AMT咨询：做好商业智能(BI)系统规划
2024版商业智能(BI)介绍
•BI概述与背景•BI核心技术组件•BI实施方法论与流程目•BI在各行业应用案例分享•BI挑战及未来发展趋势录01BI定义及发展历程BI定义发展历程BI在企业中应用价值提高决策效率优化业务流程增强市场竞争力市场需求与趋势分析市场需求趋势分析02数据集成数据存储数据管理030201数据预处理关联规则挖掘分类与预测联机分析处理技术多维数据分析数据钻取与聚合实时数据分析可视化展现技术数据可视化利用图表、图像、动画等可视化手段，将数据以直观、易懂的形式展现出来。
交互式操作提供丰富的交互式操作功能，如拖拽、缩放、筛选等，方便用户对数据进行探索和分析。
定制化展现支持根据用户需求定制个性化的数据展现形式，满足不同用户的分析需求。
03明确项目目标和范围确定项目目标明确BI项目的业务目标，如提升销售额、优化运营流程等。
定义项目范围明确项目的涉及范围，包括数据源、分析维度、报表需求等。
评估项目资源对项目所需的人力、物力、时间等资源进行评估和规划。
从各种数据源中收集所需数据，包括数据库、文件、API 等。
数据收集数据清洗数据转换数据验证对数据进行清洗和处理，包括去除重复值、处理缺失值、异常值处理等。
将数据转换为适合分析的格式和结构，如数据聚合、维度转换等。
验证数据的准确性和完整性，确保数据质量符合分析要求。
数据准备和预处理模型构建与优化选择合适的模型模型训练模型评估模型优化系统部署系统测试用户培训系统维护系统部署与测试04金融行业：风险管理与客户分析风险管理客户分析制造业：生产优化与供应链管理生产优化通过BI对生产线数据进行实时监控和分析，制造企业可以及时发现生产过程中的瓶颈和问题，调整生产计划和资源配置，提高生产效率和产品质量。
供应链管理BI技术可以帮助制造企业实现供应链的可视化管理，通过对供应链各环节的数据进行分析，优化库存管理和物流配送，降低运营成本。
零售业：精准营销与库存管理精准营销库存管理其他行业：教育、医疗等教育行业医疗行业通过BI工具对医疗数据进行分析，医疗机构可以提高诊疗效率和准确性，实现医疗资源的优化配置和患者满意度的提升。
电信运营行业商业智能(BI)解决方案
电信运营行业商业智能(BI)解决方案随着整个行业格局的不断调整，政府和机关管制的逐步减弱，以及中国加入WTO的日益临近，我国的电信运营企业，正面临激烈的竞争和前所未有的挑战。
如何提高对市场的快速反应能力，改善企业管理水平，提高经营效率，达到建设适应国际竞争企业的战略目标，成为我国电信运营行业当前面临的一个重要课题。
作为一家咨询公司，HAND在过去的两年里，先后参与了中国移动(CMHK)，中国联通和中国电信的ERP系统的建设和讨论，积累了比较丰富经验，希望通过公司的努力和配合，为我国电信运营商的信息化建设提供一些帮助和参考。
一. 行业介绍：目前，我国的电信运营企业有电信、联通、移动、网通、吉通、铁通等，他们的服务范围和内容各有侧重又相互补充，在新的环境和不同的领域内已初步形成多元化的竞争局面。
1.主要业务范围(1) 基本电话业务(2) 移动电话业务(3) 无线寻呼业务(4) 互联网业务及信息增值业务2.发展趋势(1) 随着国内和国际的电信市场将进一步开放，面临的竞争压力将越来越大;(2) 不断采用新技术和成果，如移动移动和联通正在积极向第三代移动电话系统过渡;(3) 互联网、电子商务成为发展热点，建立企业整体信息系统，整合企业各种资源，提高管理信息的分析和挖掘水平，更好地响应客户和提高市场份额已成为各公司发展中的重中之重;(4) 由粗放型经营和管理向集约型转变，各运营企业不断加强成本管理，努力提高可控成本的管理水平;(5) 面向的最终用户的需求越来越个性化，电信运营行业要求不断加强各部门间协作，提高整体服务质量。
3.行业特点(1) 技术更新快，基础设施投资规模大;(2) 作为电信运营商的主要产品之一的基础设施资源如管线、信道，他们分布在广大的地理空间，彼此关联，组成一个复杂的网络结构，本身管理比较复杂;(3) 实行多级核算，统一管理的财务管理体系，建立集团公司、省、市、县的财务报告和管理结构，随着资金和管理要求不断的提高，县公司一级的财务职能越来越弱化，设算和管理逐步向市公司集中;(4) 信息系统建设相对分散，系统间信息很难整合，管理信息的分析和提取比较狭窄。
几种典型的商业智能(BI)系统架构分析
几种典型的商业智能（BI）系统架构分析目前，随着商务智能理论的不断发展，商务智能的系统架构已经从单一的理论衍生出多种架构，如分布式商务智能架构，联合商务智能架构等。
下图是前BO公司定义的商务智能的基本架构，它是一种开放式的系统架构，可以分布式集成现有的系统。
从这个架构中，我们可以比较清楚的看出目前商务智能架构的模式。
包括数据层、业务层和应用层三部分。
数据层基本上就是ETL过程。
业务层主要是OLAP和Data Mining的过程。
在应用层里主要包括数据的展示，结果分析和性能分析等过程。
在实际应用中，由于每个公司的规模和组织架构的不同，在实施商务智能选择系统架构的时候要结合公司的特点，选者最合适的架构。
下面就介绍几种现实系统中的几种BI架构。
BO公司定义的BI架构1、简单的BI架构这是目前比较常用的商务智能架构，所有的数据集中管理，集中分析，最大的优点是容易管理和部署，系统结构简单，容易维护，适用于小型商务智能系统。
缺点是对于跨地域部署比较困难，数据实时性差，可扩展性差。
2、联合的BI架构（Federated BI Architecture）这种架构比较符合实际的需求，能够集成自定义的数据仓库，外包的数据仓库，架构化的数据仓库，非架构化的数据仓库，分析系统等。
应用于多数据仓库的集成和管理。
特点是适用于加速time-to-market ,需要高层力量的驱动。
成功关键因素：共享一致的的重要的Metrics度量和维度；需要提供统一的标准，拥有企业级的ETL工具和集成的元数据；需要贯穿于整个团队的沟通。
联合的BI架构包括：集中逆向商务智能架构，分布逆向商务智能架构，集中顺序商务智能架构，分布顺序商务智能架构及混合架构等。
2.1 集中逆向BI架构（Centralized Upstream BI Architecture）·通常用于中小组织·需要良好的保管者的沟通·需要高级执行者买进·受限于逆向成功惯例（成功的变化是与任何单一实体的进行尝试是成反比的）2.2 分布式逆向BI架构（Distributed Upstream BI Architecture）·中小组织和大型组织都适用·是大多数从下至上注重实效表现的逼近系统·更多的考虑多数人意见·更多的限制于大多数人意见·实施团队需要良好的沟通2.3 集中式的顺序BI架构（Centralized Downstream BI Architecture）·适用于长期数据仓库项目·用于紧密配合多管道的在巨大组织中到处存在的DW/DM系统·经常目标设定为特殊功能组织或行政中心·需要高层在所有的拥有者进行决策·需要为已有系统在实施团队和支持团队建进行良好的沟通2.4 分布式顺序BI架构（Distributed Downstream BI Architecture）·适用于大型多元化组织·容易适应各种不同的冲突·容易转换到不同的环境·需要为已有系统在实施团队和支持团队间进行良好的沟通2.5 混合型BI架构（Hybrid BI Architecture）·比任何理想化模型更接近现实情况·更适应自然的联盟·元数据集成更具有挑战性。
数字化时代，企业为什么选择商业智能BI，又能够解决哪些问题？
数字化时代，企业为什么选择商业智能BI，又能够解决哪些问题？商业智能BI概述BI（Business Intelligence）系统就是常说的商业智能，是一种主要由数据仓库、数据分析、查询报表、可视化分析等组成的技术类解决方案。
随着数字化时代到来，数据在企业中的地位越来越高，而BI 作为可以满足企业不同人群对数据查询、分析和挖掘的需求，为管理和业务提供数据依据和决策支持的系统，在商业世界中也更加火热。
同时，BI系统并不是刚刚诞生，未经市场检验的新产品。
早在1958年，IBM就将BI的早期形态定义为：“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。
”。
不得不说，这个几十年前的定义对未来BI产品的形态把握十分精准，现阶段BI系统重要功能之一依旧是将业务和数据互相结合分析，为管理人员提供战略决策信息。
商业智能BI能力1、数据治理数据仓库是BI系统的重要组成部分，而数据仓库的本质就是完成从面向业务过程数据的组织管理到面向业务分析的组织管理的转变过程，这就意味着BI系统是有数据治理能力的。
数据仓库其实和现实中的产品仓库有相似之处，在这个大仓库中存储着众多不同来源、不同生产方式、不同包装的产品（数据），在存储过程中，管理人员会排除掉错误数据，划分区块将庞杂的数据进行归类合并，等需要的时候就可以直接从对应区块提取，这其实就是建立数据框架、进行ETL处理的过程，而这些操作会使企业业务数据得到质量上的提升。
2、全局视角BI系统能够打破企业的数据孤岛，将各部门业务信息系统（ERP、OA）进行整合，将不同业务产生的数据信息在整个企业中流转起来，这样业务、技术以及管理人员就能更加系统全面地利用企业数据，更高效的利用全局视角。
全局视角对企业的战略决策有着巨大的作用，以往管理人员在进行决策时需要点开各部门的业务信息系统查看单个部门的业务数据，很容易忽略业务信息情况，对企业发展战略作出不全面的判断。
商业智能BI总体架构规划设计方案
AI技术可以帮助商业智能系统进行更深入的数据挖掘和分析，发现 数据背后的规律和趋势，为企业提供更有价值的洞察。
BI的云端化发展
01
云端部署与运维
商业智能系统可以部署在云端，实现快速部署和弹性扩展，降低运维成
本。
02
云端数据整合
云端数据整合可以提高数据质量和可用性，实现多源数据的快速整合和
应速度和灵活性。
服务业BI应用
总结词
利用BI技术提升服务业的客户满意度、服 务质量和运营效率。
VS
详细描述
服务业BI应用主要关注客户满意度分析、 服务质量监控和运营效率提升。通过BI工 具，服务企业可以深入了解客户需求，优 化服务流程和提升客户体验；同时还可以 对服务质量进行实时监控和评估，及时发 现并解决问题；此外，BI技术还可以帮助 服务企业实现精细化管理，提高运营效率 和市场竞争力。
数据抽取
从各种数据源中抽取数 据，包括数据库、文件 、API等。
数据清洗
对数据进行清洗和转换 ，确保数据质量和准确 性。
数据转换
将数据从一种格式或结 构转换为另一种格式或 结构，以满足BI系统的 需求。
数据处理技术
数据整合
01
将不同来源的数据进行整合，形成一个统一的数据仓库或数据
湖。
数据挖掘
02
通过算法和模型对数据进行深入分析，发现数据中的模式和规
数据脱敏
对敏感数据进行脱敏处理，避免数据泄露和隐私侵犯。
04
BI的应用场景与案例
零售业BI应用
总结词
通过BI技术提升零售业的销售、库存和客户管理效率。
详细描述
零售业BI应用主要关注销售分析、库存管理和客户行为分析。通过BI工具，零售企业可以实时监控销售数据，分 析商品的销售趋势，制定合理的库存计划，同时还可以对客户购买行为进行分析，优化商品陈列和促销策略。
BI商务智能解决方案
BI商务智能解决方案BI商务智能解决方案是指利用商务智能技术和工具来解决企业在实际经营管理中遇到的各种问题，包括数据分析、业务分析、预测分析、决策支持等方面的问题。
BI商务智能解决方案的实施可以帮助企业实现数据的整合、分析和应用，从而提高企业的运营效率、降低风险、提升利润。
本文将详细介绍BI商务智能解决方案的四个主要组成部分：数据整合、数据分析、预测分析和决策支持。
一、数据整合数据整合是BI商务智能解决方案的第一步，它的目的是将企业内部的各种数据源整合到一个统一的数据仓库中。
数据仓库可以集中存储企业的各种数据，包括销售数据、财务数据、供应链数据、人力资源数据等等。
通过数据整合，企业可以消除数据孤岛，实现跨部门、跨系统的数据共享和协作。
同时，数据整合还可以提供一个规范化的数据模型，使得数据分析和应用更加方便和高效。
数据整合的关键在于数据清洗、数据集成和数据转换。
数据清洗是指对数据中的错误、重复、不完整等问题进行清理和修复。
数据集成是指将来自不同系统、不同数据源的数据进行整合和关联。
数据转换是指将不同格式、不同结构的数据转化为统一的规范化格式，以便于后续的数据分析和应用。
二、数据分析数据分析是BI商务智能解决方案的核心部分，它的目的是从大量的数据中挖掘出有价值的信息和知识。
数据分析可以帮助企业发现隐藏在数据背后的模式、趋势和规律，从而帮助企业做出更准确、更有针对性的决策。
数据分析的方法包括统计分析、数据挖掘、机器学习等。
统计分析可以从数据中计算各种统计指标，例如平均值、标准差、相关系数等，帮助企业了解数据的分布和关系。
数据挖掘可以通过发现数据中的模式、关联规则等来预测未来的趋势和行为。
机器学习可以通过训练模型来自动识别和分类数据，例如通过构建一个销售预测模型来预测未来的销售额。
三、预测分析预测分析是BI商务智能解决方案的扩展部分，它的目的是基于历史数据和模型来预测未来的趋势和行为。
预测分析可以帮助企业做出更准确的预测和规划，减少不确定性和风险。
商业智能bi总体架构规划设计方案
汇报人： 日期:
目录
• 引言 • 总体架构规划设计 • 数据源规划设计 • 数据存储规划设计 • 数据处理规划设计 • 数据分析与可视化规划设计 • 系统安全与稳定性保障措施规
划设计
01
引言
目的和背景
目的
为了提高企业的决策效率和准确 性，通过商业智能BI系统实现数 据驱动的决策。
。
安全性
架构应具备完善的安全机制， 保障数据和系统的安全性。
架构设计流程
架构设计
根据需求分析结果，设计系统 架构，包括系统结构、模块划 分、数据流程等。
架构调整
根据评估结果，对架构进行必 要的调整和优化。
需求分析
深入了解业务需求，明确系统 功能和性能要求。
架构评估
对设计好的架构进行评估，确 保其满足业务需求和性能要求 。
用于预测连续变量的值，如线性回归、逻 辑回归等。
数据处理性能优化方案
分布式计算
采用分布式计算框架，如Hadoop、Spark 等，提高数据处理速度和效率。
并行计算
将数据分成多个部分，并行处理，提高数据 处理效率。
数据缓存
将常用数据缓存到内存中，减少磁盘I/O操 作，提高数据处理速度。
数据压缩
采用数据压缩技术，减少数据存储空间和传 输带宽，提高数据处理效率。
对文本数据进行情感分析、主题分析 等。
可视化工具选择
Tableau
功能强大、易于使用的可视化工具，支持多 种数据源和图表类型。
Power BI
微软推出的商业智能工具，提供Байду номын сангаас富的数据 可视化功能和交互式报表。
QlikView
支持多种数据源，提供丰富的图表类型和数 据交互功能。
浅谈商业智能（BI）系统功能设计
浅谈商业智能（ BI）系统功能设计Shen Peng日照港裕廊股份有限企业，山东日照276826(Rizhao Port Yulang Co., Ltd., Rizhao 276826, China)摘要：简述了商业智能（BI）的概念以及建设的意义，对商业智能系统开发的建设目标、需求分析、系统设计等内容进行了分析。
期望通过本文的研究，能够为企业加快信息化建设提供参考依据。
关键词：商业智能；BI；功能设计；Abstract：This paper briefly describes the concept of business intelligence (BI) and the significance of construction, and analyzes the construction objectives, demand analysis and system design of business intelligence system development. It is expected that through this research, it can provide a reference basis for enterprises to speed up information construction.Key words：Business intelligence; BI； functional design1概述随着计算机、互联网、传感器等信息技术的日趋发展，全球逐渐进入信息数据爆炸时代，尤其是企业经过多年的业务运营与信息化建设，积累了大量的生产运营数据，而随着企业经营活动开展，经营数据的规模仍会保持持续高速增长。
面对这样庞大的“数据海洋”，如何快速、高效的精准获取、提炼转换，将数据转化为有效信息，再将信息转化为知识，长效支持企业经营管理活动，支撑企业精细化管理、帮助企业优化升级，将是信息化建设发展过程中的重要阶段。
- 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)。
AMT咨询：做好商业智能（BI）系统规划作者：AMT研究院 关键词：商业智能BI 经营分析体系Gartner公司预测分析：“到2015年，商业智能总体预算的60%将逐步地被业务部门占用；企业慢慢地会脱离由IT部门统一规划、单独构建的独立商业决策分析应用体系，通过对各部门的需求进行交叉分析，将以前数据孤岛存在的分析障碍逐步地改善或消除。
”当前宏观经济不景气的大环境下，对企业来说到底什么才是商业智能？投入大量成本的商业智能到底能够给企业带来什么样的效益？有专家对商业智能的定义是：“从数据到信息，从信息到知识，从知识到决策，由决策到行动，形成一个闭环，这样才是一个完整的商业智能”；“随着信息化运用的推广和深入，海量的数据每天都在积累，对数据有效地挖掘、分析及预测从而发掘商业价值的商业智能投资，成为众多企业在经济危机时期借以缩减成本的有效途径”。
无疑，商业智能“贵族”身份已经不再适合组织内部上下层级纵向扩展商业智能的应用需要，大众化、普及化的“全民商业智能”正成为发展趋势，商业智能的应用正在从角落办公室搬到中心小隔间，业务员工正越来越多地参与决策。
A公司作为一家典型的生产制造型企业，信息化建设一向不甘落后，在公司内部，构建了以ERP作为其生产经营管理的主要工作平台，通过财务（FI/CO）、物资（MRO）、销售分销（SD）、库存管理（MM）、设备维护（PM）、项目管理等模块集成的信息化管理平台，企业集团化管理的效益逐步显现。
然而，随着ERP系统的使用，企业内部信息中心人员发现，数据越来越多，而很多领导需要的报表还是需要在系统外进行编制。
经过分析，发现ERP系统主要是对日常运营基础数据的管理，而领导日常使用的经营分析报表，是在日常运营数据的基础上进行整合、分析、对比加工而成，过去传统的电子表格式报表在制作过程中，随着决策者需求的变化，报表的数量越来越多，公式越来越复杂。
这样的报表，容易出错不说，而且，这些复杂的报表也越来越依赖于报表制作人员。
而最要命的是，当决策者从这个报表中发现经营的问题时，还必须从另外的报表中找出原因。
因为在实务中取得这些信息的困难较大，让许多决策者最终止步于结果，最终还是凭着经验来决策。
在这种管理与IT关联不紧密的情况下，必然会造成企业的经营分析和决策缺乏清晰的指导，从而直接导致此类信息化的先天不足。
利用商业智能技术中的多维分析技术做出的多维分析式报表，将能够解决类似问题，在多维分析过程中，仅仅一个模型即可完成，并且它符合人的决策思维习惯——想要什么，就能得到什么。
这样，决策者不但知道发生了什么(Know what)，还可以知道为什么会发生(Know why)。
下面，我们从企业内部销售、采购和资金的角度来看看经常碰到的哪些经营决策问题，可以利用商业智能来轻松实现？1．销售分析。
●销售利润走势是怎样的？●部门、产品、区域、客户、业务员谁的利润贡献最大？●为什么出现销售利润的变化？●如何找到最佳的产品、区域组合？●应收账款的情况如何？2．采购分析。
●采购的主要物料是哪些？它们的价格波动情况如何？●哪些物料的采购价格持续上升？●哪些物料的采购价格波动最大？●这些物料所占的采购比重有多大？3．资金分析。
●有多少货币资金？●有多少应收账款？●有多少库存资金占用？●有多少应付账款？●未来的资金情况？●去年、前年同期的资金情况是怎样？对比分析？有人也许会说，以上的大多数问题在ERP中都可以得到答案。
没错，但是关键的问题是：决策者从这个报表数据当中得到什么样的信息，能直接支持决策需要的分析信息吗？需要多久才能得到这些答案？我们来通过前面案例可以看出，单纯地利用报表管理系统或者报表管理器，很难得到决策者真正需要的内容。
若要改变所谓的中国式报表问题，打造企业内部经营决策体系、构建商务智能系统势在必行。
商业智能系统规划前需要的准备通常在进行商业智能信息系统项目之前，可以先从明确经营分析的愿景和目的入手，确定分析方法和工具、设计经营分析框架、设计指标和报表、IT实现和持续改进机制建立等几个步骤，即先有经营分析体系再有商业智能。
第一步：需要明确目标，即商业智能系统建设的目标，并进行清晰描述和分解。
目标可以是：以ERP系统数据为基础，对公司生产、经营活动进行全方位、多视角的综合分析；为公司经营决策提供必要的信息支撑，如图1所示,。
图1 系统建设目标和用户第二步：需要明确具体的业务需求。
根据实际情况可以细分到不同的用户，例如：公司领导、部门领导、相关业务管理人员。
而不同用户，对于业务和数据肯定会有不同的关注点，有不同的要求与需求。
可以在明确业务需求的同时，在经营分析过程中，构建完整的应用模式与场景。
例如：构建相应的领导看板（管理驾驶舱）、业务指标分析模型和日常业务报表，与不同用户进行对应。
第三步：在对系统的建设目标、使用用户和需求明确后，可以对需求/关注点进行详细分析。
即通过经营分析的思路在系统的建设目标——决策分析和系统的实现物（已实现的统计报表以及未实现的看板、指标体系）之间建立起互通管道。
从企业运营的效率和效益出发，对基于企业核心能力和营运流程的关系进行梳理和拆解，形成一整套全面细致的指标体系。
而在流程梳理的过程中也可分别把指标落实到相应的责任部门。
企业管理的结构其实就是指标体系的建立，从体系的建立到实现，会有一段漫长而艰辛的过程。
指标明细通常会从不同的分析维度、通过分析处理后得到不同的结果，要实现指标，必定需要落实指标的数据来源，而这些数据，通常也就是我们ERP或者其他来源的基础数据。
第四步：在整个商业智能系统建设过程中，非常基础但却又非常关键的工作在于数据的收集和管理。
如何把企业呆滞的数据盘活，以达到商业智能系统的数据统计分析的要求，也是在整个系统建设过程中非常有挑战的事情。
我们知道，在企业当中，经常会由于某些特殊问题，内部各个部门的数据可能存在矛盾，特别是在集团型企业中，由于管理分散，核算方式不一致，系统数据来源不一致，造成的数据无法进行汇总、统计、分析。
通过数据标准化，建立企业数据字典，统一定义数据含义，同时对数据质量相对较差的系统和数据库进行数据清洗转换，以提高整体数据的应用功效。
对数据来源进行一定程度的规范，可以保证数据源的唯一性，也可降低整体的风险。
第五步：建立业务指标到日常管理报表的关联。
通常，企业在信息化建设过程中，会针对不同业务、不同部门各自推行信息系统：公司级、部门级，管理性、业务性。
但都或多或少会存在信息孤岛，造成数据整合的难度。
对于指标体系的建设，报表之间关系的建设，以及报表的梳理和调整都会造成阻碍。
在构建了完整的数据信息链条后，对于没有找到报表支撑的指标，应该需要考虑是否建立新的报表，如何落实数据来源，数据录入和维护的责任如何分布？反之，对于和任何指标都无关的报表，其价值和存在的必要性也需要推敲。
第六步:在建立了指标体系和报表体系后，如何展示更能说明问题？另一方面，如何展示指标的来源数据和指标的浮动以及历史数据的对比关系？往往用户最关注的是指标应该如何在系统登陆后的首页面上进行展示。
指标只是一个现状反馈，本身并不能包含太多的信息，基于指标进行的进一步分解才能获取更大价值。
在指标上进行数据分析比对，才是商业智能关键所在。
一是对于指标，应该有多种展示方式，比如各种统计图形、简单直接的数字、数据变化趋势等；二是对于指标或数据，应该提供便捷的多维度分析，比如统计区间、同比环比等对比分析，见图2。
图2 销售计划完成情况样图如何规避内部因素，降低系统建设风险1．前期准备工作要充分。
（1）充分了解用户所需。
商业智能用户通常可以分为明显的几个大类：战略性、战术性和操作性。
战略性用户很少做决策，但是每一个决策都会具有一个深远的影响。
战术性用户则每个星期做出许多决策，而且会同时使用汇总和详细的信息，很可能需要每天对信息进行更新。
操作性用户则是一线的员工，他们需要借助于在他们自己的应用程序中的数据来执行大量的事务。
了解谁将使用商业智能系统，以及他们出于什么目的来使用商业智能，他们需要的信息种类和使用的频率，会有助于指导商业智能系统的规划。
（2）合理考虑商业智能组成部分。
影响商业智能的因素有很多，元数据、数据整合、数据质量、主数据管理、数据建模分析、集中式度量管理、展现形式、门户。
虽然上述这些因素可能本身不是商业智能战略的一部分，但他们对于系统整体的构建确实至关重要，它们可以影响企业商业智能系统实施的成功。
2．不要与企业生产旺季相冲突。
众多企业的生产活动存在明显的周期性，对于周期性比较强的企业，在做商业智能系统规划时，需要特别注意避开这个高峰期，这主要是因为在项目实施过程中，会给用户增加很多的工作量。
如基础数据的整理、系统使用的培训等。
如果企业处于生产的旺季，员工恨不得多一双手的情况下，强行实施信息系统，基本属于火上加油，很容易造成忙中出乱，系统的风险比较高。
3．项目尽量不要跨年。
在做项目规划时，还需要注意跨年度的问题。
跨年度实施信息系统对企业来说是一个大忌。
即使在年底项目上线之后，最好能让用户有一个学习的过程，特别需要一个连续性的过程。
这就好像我们在学习时，课后要有一个复习的过程一样。
如果只是在课堂上学习，课后没有复习，那么就很容易忘记。
在日常工作中，我们经常忽视这个基本规律，在年底或者跨年度实施商业智能项目对企业会造成一些不可控的风险。
4．系统构建完成后的持续改进。
在做商业智能项目规划时，很多企业仅仅将规划做到项目上线，而没有包含项目的持续改善阶段。
很多案例表明，系统上线效果好仅仅是项目成功的第一步，而等到系统上线一段时间之后，系统的效果可能就会开始走下坡路。
这主要就是因为没有做好系统后续的规划所导致的。
具体地说，在系统的后续规划中要体现下面这些内容：（1）如何确保前段时间的工作成果在后续工作中继续保持下去。
如前面制定的工作流程、数据更新机制、数据准确性措施等在后续的内容中要得到彻底地执行。
在系统的后续规划中，要有措施能够确保预先的政策能够被一如既往地执行下去。
（2）在做系统规划时，对此也应该设想一定的措施，如加强对新员工的培训，采取上岗证等，来确保降低商业智能系统关键用户的流失，或者新老员工替换过程中会对系统带来的负面影响。
总之，系统上线后的规划非常重要。
很多企业正是因为缺乏这方面的认识，才导致系统在企业内部应用的过程中达不到预期的效果。