當今社會，企業如何處理海量復雜的數據，傳統的分析工具顯然難以應付，商務智能技術的出現給解決此類問題提供了很好的解決方案，但是許多企業還對商務智能的認識存在很多的誤區，例如忽視用戶的商務智能需求、公司缺乏整體考量、盲目的節約成本、不完善的用戶支持等等。

本文來自ITbusinessedge，下面看Paul Rubens給我們帶來的精彩分享。

如何讓數據驅動業務？這是大數據時代下企業必須思考的關鍵問題。如今，企業需要應對太多的業務部門需求，而數據的復雜性決定了企業必須利用商務智能以應對業務需求的變化和不確定性，信息處理能力的強弱決定了企業興衰成敗的關鍵。很多企業花費了大量的財力、人力、物力去構建聯機事務處理（OLTP）和企業資源計劃（ERP），積累了大量的數據，然而傳統的分析工具很難及時、準確地對這些數據進行商務分析，商務智能技術的產生為這些問題提供了解決方案。

然而，基于數據分析的商務智能平臺在大數據時代面臨著越來越多的機遇和挑戰，許多企業在商務智能問題的認識上存在許多誤區，以下列舉了六種常見的問題。

IT部門管的太多

讓IT部門做商務智能平臺采購，結果往往不盡如人意，這是因為為了使采購風險最小化，IT部門大多把注意力放在穩定性、可擴展性、安全性和供應商聲譽這類因素上。對產品的分析少之又少，和業務人員站的角度不同，也會造成不同的效果。

Boris Evelson——Forrester Research的分析師，他警告我們最好不要這樣做，在采購決定上給終端用戶（IT部門人員）太多的發言權會是一個代價高昂的錯誤。

Boris Evelson還指出：“桌面系統或云系統可以滿足商業用戶的需求，而且這樣不需要依賴IT報告開發商，但也可能會導致解決方案不安全或者不可靠，所以最好折中考慮。”

IT人員管太多就會造成效率低下，普通業務人員想通過數據去分析但是需要IT部門的幫助，那么一款業務人員也能進行拖拉拽的操作必不可少。

忽視用戶的商務智能需求

企業在投資商務智能時，最可能犯的一個錯誤是沒有將系統性能與用戶的實際需求結合起來。這一點在很多人看來似乎并不重要，然而，很多企業都會因為這個基本錯誤導致商務智能系統實施的失敗。

Rita Sallam是Gartner的分析師，她在談到商務智能時告訴我們：“這些系統會花費企業數百萬美元，有時候它們能提供的實際價值卻很少，甚至沒有，最關鍵的原因在于采購和用戶需求不匹配。”

要避免這樣的問題，至關重要的一點是要建立一個具體的用戶需求報告功能，確保用戶參與到商務智能系統的采購和實施中。Sallam還告訴我們：“可能出現用戶需要交互式報表，而系統只能生成靜態報表這樣的情況，也有可能出現系統功能太簡單或者太復雜的情況。”

低估用戶培訓和用戶支持的成本

“許多企業在作商務智能的預算時，僅考慮購買軟件的成本，當然也許會考慮短期（比如兩個星期）的用戶培訓成本。如今商務智能系統的復雜度不容低估，要想從系統中獲得真正的價值必須有更長時間的用戶培訓。”

忽視未來的商務智能需求

在不久前的一次統計中，大約30%的企業已經計劃使用基于云的商務智能平臺。根據Gartner調查顯示，這一數字現在已經超過了45%。Sallam表示：“這意味著就算你選擇的商務智能系統供應商目前沒有基于云的產品，那它也至少應該有這樣的計劃，以滿足你未來可能的商務智能需求。”

當然對于未來需求，云不是唯一需要考慮的因素，還要考慮怎樣讓復雜的分析變得易于用戶理解，考慮如何將交互式發現轉變為自動發現，供應商的產品路線圖中至少有相關的計劃。

很多企業選擇商務智能系統供應商時，缺乏一些長遠的考慮，比如供應商能否滿足企業未來的需求，缺乏長遠考慮會導致商務智能系統只能在短期發揮作用。

缺乏整體考慮

商務智能實際上主要用于分析數據，如果你打算訪問大型ERP系統中的數據，那就不能低估商務智能的作用。Evelson提醒我們：“訪問數據并不容易，訪問數據不是說簡單地訪問數據庫，還需要理解元數據以及數據的布局方式。”以及這個產品如何很好的和ERP對接。

為節約成本采用非專業的商務智能工具

Evelson告訴我們，所有業務分析中，大約有80%是使用簡單工具完成的，這些工具包括Microsoft Excel和Access。采用非專業的商務智能工具也有好處，比如便宜、易于使用而且高效（針對簡單的業務分析）。

但是非專業商務智能工具只適用于小型企業：它們可以分析TB級數據，但對于處理更大的信息量就顯得吃力了；它們會產生一個“孤立的電子表格庫（spreadsheet silos）”；對于同一個問題，針對企業的不同部門，可能會給出不同的回答，因為它們對于同一事件沒有統一的描述。

更糟糕的是，非專業智能工具會帶來安全和業務風險，Evelso 警告我們：“對于‘誰可以訪問數據、誰可以處理數據’，你很難作出限制，而且一旦數據或者某個公式出錯，那基于這些處理結果得到的信息會帶來很大的問題。”

此外，不同的企業所處商務智能的階段不同，面臨的問題也不一樣，一些企業商務智能平臺已經發展到數據挖掘階段，有些則處于數據分析階段，甚至很多企業還處于報表階段。處于報表階段企業的商務智能往往面臨數據量很大、有價值信息太少的問題，數據處理難度大。定制好的報表缺乏靈活性，因為業務經常要從多個角度分析問題，所以用戶需要交互性報表，了解到不同數據的組合并產生新的信息，解決新的問題。

寫在最后

正確地認識這些問題是發展“企業”商務智能的關鍵，這里的企業其實包含了各行各業的組織機構。比如政府部門、教育機構、醫療機構和公用事業，商務智能有著廣泛的適用面。商務智能問題其實也是一類數據管理問題，包括對數據的存儲、提取、清洗、轉換、裝載、整合……一系列的數據處理，為的是提高數據的質量和安全性。企業要充分發揮出商務智能的優勢，必須依靠更加強有力的工具，這有賴于人工智能、機器學習、數據倉庫技術、專家智能系統等科學技術的進步和發展。商務智能體系的建立是一項長期、艱巨的任務，企業需要很強的領導力和執行力才能保證商務智能發揮出真正的優勢。