关键词：商业智能

目前，数据已经成为了资产的一种新型形态，受到广大企业经营者的高度重视。由此，能够进行数据分析、数据挖掘的商业智能也成为了最受企业管理者重视的技术之一。

数据架构的最终确定是最耗费时间的任务，但是一旦完成，它就可以为物理部署提供坚实的基础。物理部署将使用到前面介绍的技术，其中包括大数据和RDBMS系统。

大数据并不只是一时流行，而将会持久的存在市场之中，并且在未来的一年中，将会以高于其他IT领域6倍的速度，继续加速发展。但这种快速的投资增长方式，会因人才有限而受到一定的限制，这将会影响到许多短期项目的成败。

本文以某煤炭工业集团为背景，设计集成ERP的移动商业智能系统，包括总体结构的设计、数据库设计和测试情况，并叙述在煤炭工业集团的应用。

广告传媒公司营销与销售部门商业智能分析内容均围绕这些工作内容展开，BI分析的内容主要是结合广告、客户、媒体等数据，针对市场及销售开展情况进行分析，并跟踪市场目标及销售计划的执行情况。

本文总结了以往多年在商业智能项目(BI/DW项目)实施中遭遇的一些典型风险因素。

大数据让我们能够以一种前所未有的方式，通过对海量数据进行分析，获得具有巨大价值的产品和服务，或者深刻的洞见，进而最终形成变革世界的力量。

在BI商业智能系统中，面向分析的数据模型一般是多维数据分析模型，分析模型由相应分析领域的分析维度和分析指标组成。

可在商业智能项目中往往还需要更高粒度的数据，这时就会面临维度模型粒度提升的情况。满足业务需求的前提下为提高效率而采取的提升粒度做法不在讨论之列。

在数据决策逐渐受到广泛关注的今天，如何缩短企业获取有效数据和信息的时间并消减成本成为一个重要的问题。

在传统企业的管理及经营决策中全面普及数据分析的技术和应用，尚且任重而道远，而互联网公司津津乐道的大数据等领域的应用，当前阶段在传统企业里更是遥不可及。

每个企业面临的数据环境、业务内容和决策需求都是不同的，因此，商业智能(BI)不是一种确定的技术，更不是一个或一套具体软件，而是针对每个企业的实际情况而规划与构建的数据分析和决策辅助解决方案。

商业智能引导我们进入一个新时代，对于分析、报表和绩效管理，企业用户拥有更多控制权。企业用户不再依赖IT部门支持每一项需求，从而获得了更快更好的决策。

由e-works武汉CIO俱乐部组织召开的制造业商业智能(BI)长飞光纤应用经验现场应用交流会于2013年11月23日下午成功举办。

但随着时代的发展，商业智能在信息化中扮演的角色也在悄然改变。