浅谈商业智能在企业信息管理系统中的应用
商业智能领域数据仓库建模与决策支持系统
商业智能领域数据仓库建模与决策支持系统随着信息技术的快速发展，商业智能（Business Intelligence，简称BI）在企业管理中扮演着越来越重要的角色。
数据仓库建模和决策支持系统是商业智能领域中的两个关键概念。
本文将探讨数据仓库建模和决策支持系统在商业智能领域中的作用和应用。
一、数据仓库建模数据仓库建模是商业智能领域中的重要环节，它是将企业内部和外部的各种数据整合、清洗、转换和存储的过程。
数据仓库建模的目的是为了提供一个统一、一致、可靠的数据源，以支持企业的决策和分析需求。
1. 数据仓库的概念数据仓库是一个面向主题的、集成的、稳定的、非易失的数据集合，用于支持企业的决策和分析。
它是一个面向分析的数据库，与传统的面向操作的数据库有所不同。
数据仓库中的数据经过清洗、整合和转换，以满足决策支持系统的需求。
2. 数据仓库建模的步骤数据仓库建模包括需求分析、数据源选择、数据抽取、数据清洗、数据转换和数据加载等步骤。
在需求分析阶段，需要明确企业的决策和分析需求，确定数据仓库的主题和维度。
在数据源选择阶段，需要选择合适的数据源，并进行数据抽取和清洗。
在数据转换和加载阶段，需要将清洗后的数据转换成适合决策支持系统使用的格式，并加载到数据仓库中。
二、决策支持系统决策支持系统是商业智能领域中的另一个重要概念，它是基于数据仓库的应用系统，用于帮助企业管理层做出决策。
决策支持系统通过数据分析和可视化展示，提供决策所需的信息和工具，帮助管理层进行决策分析和预测。
1. 决策支持系统的功能决策支持系统具有数据分析、报表生成、数据挖掘、预测分析和可视化展示等功能。
通过数据分析，决策支持系统可以对企业的历史数据和实时数据进行分析，发现数据中的规律和趋势。
通过报表生成，决策支持系统可以生成各种形式的报表，帮助管理层了解企业的运营情况。
通过数据挖掘和预测分析，决策支持系统可以挖掘数据中的隐藏信息，并进行未来的预测。
通过可视化展示，决策支持系统可以将数据以图表、仪表盘等形式展示，使管理层更直观地理解数据。
商业智能技术在企业中的应用
商业智能技术在企业中的应用随着信息技术的不断发展，数据量和数据来源逐渐增加，企业需要更加智能化、灵活化和高效化的方式来管理数据。
商业智能技术应运而生，为企业提供了可视化、实时、精准的数据分析和预测能力，成为企业决策的重要工具。
本文将介绍商业智能技术在企业中的应用。
一、商业智能技术的定义商业智能技术是指利用数据仓库、数据挖掘、数据可视化等技术处理海量数据，辅助企业决策制定的一种计算机软件技术。
通过数据分析、数据挖掘、数据预测等手段，商业智能技术可以帮助企业提取出有用的信息和模式，协助企业管理人员做出明智的决策。
商业智能技术的核心在于数据分析，可以分析出企业内外部环境中的数据特点、趋势、关系和规律，帮助企业进行高效管理，更好地应对市场变化。
二、商业智能技术在企业中的应用1、数据展示与分析商业智能技术可以将企业的数据可视化，生成数据报表、数据图表、数据仪表盘等形式的数据展示方式。
通过这些展示方式，企业管理人员可以方便快捷地查看数据，实现决策的快速、准确。
而且，数据展示的跨平台性和实时性，可以让企业管理人员在不同的场合、不同的设备上查看数据报表，以达到有效决策的目的。
2、数据挖掘与分析商业智能技术可以帮助企业从各种数据源中进行数据挖掘和分析，例如：市场数据、销售数据、客户数据等。
通过对数据进行分析，企业可以更好地了解目标受众、市场情况、竞争对手、产品定位等信息，提高决策的科学性和准确性。
同时，商业智能技术也可以帮助企业进行数据模型预测，包括市场需求预测、产品供应预测、客户重复购买预测等，为企业提供更加精准的预测结果，为企业的战略规划提供重要参考。
3、业务流程管理商业智能技术可以在企业的业务流程中应用，例如：销售流程、供应链管理等。
通过商业智能技术，企业可以对业务流程进行模拟分析和优化调整，帮助企业实现业务过程的高效化、智能化和精益化。
同时，商业智能技术还可以对业务流程进行实时监控和效果评估，及时发现流程瓶颈、优化机会等，保证整个业务流程的质量和效益。
商务智能在企业中的应用
基础数据管理 采购管理
工程项目管理
ERP系统
高级计划排 程
制造管理
设备管理
研发过程管 理
库存管理 质量管理
财务核算 费用管理 成本核算
文档管理
产品生命周期管理系统
变更管理
工艺管理
研发项目管 理
供应商关系管 理系统
供应商门户
寻源管理
绩效考评
合同管理 供应商生命周
期
基础数据管理
生产调度管理
针对岛”。
数据准确性缺 乏可靠保障， 人工计算公式 汇总，及其容 易造成数据错 误，以及频繁 的重复计算， 造成工作量不 必要的增加。
从数据采集到 数据加工，核 算，再到数据 分析需要多流 程流转，以及 数据核验，及 其容易造成数 据的分析，现 状的了解延迟。
战略 决策层
运营管理层
业务操作层
1. 及时准确的信息获取较难：目前高层信息获取大部分仍然通过手 工报表，支撑战略决策比较困难；
2. 需要加强企业经营风险控制：目前随着内控矩阵体系的逐步完善， 能够在一定程度上规避风险，但控制点相对缺乏信息系统固化支 撑，存在较大潜在的管理风险，特别对于事前控制；
3. 管理力度需加强：集团化、多元化发展的要求，需要更为紧密高 效的集中管控模式
流程梳理及信息规 划
• 业务管理流程梳理
• 集团采购管理咨询
• 财务共享管理咨询
• 信息系统建设规划
企业信息系统实 施
• ERP • BI/EPM • SIEBEL CRM • SRM／EAM • HR／peoplesoft
自主产品和系统集成
• 移动信息化、移动营销管理 • 财务费用管控系统 • 集团资金管理系统 • 成本核算与分析系统 • 电子商务平台 • MES制造执行系统 • 海内、外营销管理系统
信息化管理在企业中的应用
信息化管理在企业中的应用随着现代科技的发展，传统的经营模式已不能适应市场的需求，而信息化管理作为一种有效的管理方式，被广泛应用于各个领域，特别是在企业管理中尤为重要。
本文将从信息化管理的概念、应用和发展趋势等方面来探讨企业如何利用信息化管理提高管理效率和优化管理流程。
一、信息化管理的概念信息化管理是指通过信息技术手段，运用信息化工具对企业管理进行整体规划和实施的一种管理方式。
在信息化管理中，将信息化技术、管理体系和流程进行有机融合，使企业的信息化水平和管理水平同步提高，从而提高企业的管理效率和竞争力。
二、信息化管理的应用1.生产管理在企业的生产过程中，信息化管理可以提高生产效率、降低生产成本、提高产品质量和减少资源浪费。
通过信息化管理，企业可以实现生产计划、物料和资金的实时掌控，同时实现生产作业的跟踪、统计和分析等功能。
2.财务管理企业财务管理是企业经营活动中的核心环节，信息化管理可以通过实现财务数据的自动化统计和计算，提高财务数据的准确性和及时性，同时实现对财务数据的分析和决策支持。
3.人力资源管理在企业的人力资源管理中，可以借助信息化管理实现对员工档案的在线管理、考勤数据的自动化统计、岗位评估的自动化化、招聘渠道的多样化和培训管理的智能化等功能。
通过信息化管理，企业可以更好的管理人力资源，从而提高员工的工作效率和企业的绩效水平。
三、信息化管理的发展趋势1.商业智能化随着数据规模的增加和数据来源的多样化，企业需要运用商业智能工具将不同来源的数据集成起来，在多维度上对数据进行分析和决策。
2.大数据分析借助大数据技术，企业可以快速、准确地进行市场前沿信息的掌握和市场趋势的分析，以更好地实现企业的市场定位和发展。
3.云计算云计算技术可以将企业的信息技术服务和应用部署到云端，通过云端的资源共享和弹性伸缩，为企业提供更加灵活、便捷和高效的信息化服务。
总之，信息化管理已成为企业提高市场竞争力的重要方式，通过信息化管理，企业可以更精细化的管理企业的各个环节，从而实现企业的可持续发展。
商业智能解决方案
采用ETL技术，将各业务系统数据抽取、清洗、转换，统一数据格式与质量。
（3）数据仓库构建
根据企业业务需求，设计并构建数据仓库，实现数据的集中存储与管理。
2.数据处理与分析
（1）数据治理
建立数据质量管理体系，确保数据的准确性、完整性和一致性。
（2）数据建模
结合业务需求，构建多维数据模型，进行数据挖掘与分析。
5.系统运维：设立运维团队，负责系统日常运维，确保系统稳定运行。
6.项目验收：项目完成后，组织验收，评估系统是否符合预期目标。
五、项目风险与应对策略
1.数据质量风险：加强数据治理，确保数据质量。
2.技术风险：选择成熟技术和工具，降低技术风险。
3.项目进度风险：合理安排项目计划，确保项目按期完成。
4.合规风险：遵循法律法规，确保项目合规。
五、项目风险与应对措施
1.数据质量风险：加强数据治理，提高数据质量。
2.技术风险：采用成熟的技术和工具，降低技术风险。
3.项目进度风险：合理安排项目计划，确保项目按期完成。
4.合规风险：遵循国家法律法规和行业规范，确保项目合规。
六、总结
本商业智能解决方案旨在为企业提供一套合法合规的数据整合、分析及可视化展示系统，助力企业实现数据驱动的管理与决策。通过项目实施，企业将提升管理效率、优化业务流程、降低决策风险，为可持续发展奠定坚实基础。
2.技术选型：根据企业需求，选择合适的商业智能工具和平台。
3.系统开发：按照项目计划，进行系统设计、开发、测试等。
4.培训与交付：对项目组成员进行培训，确保掌握系统操作方法，完成系统交付。
5.系统运维：建立运维团队，负责系统日常运维，确保系统稳定运行。
商业智能技术的应用
些 Ｅ Ｌ特殊处理过程 ， Ｔ 将数据 从计 费 、营账 、客服等业
务系统数据源抽取 （ 如图 １ 中流程①） 、转换后 ， 加载 到 数据仓库 （ 如图 １中流程②）。
数 据 仓库 ：由 关 系数 据 库和 多维 数据 库 组 成 。建 立 数
商业智能 系统的典型应 用 、
据仓库并不是要取代原有的运营数据库系统 ， 而是为了将企 业 多年来积累和收集到的数据按一个统一 、一致的企业级
界面 ， 实现 集中的系统管理 。功能可 以涉及安全 防护 、日 志管理 、参数管理 、监控及告警 、备份 与恢复 、产品升级 支持 、元 数据 管理 等等 。
为高层决策者提供信息服务 ，支持制定各种决策 。 基于商业智能技术的某电信企业经营分析系统的总体结
构构建图如下图 １ 所示
２１＊２ ９ ０ ｌ ４ １ Ｉ
—． Ｊ星 Ｉ瞳 坦蠖 ｌ ＿
堡
为数据层的数据源 。 数据层 ： 将企业内外部的数据进行收集 、 整理 、 转换 和 存储 ， 作为应用层的数据基础 。 应用层 ： 包含经营分析系统和战略决策支持系统 。 经 营 分析为 了解企业的整体运作情况 ， 预测未来的发展趋 势 ，发现运行 中存在 的机会和 问题 。 决策支持 系统是 战略
‘
闭环 ： 企业经营分析系统产生的分析数据的最终价值是
为业务系统的优化运行和用户个性化服务 该系统体系结构 由Ｅ Ｌ 、 Ｔ 数据仓库 、 Ｌ Ｐ服务器 数 体现当前经营状况 ， ＯＡ
以便能够更好地驱动业务系统的 据挖掘服务器 、 分析展示平台、 系统管理等多个部件组成。 的开发提供支撑和指导意见
方便地配置结算规则 、费率和结算 参数 。
扩展 性 ： 系统 的 系统 容量 、处 理能 力和 业 务范 围 具有 良好 的扩 展 能力 。设 计应 满足 分期 目标 的实
论商业智能技术在企业财务管理中的应用
２ 企 业财务 管理 现状
２ １ 财 务 数 据 管理 的 存 储 现 状 ．
因此基于以上 定义 的商业 智 能应 具 有数 据管 理功 能 、 企 业 实施 了会 计 电算 化 之 后 ， 企 业 的 内部 ， 会 计 凭 在 其 知 证、 簿、 账 报表 这 些 反 映 企 业 生 产 经 营成 果 和 财 务 活 动 的 数 数 据 分 析 功 能 、 识 发 现 功 能 和 企 业 优 化 功 能 ． 据 全 部 以 电子 形 式 存 储 在 账 套 文 件 中 ， 些 数 据 不 但 可 以 这 ３ ２ 商 业 智 能 的 三 大 技 术 支 持
进 行 数 据 之 间 的 运 算 处 理 ， 且 解 决 了数 据 的 统 一 性 ， 整 而 完
商 业 智 能作 为 一 个 跨 学 科 新 兴 领 域 ， 须 借 鉴 两 方 面 必
一 二 性 ， 全性等问题 。对上市公 司而 言 ， 外部数 据是 以报 表 的先 进 成 果 ， 是 计 算 机 技 术 的 前 沿 技 术 ， 是 企 业 管 理 方 安 其 新 一 为 主 的 ， 多企 业 都 已经 披 露 了多 年 的 财 务 报 表 数 据 ， 得 面 的 新 理 论 、 观 点 。在 技 术 方 面 ， 般 认 为 数 据 仓 库 、 许 获 ＡＰ和 数 据 挖 掘 技 术 是 商 业 智 能 的 三 大 组 成 部 分 。 这些 数 据 是 比较 容 易 的 ， 且 目前 许 多 证 券 网 站 都 可 以 方 ０Ｌ 而
中 图 分 类 号 ： ２ Ｆ３ 文献标识码 ： Ａ 文 章 编 号 ：６ ２３ ９ （０ １２ —１ ８０ １７ —１ ８ ２ １ ） ００ ６ —２
１ 引言
数据来制定更好 的商务决策 能力 。其关 键是 通过数 据预处
商业智能助力企业的信息化进程
（． １河海大学， 南京 ２０９ ；． １０８２ 徐州工程学院 管理学院， 江苏 徐州 ２１０ ） ２０８
［ 摘 要］ 随着信息持续爆炸式的增长及业务决策制订的不断加快 ， 企业竞争不仅在 实物资源空间进行， 而且在信息资源
空间中进行。以数据挖掘为核心技术的商业智能在管理决策 支持 方面开始扮演着 日益重要的角色。本文利用轻型架构 设计， 构建了企业商业智能系统， 希望可以借此助力企业的信息化进程， 提高企业的决策水平。
Ｍａ ｂ ｒ ［ＪＣ ｍｐｔ ｒｕ ｙｅａＯＪｅ Ｊ ． ｏ ｕ ｒＦａｄ＆Ｓｃｒｙ． Ｏ （ ）４－ ｓ ｅ ｅｕｉ ２ ５９ ： ７ ｔ Ｏ
４ 总
结
［ ］ ａｉｕｉ， Ｓａｉ， Ａ ａ． ｏ ｂｎｎ Ｉ Ｃ ＢＴａｄＩＯ ＩＣ ４ ＳＳｈｂｄｎＭ ｈｒ Ｍ ｙｔＣ ｍ ｉｉ Ｉ Ｌ， Ｏ Ｉ ｎ Ｓ ／Ｅ ｉ ｆ ｇＴ
改进的控制活动 ， 需要通过严格的评估制度进行有
效性测试 ， 明这些控制活动达到了萨班斯法案 的要 来证
求 。其实这个步骤并不是最后一个步骤 ， 它必须并行于
第三 、 四步 ， 第 做到实时监控和评价 ， 来保证改进过程 的
准确进行 。
［ ］ ｉ ａｄＰ ｗ ｒａｄＤ ｒ ｏｔ．ａｂｎｓ一 ）ｅ ： ｙｅａＢｅｓ ｇ ３ Ｒｃ ｒ ｏ ｅ ｎ ａｉ Ｆｒ Ｓｒａｅ （ｘ ｙ Ｍａｂ ｌ ｉ ， ｈ ｏ ｅ ｌ ｓｎ
【 收稿 日 ２Ｏ — ８ ２ 期］Ｏ ０ — ５ ８ 【 作者简介】 李琼（９ １ ， ， １８ 一）女 河海大学博士研究生， 徐州工程学 院 管理学院讲师， 主要研究方向： 信息管理与电子商务。
言
调度 的优化 ， 因而无 法 很好地 适应 当前 商务 活动 的发
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
浅谈商业智能在企业信息管理系统中的应用作者：林春鸿
来源：《商情》2012年第19期
摘要简述了商业智能的关键技术、研究热点、存在的不足及未来的发展趋势，最后对我国发展BI的若干问题进行探讨。
关键词商业智能发展趋势建议分析处理据挖掘
一、商业智能概述
1.商业智能及其意义。
商业智能（BI，BusinessIntelligence）最早由GartnerGroup的HowardDresner在1989年首次提出，是对商业信息的搜集、管理和分析过程，目的是使企业各级决策者获得知识，促使他们做出更加合理的决策。
BI将数据仓库、联机分析处理（OLAP）和数据挖掘等结合起来应用于商业活动中，从由不同的数据源收集的数据中提取有用的数据，对数据进行清洗以保证数据的正确性，将数据经转换、重构后载入数据仓库或数据集市；然后利用合适的工具对数据进行处理，这时信息变为辅助决策的知识；最后将知识呈现于用户面前，为管理决策提供参考。
可见，BI并不是基础技术或者产品技术，而是一种解决方案。
2.商业智能的核心技术。
商业智能的核心技术主要包括三个关键部分：数据仓库和数据集市、数据挖掘以及联机分析处理（OLAP），其中数据仓库和数据集市是商业智能的基础，而数据挖掘和OLAP是对数据仓库中的数据进行分析和处理的重要工具。
二、商业智能的主要研究内容
BI是以现代管理理论为指导，信息技术为支撑的集成系统。
近年来，它的研究热点主要集中在三个方面：支撑技术的研究、体系结构的研究、应用系统的研究。
1.支撑技术。
BI支撑技术主要包括两个方面：一是计算机技术，主要包括数据
仓库、数据集市技术；数据挖掘技术；OLTP、OLAP、Legacy等分析技术；数据可视化技术；计算机网络技术。
二是现代管理技术，主要包括统计、预测等运筹学方法；客户管理、供应链管理、企业资源计划等管理理论和方法；企业建模方法。
支撑技术的研究注重跟踪相关技术的最新发展，例如对数据仓库的研究集中在数据集成中数据模式的设计、数据清洗和数据转换、导入和更新方法；数据挖掘的研究重点则偏向数据挖掘算法以及数据挖掘技术在新的数据类型、应用环境中使用时所出现的新问题的解决上，如对各种非结构化数据的挖掘、数据挖掘语言的标准化以及可视化数据挖掘等。
联机分析处理研究主要集中在ROLAP（基于关系数据库的OLAP）的查询优化技术和MOLAP（基于多维数据组织的OLAP）中减少存储空间和提高系统性能的方法；数据仓库、数据挖掘和OLAP相结合的
产物联机分析挖掘（OLAM）也是目前研究的热点。
企业建模是为解决如何建立特定企业模式的辅助工具，比较新的建模方法包括基于UML的企业建模方法。
2.体系结构。
BI体系结构是指通过识别和理解数据在系统中的流动过程和数据在企业的应用过程来提供BI系统应用的主框架。
BI的体系结构主要包括数据预处理、数据仓库、数据分析以及数据展现等几部分，BI基本体系结构如图1所示。
BI体系结构的研究关心采用什么样的体系结构才能使BI系统具有良好的性能。
3.应用系统。
对于应用系统的研究重点放在对各个应用领域所面临的决策问题的分析，根据对各类问的挑战，Internet、IT技术以及人工智能的不断发展，则为BI的不断完善提供了强大的技术支持。
未来，BI有望进一步获得长足发展，从根本上改变决策方式。
具体来说，BI 未来发展将集中于以下几点：
（1）支撑技术。
基于关系对象数据库的数据仓库将是未来的一个发展方向，数据仓库的平台性能将得到很大改善。
数据挖掘方法和算法研究將更加深入，专门用于知识发现的数据挖掘语言有望进一步向标准化发展。
基于数据仓库的数据挖掘与OLAP将实现融合和互补，从而使分析操作智能化，使挖掘操作目标化。
信息可视化进程进一步发展，以提供更优的洞察力。
对非结构化数据的处理和分析，比如文本挖掘和WEB挖掘的能力将大大增强。
（2）体系结构。
BI方案的协同性和开放性将进一步提高。
企业能够利用合作伙伴的数据仓库或Intranet系统中的多维数据集进行决策分析活动，并且OLAP及其它BI的应用以Web 服务形式提供，以XML形式发放BI应用的分析结果是新的发展趋势。
（3）应用系统。
BI系统将更具专业化和行业化的特点，笼统的BI系统渐渐成为概念，BI根据每个领域关注的重点和分析模型，提供针对具体企业进行扩展的解决方案。
各种商业分析模型、数据挖掘算法将集成到BI软件和分析应用之中，从而能够集中解决不同部门的需要。
同时，BI应用与企业门户、企业应用集成紧密相连，新的BI系统不再是一个孤立的应用。
三、我国发展BI的若干问题
1.关注BI的技术研究。
目前，我国在BI软件开发和基础理论的研究上都非常薄弱。
应在研究开发领域中关注人工智能、认知科学的研究成果和数据挖掘算法的研究。
BI和人工智能的研究息息相关，要提高BI研究开发水平，必须紧密跟踪人工智能领域的最新研究进展。
目前，对人工智能的研究已扩展到对认知科学研究。
认知科学引起的新的智能理论和技术方法的研究，将对人工智能的研究与发展起到促进作用。
在对认知科学的研究中，多个西方国家的国家科学战略计划都对认知科学的研究进行了重点部署。
多国合作的“国际人类前沿科学计划”被国际上看作三个重要计划之一，投资100亿美元，认知科学是该计划的重点内容。
我国在1992年将“认知科学中若干重大前沿问题的研究”
列入国家攀登计划。
认知科学的信息处理是认知科学的重要研究内容，得到了国际的重视。
目前，国际上已将“人的智能和人工智能的极限”列为21世纪需要解决的24个数学问题之一。
国家自然科学基金委在“十五”发展计划中，将“认知科学及其信息处理”列入优先资助领域的24个主要内容之一。
数据挖掘是BI的核心技术之一，加强对数据挖掘的研究是BI研究开发的重要内容。
支持向量机（SVM）是一种新的机器学习方法，在分类方而具有良好的性能，它在数据挖掘领域有广阔的应用前景。
SVM还处于发展阶段，尤其是其算法实现方面存在着效率低下的问题，这也限制了SVM在数据挖掘中的应用。
目前很多研究是将支持向量机扎实的理论背景和快速的算法相结合应用于数据挖掘，这对于BI系统提高数据处理功能将产生很强的促进作用。
这些技术的研究成果将对BI的研究与发展带来重大影响。
2.重视BI的应用研究。
BI系统是复杂的系统，它的成败不仅取决于技术因素，经济、环境、人员、组织等因素也起着非常重要的作用。
企业在实施BI的过程中，除了存在技术上的困难，还有来自企业文化和管理理念的挑战。
另外，企业还存在数据质量管理混乱的问题，这也制约了BI的实施。
在国内，企业实施BI必须注意以下几点：
（1）分析需求，确定目标。
在实施BI之前，要科学地进行立项分析，是否实施BI，必须和自身的特点及发展需求相适应。
企业是否具备了实施BI的基础条件、当前需要解决的问题、实施BI的必要性以及投资效益等等都必须加以考虑。
（2）完善信息化基础建设，加强数据质量管理。
BI的实施需要一定的信息化基础，如果数据库等基础工作没有做好，没有强大的数据源，数据质量得不到保证，BI就不能发挥作用。
（3）全局规划，统一协调。
BI系统由于是构筑于所有的业务系统之上，有着独特的复杂性和全面性，涉及到企业经营管理的各个方面，企业必须进行缜密的思考和全局的规划，结合企业内部治理结构、经营管理思路、业务流程等，规划BI实施模型。
（4）培养BI应用人才，转变管理理念。
要充分发挥BI的优势，企业必须培养既懂业务知识，又熟悉信息分析技术的复合型BI人才。
并且，企业实施BI必须培养相应的管理理念和管理文化，以适应BI系统的正常运行。
参考文献：。