●应用角度。①业务、目标主导BI。企业BI的实施要结合公司的实际，了解企业急待解决的问题，从管理层最关心的业务主题开始，比如应收账款和账期、现金流、生产质量、库存或者促销结果等。以业务趋动而非IT趋动BI，很多企业明白这样的道理，即应该由业务部门的需求主导软件的设计和开发。但由于业务人员的水平不足以提出未来管理模型架构，企业应该给予IT部门绝对的权威，让它有权要求业务部门配合IT部门共同协商提出需求模型，以尽量准确地把握企业的业务发展方向。②进行BI成本控制。BI经常被企业视为庞然大物，非得花费个上千万的预算才有可能办到，而这些预算中，数据仓库往往又是当中最耗费成本的。排除数据仓库在建置时采用主题式、整合过的数据这类方法，数据仓库本质上就是可以储存大量数据的数据库，从目前微软的SQL Server 2005都宣称能储存TB级别的数据量来看，以较低成本建置资料仓库事实上不难达成。③系统应用应具有简易性。由于商务智能系统是为业务部门应用的，业务部门的需求也在不断地变化，所以该系统不是设计好固定的界面让业务部门来应用就可以了，而是一定要让应用部门学会自己使用“傻瓜照相机”，不要所有的业务应用都让IT部门专门为其开发并进行针对性的培训，而应该使业务部门像使用日常办公软件一样，能够较为容易地掌握使用方法和基本的开发与拓展技术，可以及时地使用商务智能系统进行一般的分析、查询和问题跟踪工作。
　　●技术角度。①控制数据来源。导入BI系统，用意在发掘数据中的事实，由这个事实再发展出种种分析结果与面向服务对象的决策协助[19]。因此想要发掘出事实，有赖于“干净”的资料数据。BI架构中，干净的数据通常利用ETL工具达成，数据从来源到目的的清洁过程，每经过一个阶段，数据就更具价值。而对于有ERP系统的企业，这个问题较小。②注重数据分析：要成立专门的数据分析部门。在国内，对数据分析师这个职位提到的还不多，国外有专家建议，如果准备上BI系统的话，一定要落实相应的数据分析部门。企业对数据进行优化的目的，是要从中找出最有价值的数据，这些有价值的数据挖掘出来后，如果没有相应的人对其进行跟踪处理，数据的价值也就只停留在被用于迅速做出报表的层面了。③分段的设计思想。在数据仓库的设计中，要考虑将数据仓库和业务系统相对隔离，将数据仓库和分析应用相对隔离，BI实施前，要对项目的整体规划、技术架构、分步实施进行规划，对于是否需要ODS，数据仓库的逻辑架构和物理架构的设计以及数据集市的结构等都要进行认真的设计。业务驱动的系统容易出现问题使初期的数据整合很难拓展为企业的数据仓库，所以在设计时，需要特别关注系统的整体架构。
管理角度。①领导参与。商务智能项目与企业其他信息化工程一样，是一把手工程。在项目实施过程中，如果部门相互独立，相互协作就得不到保证。如果是IT部牵头，业务部应该有专人介入。否则，由于业务繁忙，业务部门的人员对项目的重视程度往往不够，很少发表意见或者参与项目决策，导致项目的失败，所以一定要由企业的一把手出面，各个相关部门有专人参加，参加的人对企业的业务比较熟悉，而且能领会领导的意图。②加强培训。项目前期需求需要引导和培训，项目中间需要对项目组人员进行技术工具培训，以便项目上线后，公司会有专人维护。因为商务智能项目是一个过程，必须根据业务需求，实时进行项目的开发。项目上线后还要对业务人员进行培训，特别是教会业务人员学会工具的利用，针对自己的需求自行进行项目开发[20]。
　　
　　6企业BI的前景与趋势
　　
　　商务智能从诞生到普及伴随着企业信息化进程的不断推进，正处在高速发展的阶段，经历着剧烈的变革，这其中既缘于技术进步的驱动，更缘于市场对企业BI提出的新需求，本文试从BI与搜索技术的融合方面讨论BI的未来趋势。
　　6.1BI与搜索技术的融合
　　目前企业实践中遇到的问题是，有价值的信息高度分散在企业的各个角落，这是信息管理领域早已公认的事实，同时也是多年来未被攻克的一个难题。在BI的数据挖掘技术不断演进的同时，隐藏于一个简单Web页面之后的企业搜索技术的介入，有望为企业用户提供一条快速、简单且更加理想化的信息访问通道。在BI运行过程中，敏捷、准确地制作报表并分析是恒定不变的法则，但是在数据的实时展现和信息获取的易用性方面，BI与用户的实际期望值之间一直存在距离。虽然各大BI厂商都力图把自己的产品打造得更贴近客户需求、界面更友好，但BI报表定制对绝大多数的企业员工而言，依然是一个神秘的领域。企业业务信息的掘取似乎是那些统计学专业人才方能胜任的工作。最近几年来，BI厂商一直在寻找让BI应用更加平民化或大众化的方法，但直到BI与企业搜索技术交叠之后，才使用户看到了BI应用最有价值的一面。
　　BI与搜索技术的融合带来的明显好处有两个方面：①BI数据更易于访问，用户不必知道信息来自何方，这是搜索为BI领域带来的革命性改变[21]。具体来说，就是用户在进行BI数据访问时，并不需要了解在企业搜索引擎背后数据收集、数据过滤、报表定位以及报表重建等步骤是怎样运作的。他们所要做的只是熟悉企业搜索引擎的使用方法，了解它和基于Web的消费类搜索引擎的细微差异，以及如何使用它的高级搜索选项。②整合结构化与非结构化数据。回顾BI的技术发展史，传统BI 主要提供结构化信息的搜索。但对于非结构化数据的搜索，一些BI厂商提供的文本挖掘技术覆盖能力有限。在技术的区分方面，结构化数据搜索主要包含数值计算和分析技术，非结构化数据主要围绕关键词、主题词或元数据的搜索，其核心技术仍是结构化查询。企业搜索技术将帮助企业解决非结构化数据检索问题。其关键作用是扩大数据查询和分析的范围，建立结构化与非结构化查询结果的关联关系，有效弥补BI数据挖掘和文本挖掘技术的不足。
　　BI与搜索技术融合的构想一经提出，就被寄予了厚望。人们希望这种融合能够解决那些长期悬而未决的问题。以Google One Box为代表的企业级搜索产品的成熟更是让BI行业发生了很多改变，但我们也必须正视这一领域所面临的困难。传统BI所实现的结构化数据搜索无法向用户提供上下文关联信息，这样的问题最终会通过元数据搜索的介入而得到解决，就像在数据库领域XML所获得的成功一样。但是在目前，海量的结构化数据与非结构化数据的结合仍是一个难题。非结构化数据搜索的挑战在于，如何驾驭如此庞大、高容量的文档信息[22]。 (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）