這是一個發人思考的問題。BI對很多人而言或許還是太過高深，換個角度來問比較容易理解：貴公司需要數據分析嗎？財務分析、成本分析或者市場分析？貴公司需要好的分析工具來加速分析的速度嗎？如果上述的兩個答案是肯定的，貴企業是需要BI的。

?簡單地說，BI(商業智能)就是分析工具。在早期尚未進入信息化的時代，分析師用筆跟紙(最多再有一臺計算器)，花費大量的計算時間，才有可能從一個角度來進行數據分析。后來隨著數據化的發展，Louts、excel等工具的產生，數據的整理與分析也更加方便，此時，一方面基于上述工具的幫助，另一方面基于市場需求，企業所要進行分析的數據量也就越來越龐大。

但由于這些分析工具并不方便多角度的數據分析，再加上所要分析的資料量劇增，許多企業希望可以直接并實時地從企業運行的數據庫中來進行多角度的數據分析，其中儲存企業大量數據與數據的地方，我們稱之數據倉庫(DW，Data Warehouse)，整個進行多維度數據分析的部分，即稱之為商業智能(BI，Business Intelligence)。

現在的問題是，是不是花了大錢，買了好的BI工具，就可以完成企業BI的夢想？據我所知，有的企業花了大錢買了好的BI工具，可是那個買進來的工具確是叫好不叫座，到最后，企業內部的員工九成還是使用Excel?來進行數據分析。BI的成效不彰，原因可大至歸類為下列的幾點：

1.金玉其外，敗絮其中：這是最常被看見但往往也是最重要的問題，前面已經提過了，商業智能(BI)必須建立在數據倉庫(DW)的基礎上，因此單單有好的BI工具，但是底層的數據倉庫卻沒有辦法針對上層BI工具所提的需求，提供實時而穩定的服務時，就像蓋房子一樣，明明是地層沒有打穩，可是卻要把大樓蓋得又高又美是不可能的。這種情況下，再好的工具也就沒有輒。

?2.缺乏專業的資料分析人員：計算機不論是多“智能”，還是比不上人腦聰明，它只是比人腦“快”。BI工具只是方便并加速數據數據的分析，但是數據分析的方向，以及有效并相關連數據的選擇，則還是要由人腦來決定的。也就是說，整個BI解決方案的導入與運作的過程中還是需要一個熟悉數據的內容與架構并且有商業敏感度的人參與。然而現實情況是，大部份企業對BI工具本身抱了過高的期望，反而在導入的過程中，沒有適時地讓這方面的人才來發揮他們的長才，并且熟悉BI的使用。最后，就搞得BI人員自己去搞自己的數據庫分析，而這些人還是繼續用他們的Excel。

3.數據未做適度的轉換：數據倉庫中的數據，大多是由企業內部系統中的數據庫轉進來的，因此這些數據不論是數據結構的定義上，或是數據本身，原本都是給系統程序來讀取與儲存的。例如在RDBMS的結構下，我們是用PK與FK的對應來做為兩個數據表之間的關連，有些系統開發者的習慣比較好，會在數據庫中把這些規范出來，有些則不會。不過，不論如何，都還是利用數據庫的語法來做定義，這樣的定義方式一般的數據分析人員大部份都是看不懂的。數據分析人員并不一定看得懂這樣的數據，因此對于這些數據，則需要做適度的轉換，才方便數據分析人員的使用。

4.缺乏數據庫系統人員的維護：很多企業會誤會，買了BI工具安裝好可以順利的運作就大功告成了。但他并沒有想到一方面隨著時間的成長，數據倉庫中的數據也不斷地成長，另一方面，數據倉庫中的數據也會隨著分析需求的改變及企業型態的改變而需要被調整，因此如果沒有數據庫系統人員隨時因企業的需求對數據倉庫中的數據來進行維護，時間一久，數據倉庫中的數據架構呈現一團亂，這種情況下也一樣沒有辦法提供好的效能。因此在這樣的情況下，隨著數據的成長，每次分析結果產生的效能越來越差，最早一張報表產生的時間一個小時，而后來卻要十個鐘頭，當然慢慢地，這樣的工具也就越來越不被分析師所接受了。

5.缺乏好的呈現方式：完成BI的數據分析后所產出的報表應該要如何呈現給老板看？呈現的方式夠不夠實時？如果老板不喜歡這樣的呈現方式，或者，老板必須長時間的等待才可以拿到這樣的數據。此時，不論大家做了再多的數據分析，都不會得到老板的青睞。既然如此，久而久之，大家就沒有人想再用這套工具了。

綜上所述，BI不能單單只視它為一種“工具”，而應該是從解決方案的角度來看待。如果沒有完善的整體配套規劃，再好的BI工具最后也可能變廢品。有趣的是，通常越好的工具，它需要的配套規劃也需要越完善，相反，那些不高深的工具反而不需要太多的配套規劃。這應該就是Excel為什么至今仍然是BI分析主流工具的原因之一。

總結

以上是生活随笔為你收集整理的企业是否真的需要BI？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。