商业智能系统BI应用的重难点
对信息化而言，越是强大的工具应用的准入门槛要求越是高。商业智能系统BI的作用是显而易见，但全球的应用率却非常低。在商业智能活动应用最为发达的美国和欧洲地区，应用效果同样是“喜忧参半”，喜的是许多企业都计划实施商业智能，对商业智能的投资在持续增长；忧的是商业智能仍未被广泛地提升到战略性层面的。商业智能在中国，炒得火热，但应用成功的也寥寥无几。主要是一方面，中国的管理信息化应用层次还不高，对商业智能系统缺乏足够认知和经验；另一方面商业智能系统对信息化基础要求较高，有很高的准入门槛，否则失败的几率很大。
企业应用商业智能系统需要在现行管理信息系统较为成熟的基础上应用，这样才能起到事半功倍的效果。不建议企业在毫无信息化搭建经验，或者在信息化搭建初期应用商业智能系统。
另外，在应用的过程中需要重点关注数据处理、模型搭建和展现方式三个部分的工作。
1、数据处理。数据是商业智能系统的主角，基础数据的有效程度直接对系统分析出来的结果有直接影响，这种影响可以达到呈几何级别的错误导向。所以，进行分析的数据处理工作非常重要。这不仅包括数据清洗、数据分类等基础工作，还包括各系统的数据维度划分和数据表达的一致性。在不同的系统中，信息的传递链条不同，数据间的逻辑也不同，在系统分析前，将所有异构系统的数据按照一定的模式进行统一的工作是项既琐碎又费神效果也不太明显而且错误率极高的活，换句话说就是个吃力不讨好的活。但这确实是商业智能系统的最最基础的工作。只有这个地基打好做扎实了，磊起的高楼才坚实。
另外，在数据处理的过程中平衡数据的广度和分析的深度也是一件困难的事情。我们目前基本上对结构化的数据进行处理和分析，但全球产生的数据中85%以上的是非结构化的数据。随着“大数据分析”口号的日渐火热，如何有效的将非结构化的数据转化为有效的结构化数据这本身就是一个难题。企业在做数据挖掘的时候，如果没有本事做到很好处理这些非结构数据的时候，还是别揽那个瓷器活，先分析好结构化数据了先。
2、模型搭建。有人提出说“商务智能（BI）系统最昂贵的地方不是平台，而是模型”，这个观点我比较赞同。系统最贵的部分一般也是智力最为集中的部分。模型的搭建一般都是BI厂商根据各个行业和系统的运作流程总结出来的优秀的经验，宝贵的实践经验和昂贵的知识产权成正比。然而，目前由于国内市场应用BI的企业并不多，应用深入的更少，应用基础也比较薄弱，即使拿来国外先进的商业模型也不一定运转起来，所以尽快建立各种适合国内企业特色的模型是各商务智能（BI）厂商未来要投入大力解决的。在国内也有很大一部分企业采用的自主开发的方式，采用这种方式可以避免高额的费用，但却无法学习到国外先进的商业经验。
3、展现方式。这个展现方式指的是系统分析呈现给使用者的感官效果，图表或者仪表盘所展现出来的内容能被使用者接受。当然，你可以说使用者的使用习惯是可以后期改变和影响的。但前提是系统所做出的展现方式的确比较靠谱，比较简洁和清晰才行。我认为一切给不了别人需要了解的数据和信息的都是混淆视听。
这个展现方式与前两项工作相比，难度系数要小很多，但却是景上添花活儿。因为系统所有的内容都通过展现方式传达给用户，直接影响用户对系统的接受度。这就好比你吃一顿饭，色香味俱全一看就很有食欲，同样营养、味道都不错但摆盘粗糙了点，颜色灰暗了点，你在吃这顿饭的时候，立马感觉就不一样了。虽然你还是能把它吃下去，但用户体验大打折扣，非常划不来。所以，在前期很好的调研用户的使用习惯，很好的对数据进行表达，我觉得也是非常重要的工作。
第一、数据的处理，数据的处理，是商业智能最为重要的组成部分之一，基础数据的有效性对于商业智能所能够进行分析的结果，有着非常重要的和直接的影响，这样的影响对于企业来说，很容易导致企业在进行决策的过程中出现偏差。所以，对于数据的处理工作就显得尤为重要。
第二、人才稀缺，分析师，是一个新的岗位，很多学习统计学 数学的同学一心研究技术，模型优化，效率代码不懂运营。而懂运营的人员，有不懂分析方法和建模。或者是没有专业的数据仓库人员。
第三、模型的搭建，商业智能最为关键的一个重点问题就是模型的搭建问题，模型的搭建往往决定着商业智能所能够进行运作是否高效完美的基础，所以，无论是昂贵的知识产权还是宝贵的实践经验，对于商业智能的模型搭建都起着绝对重要的影响。所以，对于商业智能的模型搭建问题，我国目前的商业智能还处于发展阶段，还需要不断的完善。
第四、数据安全性，没有专业的安全工程师，或者是数据仓库等为这个数据负责任。二对于数据负责任的分析师，又不懂技术。
第五、企业局限性，企业对于数据的重视停留在口头上，让他们投入时间，投入精力去还是很犹豫。运用的人首先不是找自己的原因，而是问哦，你的数据是不是有问题？不愿意投入钱 ，就不会给相应岗位提供薪资，找不到相应的人才。
第六、展现的方式，良好的展现方式，是商业智能所能够进行运作的最终结果问题，无论是通过不同的图表来进行展示，还是使用仪表盘，所呈现出来的数据结果都是经过多重计算所的出来的结论，展现方式的简洁清晰，是保证其有效的基础。
第七、BI运用断层，开发人员懂技术，花了很多功夫，做了一个难度很大的系统。而运营人员觉得没有价值或者价值不大，他们只需要用一些简单的报表而已。如果花了很多钱去买一个系统，往往最后就成了一个简单的报表系统，后期还是需要导出来做二次分析。
~
国内商业智能BI现在发展的怎么样?
答：（二）交互分析难，定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。业务问题经常需要多个角度的交互分析。（三）挖掘潜在规则难，报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们...
在商业智能BI开发过程中,什么问题的挑战性最大?
答：简单来说，在业务系统中这个问题的调整可能只需要半天的开发时间就完全可以调整完毕。对于数据逻辑来说，在数据质量上的控制，越在源头端控制，效果越明显。这就是问题前置、程序前置处理。前面不处理，越往后放，后置处理，一旦进行商业智能BI等涉及数据的项目，问题就变得就难上加难。所以业务系统的一个...
我国中小企业实施BI分析
答：所以，总的来说，我国的中小企业在应用BI的过程中所面临的障碍有：商务智能软件与企业实际结合的实现问题和能够运用商务智能知识的人员的培训问题。另外，我国企业产业复杂、信息化基础不一、国内外系统多样，为建设商务智能系统带来了不少困难：（1）对于多元化的企业需要考虑不同的行业特色；（2）需要考虑...
怎样做好企业商业智能(BI)?
答：五、实现业务指标的应用落地 在前几个阶段我们要明确商业智能BI的部署目标和内部需求，就是为了实现商业智能BI在企业的成功落地。业务指标同样如此，如果不能和企业的实际业务挂钩，在经营管理中落地，就只能成为一纸空文，被企业所忽略。数据可视化-派可数据商业智能BI 企业可以建设相关的数据分析部门，不仅...
企业部署BI的几大误区
答：企业部署BI的几大误区 企业大多采用商业智能应用来强化决策的严谨性、降低营运成本以及评估新的商机。商业智能的应用远超过传统企业报表的范畴，也超越对企业系统化分析的应用。各大企业的CIO多数采用商业智能来找出企业中缺乏效率的流程，并将其视为企业再造工程的重要推手。应用案例的失败大部分源于其在部署...
怎样去利用商业智能bi软件为企业增添效益
答：2、提升数据展示效率，深入分析问题 商业智能BI软件能够将数据实时快速地转换成清晰明了的可视化报告，使决策者能够迅速准确地作出决策，给企业注入新的革命性的管理思想。决策者可以根据商业智能BI软件提供的钻取功能对数据结果进行追根溯源，使问题的分析不止步于表面结果，发掘出数据中包含的机会：即如何以...
商务智能和数据分析的区别
答：2.1商业智能建设的难点：而且在商业智能建设过程中，我们会遇到以下几大难题：平台挑战：数据分析链条很长，从采集、治理、整合、存储、计算、建模到展现，涉及工具和技术太多，成本高昂，架构复杂，需求实现效率太低，难以满足企业业务的洞察需要。应用挑战：IT部门辛苦做出的数据报告，业务部门觉得没用，问...
史上最全BI知识全解,万字长文带你读懂BI
答：尽管前端BI工具在某些场景下显得直观，但过度依赖自助BI可能导致误解数据仓库的重要性，导致项目实施失败。派可数据通过分享客观的BI知识，强调实施的复杂性和必要步骤，帮助用户避免实施陷阱。商业智能BI的实施并非易事，厂商需要具备足够的技术深度。派可数据的视频号致力于提升行业知识，揭示BI实施的陷阱，为...
什么是商业智能(BI),就看这篇文章足够了
答：在BI项目中，数据仓库的设计和开发占据了80%的比重，报表仅仅是结果的呈现。强大的BI工具，如SSIS、SSRS和SSAS，涵盖了数据抽取、转换、加载等多个环节，它们共同构建了一个完整的数据处理和分析生态系统。虽然自助式BI工具在某些场景下颇具吸引力，但企业级项目需要专业的数据仓库和IT支持。派可数据的商业...
实施BI需要目标驱动
答：第二是商务智能项目应该是全员使用的“业务系统”:应该成为按照角色划分的应用系统,高层需要了解公司的关键绩效指标达标现状和存在的问题,也就是关键绩效指标的预警;管理层需要了解为什么发生,找到原因,调整执行的战略,对高层提出建议;分析层需要对业务进行分析和跟踪,从而对企业的运营提出建议;执行层需要了解具体执行的情...
