摘要
有许多以失败而告终的商业智能或数据仓库项目。这被理解为“无法实现期望”：成本，交付时间，实用性，数据质量，用户的可用性，公司的参与度，对结果的贡献等。
在这里，我们尝试根据在真实的经验中，使我们能够成功解决此类植入问题。
1.什么是商业智能？
为了实现此目标，首先必须知道什么是商业智能：
不幸的是，这个术语与从事某项业务的人的平均智商无关。实际上，商务智能（BI）与业务的数据和应用程序有关，以便更好地理解它。与试图了解敌人的军事情报类似，商业情报主要是关于自身的。具体而言，商业智能系统基于创建计算机商业模型的基础，以便可以更有效地运行。
数据存储是商业智能流程的核心。在ETL世界中，商业智能通常是指旨在理解和评估业务的数据库系统，软件，分析和用户评估的整个空间。
该软件通常有一种或多种分析用途（例如，Business Objects，Cognos或Microstrategy）。
BI系统与操作系统不同之处在于，它们针对查询和报告数据进行了优化。这通常意味着在数据仓库中，对数据进行非规范化以支持高性能问题，而通常对操作系统进行完全规范化以支持参考完整性并连续插入数据。加载BI系统的ETL流程必须从规范化的操作系统转换为规范化的操作系统。而且，通常，它们具有严重的故障，因为它们不会降低操作系统的性能，也不应禁止访问仓库。
这就是为什么商业智能基于新的分析结构而出现的原因，而与关系相反，它基本上是多维的。
2.如何选择商业智能应用程序？
我要说的第一件事是，我们必须确定需求和寻找的工具类型：分析，报告，数据库，OLAP等。
目前，根据我的标准，我将为您提供一些选择商务智能工具时要考虑的主要因素的信息（按重要性从高到低）：
1）平台：与Microsoft捆绑在一起，或者能够在Unix上工作，或者拥有开放源代码Linux策略，都是不同的。硬件也一样。一些制造商是限制性的。
2）卖方的简历：了解所实施的类型，是否及时实施，是否已使用，用户满意度等非常有用。
3）多维数据集的大小：必须事先分析要存储的信息的广度。某些应用程序可能在某个级别“爆炸”。
4）查询速度：用户始终希望查询速度。如果20秒的等待时间过长，则可能必须寻找其他工具。
5）全球范围内的支持和帮助服务：我们必须确保，如果应用程序出现故障（并且肯定会失败），我们可以在最短的时间内解决它。
6）分析师评估：IDC的Gartner知道他们在说什么……而且通常是客观的。值得一看的是他们的“象限”。
7）卖方的生态系统（顾问，合作伙伴，协议，开发人员社区…）。
8）已安装用户群。如果我所在的部门有更好的选择。如果我可以和他们交谈并看到该工具的现场直播，那就更好了。
9）图形用户界面（GUI）。请记住，我们在谈论面向最终用户的工具，如果他们不喜欢它，他们将不会使用它，并且会浪费金钱。
10）价格：它不一定是最重要的……但是……这很重要！！！
11）与其他工具的集成：没有工具可以与其他工具隔离开来。与公司相同，如果创建孤岛，则将创建隔离。
3.为什么许多商业智能项目失败？
有时，我们感到惊讶的是，随着许多工具的发展，对比方法的使用以及技术人员和用户的更高水平的知识，就商业智能解决方案的实施而言，在成本上超出计划的，用户不使用的，不符合期望的，错误的信息等…
根据我的经验，我将向您介绍一些主要缺陷：
1）许多数据仓库的规模不成比例地增长，因为技术人员未能对“过多”的用户需求说“不”。
2）最好与公司本身的人一起进行该项目，只要他们既没有时间也没有知识来进行报道。
3）设定了不切实际的生产日期，这
会导致新的日期和更多的延迟。
4）与要开发的复杂程度相比，分配给该项目的预算低。
5）有时，软件和硬件的选择应遵循一般协议或承诺的标准，而不是纯粹的技术标准。
6）在项目之前，没有执行基准或“概念验证”来确定可行性。
7）源数据不干净。重复，错误，错误的字符……意味着更昂贵的ETL过程，更大的数据库大小和更差的性能。
8）项目发起人在此期间不这样做。它不会“脚踏实地”。
9）顾问选择不当，其中过多的轮换。
10）最终用户很少参与，导致他们对所获得的结果感到有些沮丧。
11）陷入“计算中可以做的一切”的错误，从定制开始，在标准功能之外编写代码。
12）不使项目符合业务战略。
还有更多因素可能导致商业智能项目失败，但是这些因素实际上可能会“击垮”项目，给顾问带来更多项目，产品形象不佳以及CIO和其他赞助商的内部风险。
4. OLAP系统。正确使用的提示。
我们将假设我们已经对公司的需求进行了详细的分析，我们与所有对话者和用户进行了交谈，我们确定了重新提交和访问的需求，最后我们清楚了模型（什么变量，公式，尺寸… ），我们将包括在内。
正是在这一点上，我们问自己一个关键问题：我们将使用哪种存储方法？我们可以将所有数据存储在事务系统中，这使我们可以更快地挂载它，但是效率可能较低。或者我们可以预先计算信息，以便快速，准确地获取信息。这是一个非常重要的决定，因为这可能意味着更高的维护和许可证成本。
在这里可以方便地阐明这些首字母缩写词：
OLAP是在线分析处理。这是一种将信息存储在数据库中的方法，可以更有效地执行查询。这是一个简短的定义，当然，现实要复杂得多。
MOLAP：多维OLAP。源数据和汇总或预先计算的数据都位于同一多维格式中。优化查询，但需要更多的磁盘空间和不同的软件。第一点是一个问题：磁盘空间越来越便宜。
ROLAP：关系OLAP。预先计算和汇总的数据以及源数据都位于同一关系数据库中。如果DataWarehouse非常大或用户需要速度，则可能是个问题。
HOLAP：混合OLAP：它是前两个的组合。汇总和预先计算的数据存储在多维结构中，而相关数据的细节级别较低。要识别每种类型的数据，需要进行出色的分析。
从实际的角度来看，我想添加一个OLAP系统的其他特征：
- 一定要快。在信息需求和结果之间应该花费很长时间；它必须具有功能和业务语言；必须易于使用，带有向导和模板；它必须能够集成API；必须具有强大的图形功能。通常。可以存储和共享用户创建的报告和计算结果。管理应由用户而非IT负责。实施时间（项目）应非常短。必须产生可衡量的决策响应。而不是能够通过OLAP应用程序获得投资回报。
作为最后的总结，我们可以说要照顾的三个主要方面是选择使用工具的人员，负责项目的人员和外部顾问。除此之外，该系统还必须遵循明确的中长期业务战略，以避免补丁解决方案和不必要的支出。
