BI成功率不高原因分析

商业智能，又称商务智能，英文为Business Intelligence，简写为BI。百度百科中介绍，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。
而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
商业智能的概念于1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。
虽说几乎每个中国的企业都需要商务智能，但大规模的分析主要集中在竞争激烈的生活消费品行业、零售业以及金融服务业（如银行、保险等）。由于国内的生活消费品行业和零售业利润薄，信息化程度低，资金实力不强，因而没有足够能力实施。被商务智能软件厂商们看好的反而是电信、金融、航空等行业，因为这些行业的信息化程度偏高，并且这些行业从某种意义上讲都是服务业，客户的需求扮演着重要角色，准确、科学地把握客户的需求是身处这些行业的企业决策者们孜孜以求的。
从企业需求的角度来看，部署一个商业智能项目之所以失败，其中复杂的原因有很多，但是首先应该想到的一个原因就是“规划”。很多时候，决策人员只是出于一时的兴奋就部署了BI解决方案，之后才了解到公司并没有人需要使用它，它也不能满足相应的业务需求。
从技术的角度来看，商业智能中的数据质量问题依旧是困扰大多数人的话题。一个BI系统会从所有的相关业务中抽取数据。如果这些数据是不好的，那么BI系统得出的结果也必然不好，垃圾数据得出垃圾结果。不良数据应该被过滤掉，事实上，完成这一操作也并不难，数据仓库的抽取、转换、加载(ETL)就可以实现。
从国内商业智能的应用来看，商业智能也是企业信息化中最需要的组成部分，越来越多的企业提出他们对商业智能的需求，把商业智能作为一种帮助企业达到经营目标的一种有效手段。在未来几年内商业智能市场需求旺盛，市场规模增长迅速。商业智能无疑是当前企业管理中最为前沿的实践应用，但商业智能实施成功的概率却不容乐观。有统计数字显示，在国外，投资建设商业智能的企业有60%～70%以失败告终，而在中国，这个数据可能会更岛。也就是说，对于大多数企业而言，信息至今仍是一笔未被充分挖掘的资产，大多数企业还没有从花费巨资所构建的BI系统中享受到应有的益处。
从用户角度看，实施智能分析的内在动力来自于企业决策层的预见性、长远性、危机感、责任感。外在动力来自于行业竞争的压力。中小企业使用智能分析特别适合那种产品多、客户多、市场变化快，原料种类多、生产工艺复杂、同行多、竞争激烈，领导意识强的用户。