汽车行业的高速成长，带动了相关业务信息化系统的大规模建设，随之而来的是商业智能及其相关应用的不断发展和壮大。随着时机的成熟，在汽车行业蛰伏多年的商业智能应用又迎来了一个新的发展高潮，种种趋势逐渐浮现。
　　
　　部门级商业应用暂时吃香
　　
　　从发展路线和实施原理来讲，企业级的商业智能应用有以下好处：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，使企业的总体拥有成本偏低。相应来讲，也就有以下劣势：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，倘若项目中期出现较大的问题或企业内部分歧，那么项目极有可能流产，后续的发展也难以为继。
　　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。但部门级应用会使企业的总体拥有成本上升，同时不能有效地打通企业内部的数据壁垒，甚至会加深壁垒的存在。
　　企业先发展哪个级别的应用，这取决于企业的现状和未来规划。而现实情况是，部门级应用的发展明显快于企业级应用的发展，原因有：汽车产业的发展受宏观政策的影响很大，致使行业内部有太多不确定性的因素；行业的整体性浮躁；车企内部缺乏针对商业智能统一规划、实施和管理的部门。
　　但从长远来看，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。但在时机成熟之前，部门级的商业智能应用对于企业而言，会是一个不错的过渡阶段。
　　
　　商业智能催生大规模的数据整合
　　
　　在信息化程度上，外商独资及合资企业利用其全球的技术优势，建立了比较完善的信息化系统，而自主品牌企业则没那么幸运，大部分还处在DMS系统刚刚上线和初步完善的阶段。
　　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，但这些系统在设计之初就缺乏企业级的考量和规划，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。
　　为了进一步实现企业级的数据整合和管理，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，但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，这些建设也只流于表面，甚至只是一个存储数据的“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发展迅猛，对于他们而言，上承车企、下联客户，但代理多个品牌而使用多套截然不同的DMS系统，导致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，销售不赚钱而售后高利润，这已是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的关系是相得益彰、互为补充，可以理解为数据挖掘是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。同时，数据挖掘的结果，即模型，必须通过一定的信息化平台得以长期实现，那么商业智能平台就是其最完美的选择。
　　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，其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，它也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。
　　
　　第三方应用的兴起
　　
　　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，汽车企业只能拥有使用权，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，车企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。车企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。车企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，传统的方法已不能满足工作的需求。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。
　　之于商业智能平台的地图应用，由于法律法规及保密的限制，一些高精度的数据不能提供，也无法调用地图网站的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)。
　　中国汽车行业的商业智能应用，目前仍处于起步期和探索期，在可以预计的将来，将会有越来越多的成功应用和成熟解决方案持续涌现，并帮助中国的汽车企业向智能化企业不断迈进。