【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 
随着信息化时代的深入人心，越来越多的企业逐渐重视信息数据的利用。传统的数据分析工具难以适应海量复杂的数据处理，商业智能的出现正好打破了企业问题的壁垒。
但是，很多企业在实施和使用商业智能过程中往往存在很多误区，忽略很多重要因素，例如项目脱离业务需求，实施缺乏整体意识等。如何将商业智能的效用发挥到极致，我在此提出四个方面，不足之处，欢迎探讨。
从业务需求出发
很多企业对商业智能技术和应用的认识还处于起步阶段，认为商业智能只是一个处理数据的软件而己。这样的认识很容易造成项目方向失偏，对业务应用需求不清晰，形成错误的解决方案。
我们不妨这样思考，商业智能系统的使用最终是到业务人员和企业领导手上，他们需要的无非是全面直观的数据展示和从数据中得来的启发式思考，那他们需要什么样的结果来帮助决定呢。很明显，商业智能的实施就应该从实际业务需求的终点出发，也就是以深层次的业务需要为驱动。
但实际情况是，很多企业人员并不明白自己的需求，一来是因为对商业智能技术缺乏了解，二是对业务情况缺乏整体认知。以商业智能FineBI的实施方案，通常会请到企业领导人，IT部门经理，业务部门主管等共同参与研究，分析企业的架构，了解业务层次，确定达成的目标，再落实到如何实现。
罗列重点，“想大做小”
商业智能也并非万能，很多企业都对商业智能抱有过多不切实际的期望，妄图毕其功于一役。也确实，很多大型的BI存在功能过多，涵盖范围广，但实际产出过少的问题。企业信心满满，以高昂价格购进，但业务部门不会用不愿用，最后搁置。
所以，商业智能的使用一定要结合公司的实际，从全局出发，找准切入，了解企业急待解决的问题，从最关心的业务主题开始。
重视基础数据管理
商业智能应用的价值是将大量给予业务操作的业务数据，经过转换和分析变成有效支持业务管理决策的信息资源。可以说高质量的业务数据是BI应用发挥价值的基础，数据的错误、空缺、不一致不仅会大幅增加商业智能实施过程中数据抽取、转换、清洗、加载的成本，还会直接影响分析结果的质量。
因此，商业智能的背后要有一个坚固、可靠的数据仓库，当然要实现数据的高质量，还得需要企业业务和技术人员的配合，充分利用内部资源。
培养人员数据分析意识
商业智能严格的来说是一种用于决策支持的解决方案，驾驭的核心动力是人员的数据分析思想，为保证“源源动力”，业务人员也要不断提高数据分析的技能，时刻关注行业动态。商业智能的使用也是一个双向互惠的过程，人员利用它得出切实可行的分析结果，而在这过程中商业智能也以“自身的逻辑”引发人员思考。
来源：oschina
链接：https://my.oschina.net/u/2365939/blog/652708