【IT168技术文档】
商务智能概述
    IT系统的建设首先是解决业务系统的问题，如人事系统，财务系统，特定行业的运营系统等。商务智能（BIW）的发展是当IT系统解决了一定的业务问题后，在积累了一些数据之后，企业希望能够通过分析所积累的数据，寻找规律来为未来的运营提供更好的决策和帮助。

现阶段实施商务智能所碰到的问题

问题一：数据源问题
    BIW的第一个阶段的发展是针对行业的一些定义的指标，分析指标所需要的数据，然后在整个企业的各个系统里去寻找这些数据，最终使用ETL工具从各个数据 所在的系统里抽取数据（即所谓的ETL过程），把这些抽取的数据抽取到自己所定义的一些表里面（表的设计可能是为了方便指标的统计和展现来设计，很多时候 没有从整体去做一些考虑）。

问题二：实施问题和数据模型问题
    BIW项目的实施一般总是分成多期来实现，原因是当完成既定的商业KPI指标后，从这些数据尝到甜头的业务人员总会希望能够看见更多更复杂的指标，这样就 导致了一个数据仓库项目的实施总是在完成的时候又提出了进一步的需求（如果是成熟的客户，可能会要求上二期，这对IT公司而言是个福音；可是如果客户不成 熟，就会要求在这一个项目范围内实施更多的KPI指标分析，这可就不是什么好事了），然后又重新回到寻找数据源，重新修改数据结构，重新设计ETL过程， 重新进行展现的循环，如果原来数据结构定义的不好，有可能会导致需要修改原来的数据结构从而导致重复的工作，这些应该是实施数据仓库项目经常碰到的问题。

问题三：商业管理软件问题
    众所周知，企业管理软件（如财务管理软件，制造管理软件）管理着企业中最重要的数据，实施商务智能的项目中 不可避免地需要对这些企业管理软件所管理的数据进行抽取和展现，可是这些专业化的管理软件（Oracle 11i等）的数据结构非常复杂，对于他们的系统的抽取过程的前提是先理解这些非常复杂的数据结构（接触过Oracle 11i软件的人应该知道这是一个非常痛苦的过程，更痛苦的可能是如果这种软件升级之后，数据结构可能或多或少都会发生改变，原来设计好的ETL流程有可能 需要重新维护）。

实施商务智能的新思路

    实施商务智能的新思路不是来源于象IBM这样的平台软件提供商，而是来源于企业管理软件厂商（如Oracle或者SAP）对于商业智能的理解。这些管理软 件的提供商本身也希望提供自己的商业智能方案，因为对于所有的底层数据都非常了解，从而对于管理软件的数据抽取能够顺利地进行，而且因为管理软件本身就需 要非常专业的行业知识，利用这些行业知识，可以构建出这个行业的数据模型，在这个模型之上，也可以预先定义出该行业的星形模型（事实表和维度），甚至可以 预先定义出该行业展现的各种图表。在这种理念上所建立出来的商业智能应用称之为打包的商业智能应用（packaged BI applications）

    SIEBEL是最先提供这种商业化打包商业智能的厂家，并且是做的非常好的一家，SIEBEL在他的CRM产品里除了提供管理软件的普通功能，也通过自己 的analytic产品针对各个行业领域提供了预先定义的数据模型，预先定义的星形模型和预先定义的各种指标展现界面（dashboard等）。

    Oracle在收购SIEBEL之后，看到了这一方案的巨大潜力和成熟性，从而立即把Siebel的这个分析平台定位成Oracle的企业分析平台。通过 投入大量的研发人员，Oracle旗下的仁科的PeopleSoft 9.x, JD Enterprise One，原来的applications 11i,以及Siebel原来的CRM，都将使用这种方式来提供类似的打包商业智能应用，提供预先定制多种行业数据模型，并且提供几千个预先定义的行业指 标，使客户能够从原来实施的ERP的系统里很容易获得各种商业智能信息。

打包的商业智能平台和普通商业智能平台的对比
    Packaged BI applications
    ETL和Mapping 从各种商业应用导入数据的可配置ETL
    预先定义的分析数据模型 行业数据模型
    BI 内容 预先定义的各种行业指标，dashboard,预警等
   传统方式开发的DW
   ETL和Mapping 无
   预先定义的分析数据模型 无
    BI 内容 无

作为SI和ISV应该学到的经验
      中国大的ISV一般都在某个行业内有着自己开发的应用，经过多年的积累，现在也正在面临着在原来业务系统上建立商业智能系统的巨大机会，商业管理软件提供 商虽然在很多比较标准的行业（比如财务）提供了打包的商业智能应用，但是在有些行业是因为国情不一样从而和国外的行业有较大的区别，有些行业本来存在千差 万别从而商业管理软件的提供商的打包商业智能方案可能并不适用。但是这并不防碍我们从他们的思路中得到启发。
1. 从自己的行业应用中总结得出数据模型。
2. 针对数据模型建立星形模型
3. 针对星形模型建立BI应用这样，我们就可以为原来服务的客户继续提供商业智能的应用，加强我们的地位，如果我们的模型扩展性足够好，我们甚至可以把别人的 应用的数据转到我们的数据模型里来从而在该客户的将来的IT系统建设中取得领先的地位。 打包的商业智能应用和传统数据仓库应用的建设周期对比