BI项目成功与否的几点关键因素

mavisfine

一个BI项目的成功与否，不仅与部署的BI系统的性能，易用性有关，与BI厂商的服务更是紧密相关。

举个实际的例子。某著名饮料公司拟定了信息化目标，但是在一期项目中只考虑到BI系统的功能是否完善强大，所以购买了国外的BI工具。由于是国外的厂商，服务沟通的及时性得不到保障，技术支持的不到位导致公司的数据价值一直得不到正确有效地挖掘。为了打破这个僵持的局面，该公司开始了以应用分析系统建设和完善数据仓库管理为目标的二期决策支持系统建设，并在2008年建设完成，公司终于实现了相对完善的信息产品服务体系。

除了服务体系，再看看还有哪些令BI项目实施受阻的环节：

1、需求提炼

很多BI项目的夭折，是因为前期的时候对需求的确立就不够准确，没有明确应用BI系统的要解决的主要问题及次要问题。导致项目贪大求全，或是偏离主要业务需求，实施周期过长，新的需求无法及时响应，影响了BI系统的使用效果。

2、不重视数据质量及开发质量

企业在完成数据整合之后，应该对整合的数据进行ETL（数据抽取转换加载），操作说的具体些就是删除一些空白字段，冗余信息，以及错误数据。但是现在的ETL都聚焦在了抽取，转换，加载上，对数据质量不够重视。但是如果从这一步开始出现错误，那么后期的一切分析都是没有意义甚至误导决策。

另外，由于BI系统实施涉及的技术环境很多，如ETL，数据仓库，OLAP，前端展现等，这些环节之间的连接都存在二次开发的工作，但是实际上一些BI厂商为了节省成本都是将这些工作外包，影响了开发质量。

3、选择合适的角色做合适的事

有些企业可能因为传统观念，认为BI系统的操作技术要求大于业务要求，所以让信息部的人来做分析。但是实际上，业务人员对业务数据的敏感性远远大于技术人员，哪怕是一个微小的波动都有可能让他们发现其中的商机或是漏洞。而对于技术人员来说，即使他们可以很轻松地写代码，建立关联，但是他们并不清楚业务分析的逻辑，这逻辑是多年的业务经验所积累下的，而不是技术人员一朝一夕能了解的。而对于一个商业智能分析来说，一个明确的业务逻辑指导至关重要。因此可以让技术人员参与前期的数据整合，业务数据包管理。但是一定要把分析这块内容交给业务人员，这也就要求业务人员也需要尽可能地参与到BI系统的实施，掌握一些基本的技术知识就好了。