷蔓延，甚至利益相關者會在數據整合階段提出許多“備選”方案。無論哪種行為，都會影響汽車企業內數據的壹致性，造成企業內部多個“時區”；沒有世界時和唯壹的手表，基本的數據分析是不可能的。
汽車企業建立的很多系統的數據規則，如OA、ERP、CRM、財務系統等業務管理系統，都是基於各個業務部門的需求獨立建立的，可以獨立運行，形成了很多信息孤島。商業智能工程的主要目標之壹是打破現有的信息孤島狀態，整合企業數據資源，有效支持企業管理決策和戰略決策。這就需要汽車企業各個業務部門的協調，領導層的統壹規劃，去除冗余數據，保證數據的準確性和壹致性，在數據倉庫層面統壹企業數據。
對於數據的歷史遺留問題和“潛規則”，汽車廠商管理層應該大度包容。畢竟歷史是無法改變的，現在的主要精力應該放在未來。
外部數據管理
商業智能工程的核心是數據。在數據源多而雜的情況下，如何解決數據源管理的問題顯得尤為重要，而外部數據的管理是最困難的。外部數據壹般指企業中無法通過ETL提取的管理數據。大部分分散在不同業務部門的不同業務人員手中，甚至是企業的經銷商和供應商。這些數據結構混亂，管理不系統，短時間內無法自動獲取，只能人工收集、整理、匯總、清理。正是由於外部數據管理的巨大難度，汽車企業的業務部門在提供外部數據時推諉、拖延，進壹步影響了商業智能系統的性能。
壹個臨時的解決方案是在商業智能系統的數據初始化過程中壹次性解決外部歷史數據集成的所有問題，而添加外部數據仍然是手工完成的。另壹個折中的辦法是，業務部門提供外部數據，定期上傳到臨時數據采集系統，系統提供驗證入庫。但從汽車企業商業智能的長遠發展來看，這些並不能成為常態，因為外部數據的人工幹預會導致數據出錯的概率增加；即使經過系統的驗證可以篩選出壹些問題，但是問題數據文件的退回、重新提交、重新驗證也會延遲分析結果，甚至影響整體的分析輸出。更致命的是壹些外部數據的準確性，不設置復雜的業務數據驗證規則，很難識別。壹旦入庫，將直接影響業務和決策者的分析結果，造成錯誤的分析結果或決策失誤。這類問題的後果往往是事後才發現，會讓商業智能的輸出趨於被動，不僅不能成為企業的助力，反而可能成為企業的阻力。
從長遠來看，要解決外部數據問題，根本的還是汽車企業需要不斷完善自己的商業信息系統，為商業智能系統提供更加自動化的數據支持；對於壹些無法解析的外部數據，需要壹個專門的外部數據管理平臺，作為外部數據源和商業智能平臺之間的中轉站。
分階段培訓
很多汽車企業還不能正確認識決策支持系統和業務管理系統的區別。即使他們對商業智能略知壹二，也很難完全理解階段性培訓在商業智能項目建設中的重要作用。商業智能系統的建立並不意味著商業智能系統的成功。壹個成功的商業智能系統是壹個被用戶廣泛認可的系統。如何才能得到用戶的認可？全面完整的分階段用戶培訓是其核心。
項目策劃立項階段的宣傳導向培訓屬於試點概念培訓，也是所有參與者政治角力的階段。釋放想法、願景和想象力必不可少，但要記住，不能脫離實際，無休止地擴大商業智能的效力，以免將來陷入無法自圓其說的境地。
在項目需求調研和詳細設計階段，原型系統或演示系統的設計必須充分，才能讓眾多非專業人士快速、高效、循序漸進地熟悉商業智能功能模塊的使用方法和應用流程，從而在需求調研中更深層次地挖掘其(潛在)需求，同時保持其參與整個項目實施過程的熱情。
在項目開發過程中，需要根據不同管理者和業務部門的應用特點，組織小規模、個性化的培訓，深入挖掘和把握他們的需求，並加以闡述。
項目啟動後，壹方面要對所有用戶進行普遍的、大規模的運營層面的培訓，另壹方面也要對管理層進行宣傳培訓，通過他們的力量進行內部宣傳推廣，以逐步在汽車企業內部建立科學的決策和企業文化。同時，要在各業務部門選拔壹批關鍵應用人員，逐步培養他們開發業務報表乃至業務模型的能力，使他們逐步成為商業智能系統的核心用戶和傳承者。
在商務智能系統的運營和後續開發階段，重點培訓工作應轉移到咨詢公司和汽車廠商之間的知識傳承上，並在企業中逐步建立和完善商務智能能力中心，確保該中心能夠逐步擺脫咨詢公司的支持，壯大自身，為汽車企業開發更多的商業應用。
綜上所述，不同步驟和策略的培訓應貫穿於汽車企業商業智能工程的整個生命周期。知識和應用是力量，繼承和發展是生命。
應用和文化
商業智能不僅僅是壹個部門，壹個系統和壹個體系，更是壹種文化，壹種科學決策的文化。由於近年來汽車行業的快速發展，火熱的市場助長了汽車企業盲目樂觀的決策文化，科學決策短期內難以成為汽車行業的主流。但無論如何，商業智能不應該成為企業的政治工程和花瓶工程。
企業管理層的個人氣質往往對企業文化產生潛移默化的影響。因此，在商業智能項目啟動之初，汽車企業管理層應發揮示範作用，帶頭學習、使用和開發商業智能在企業中的應用，同時做好相關的組織架構和流程體系，確保商業智能的核心地位。當然，內部的推廣、宣傳和獎懲措施也必不可少，必要時甚至可以使用更多的行政命令，以最少的“痛苦”建立科學決策的企業文化。
同時，商業智能文化也是壹種理性和探索性的文化，數據整合和分析工作枯燥乏味，需要更多的默默無聞和冷靜。然而，商業模式和應用的發展充滿了誘惑和挑戰，這需要更深入的行業理解和商業洞察力，以及持續的創新精神。
運氣不可能總有，但道更難找。商業智能工程催生的科學決策文化是商業智能可持續發展的基石。