中国汽车行业近年呈现出爆发性的增长态势，但汽车企业仍普遍缺乏对数据管理和应用的系统性规划，即便是大型的汽车集团企业和合资企业，在这个方面也没有特别出色的表现。究其原因，企业缺乏对数据管理和应用价值的深入认识。企业内部信息流的管理远比资金流和物流管理复杂，重商主义的风潮往往导致企业运营的结果导向，数据管理和应用的过程管理价值很难进行精确地测度，也限制了企业级规划的大规模推进。
目前来看，数据管理存在以下几个问题。
其一，信息系统众多，但信息孤岛化严重。汽车企业各个职能业务所使用的CRM、财务、HR、ERP、SCM等业务系统，经销店端使用的DMS系统，以及销售、售后、市场，财务、汽车金融等各部门的业务子系统等，在诞生伊始就背离了“整体规划、分步实施”的大原则，功能和应用相互独立，技术和平台兼容性差，系统之间数据的共享和整体应用成为难题。随着企业规模的不断扩大，诸多的IT系统将成为企业级的负担，投入也会呈现出滚雪球般的增长。更为棘手的是，企业各级人员都无法从单一的视角来维护、管理和利用相关的数据；业务部门间的数据壁垒大量存在，跨业务主题分析和研究操作难度极大，经营决策不能做到及时和准确。
其二，忽视长期的数据质量管理。大多数汽车企业对于数据质量管理尚未达到可持续发展的程度，往往缺乏企业级的数据整合和主数据管理，长期的数据质量评估，针对经销商数据的管理，大规模的数据整理、清洗、维护和保鲜。应特别强调一下经销商的数据管理：一方面是经销商出于各种目的（如获得更高的满意度得分）对原始销售和售后数据作假，汽车企业必须通过一定手段对这种现象进行判别规制；另一方面是经销商集团的不断成长，往往要部署多个厂商的业务系统，经销商集团内部也需对自己的数据进行企业级整合和数据质量管理，目前行业内罕有成功案例。
其三，数据分析不能支持经营决策和业务应用。由于汽车企业针对数据分析和应用的目的性不强，缺乏必要的人才、平台和分析方法论，导致其在经营决策和业务应用的科学性方面，远远落后于IT、电信、金融等行业。在这方面，汽车企业普遍缺乏科学决策、数据说话的企业文化内核，数据和信息还没有渗入到日常的工作与管理当中去；普遍缺乏企业级的和部门级的管理决策支持系统，或者商业智能系统，不能实现数据的有效、及时汇总和分析，更谈不上深度的业务模型应用；同时，汽车企业也无法像电信、金融等行业一样，针对海量数据进行大规模的数据挖掘，进而建立针对不同业务主题（尤其是营销主题）的模型应用。
其四，数据的业务应用流于简单和形式化。由于以上诸多内容的缺失，导致中国汽车企业的数据业务应用普遍简单而粗放。针对外部数据，汽车企业往往愿意通过数据库营销的方式简单地获取销售线索；而针对内部客户数据，汽车企业则采取定期的直邮、EDM、SMS等方式来维护客户关系。其实，如何进行客户数据的整合、分析建模，如何甄别处在不同客户生命周期（如潜在客户、购买客户、成熟客户、摇摆客户、流失客户、挽回客户等）当中的需求，如何针对特定客户群设计精准的营销和维系方案并进行规模化的实施，才是汽车营销人重点攻坚的业务方向。
汽车企业需要建立短、中、长期的数据管理和应用规划，并在企业文化、流程制度和系统建设上加以配合。落实到具体的内容上，便是数据的整合和质量管理，数据分析、挖掘和商业智能，以及在经营决策和具体业务环节（如营销）上的实例应用。
【版权声明】本文系汽车人传媒独家原创稿件，版权为汽车人传媒所有。欢迎转载，请务必说明出处及作者，否则必将追究法律责任。
