在企业实际的应用过程当中，商业智能的失败率达到70%，这又是什么原因呢？对于此，复旦大学软件学院副教授赵卫东认为，商务智能在国内实施成功率不高主要以下几个方面的原因：
1、起步晚，很多人对商业智能了解不多，意识不强、参与度不高
商业智能1996年最早由加特纳集团（Gartner Group）提出，据今也有十几年的历史，但最早起步于国外，国外成熟的信息系统以及管理理念比较成熟，所以，对于商业智能的理解以及价值非常认可， 而国内则不同，由于国内信息化起步比较晚，导致了商业智能的建设要比国外的商业智能建设晚，很多人对于商业智能并不是很了解，现在一直处于报表的阶段，同时也无法正确理解商业智能的价值，从而导致了商业智能这种老技术一直不能得到大规模的普及。
国内对于商业智能的需求更多的是老板所提出的，但老板对于商业智能的期望值一般比较高，而商业智能无论是在技术方面、还是在产品方面还存在一定的不足，导致了现阶段企业并不是非常信任商业智能。
2、技术不成熟，目前只有报表、OLAP、仪表盘和统计分析等用的比较成功，而其他方面的 应用还处于研发、摸索阶段。例如非结构化数据的处理、数据质量不高的数据处理， 目前还缺少有效地实用工具。
不在创新中爆发,就在沉默中死亡！数据显示，目前在商业智能的业务中70%是在做报表，25%做多维分析，只有不到5%做数据挖掘。报表是商业智能套件中应用最为广泛的产品，在几乎所有的业务系统中都能看到报表工具应用的影子，报表工具在经历了最早的条带式报表、流式报表到目前的类excel报表发展历程，已经日渐成熟。
数据挖掘也不是什么新鲜的技术了，其挖掘算法基本稳定了，机器学习技术也逐步成熟，但是数据挖掘也面临着如何处理日益庞大的数据量，如何提高挖掘的智能水平的问题。
3、目前在中高端市场，国外商务智能解决方案提供商垄断市场，但其业务模型与国内企业不完全适应，国内的商务智能解决方案提供商无论从产品的完整性和实施能力上也没有多大优势。
IBM收购Cognos、SAP收购Sybase等等一系列的并购加大了对于商业智能市场的垄断，有观点认为ERP的普及波过后，未来商业智能将会成为市场的主导，从商业智能市场来看，目前国外的的商业智能服务商无论是在产品还是在技术方面都具有一定的优势，但国外的产品明显具有国外的特点，在业务模式方面与国内企业的模式并不能完全适应，所以，国外的商业智能产品如何 与国内企业业务模式相互融合，将成为CIO关心的一个焦点。
从国内商业智能服务来看， 虽然具备本土化的优势，但总体的实力不足，在创新方面还要略逊色于国外的服务商，因此，种种因素导致了在商务智能市场上，现在还是国外的商务智能服务商“说了算”，商业智能在短时间内难以形成“气候”。
4、缺乏既懂商业智能技术，又熟悉企业业务的人员，在商务智能市场逐年有很大增长的情况下，无论从数量上还是质量上都无法满足企业的需求。
21世纪最重要的是人才！没错，如果没有人，那么什么也做不好。 从现状来看， 虽然做IT的人员多了，但既懂商业智能技术又懂企业业务人员的人员确非常少， 正如企业信息化的建设一样，商业智能缺得是复合型人才，而不是单一的技术或者业务人员。
企业需要复合型的人才，目前这类人才确非常奇缺，一方面培养人才的成本较高，另一方面相应的人才风险也比较大，导致了企业对于商业智能的人才更多的是希望可以直接接手项目的人员，而不是从底层做起，这也就阻碍商业智能的前进因素之一，有产品没有人会实施，那么只能失败。
5、商业智能项目的软硬件和实施费用很高，风险也比较大。
当前，商业智能的主要服务商几乎都是国外的，相对于国内的商业智能产品来讲，国外的商业智能产品费用较高，企业在实施一套商业智能系统所需要的软硬件成本较高，在加上目前的成功率并不是很高， 因此，给企业带来的风险也是很大。
国内的商业智能产品虽然在价格以及本地化具有很大的优势，但也存在很多的不足，比如产品方面在逊色于国外的产品，同时对于大量的数据处理，更多的依靠第三方所提供的工具。对于大型企业来讲，国内的商业智能很难满足其需求，因此，对于企业来讲，上一套商业智能的风险不亚于上一套ERP的风险，所以， 在这方面投资还是比较谨慎。 高风险未必能带来高回报，所以，归其一点还是要帮助企业降低风险，才能更好的推动商业智能的普及。
6、商业智能项目的需求比一般应用系统复杂，难以把握。
把握市场动向，提高销售利润是企业的最终目标。在企业管理日趋科学化的今天，如何准确及时地进行生产经营决策是企业老总面临的严峻问题。这要求决策者准确及时地捕捉到销售信息，分析销售情况，随时根据历史的销售情况，对下一步的生产经营科学地进行决策。销售分析需要的基础数据涉及到的模块有销售、库存、财务和人事，能够围绕销售合同，从人员绩效、应收款、财务、库存等多角度进行分析，并给出如销售趋势、产品需求趋势等辅助决策信息。
商业智能系统根据企业需要解决的问题，帮助企业建立相应的分析主题和分析指标，从业务系统的基础数据库中抽取需要的数据，按预先建立的业务模型进行分析决策，分析结果显示直观、形象。
理论上来看，比较简单，但在实际的应用过程中， 由于业务的不断变化，企业的商业智能项目很难在短时间内随着业务的变化而及时调整，这就导致了商业智能项目的需求要比OA等一般的应用系统复杂。 如果没有专业、并且具备多年实施运维的BI人才，很难把控整个BI项目。
总结发现，商业智能系统是一项复杂的系统工程，整个项目涉及企业管理， 运作管理， 信息系统， 数据仓库， 数据挖掘， 统计分析等众多门类的知识. 因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功。
商业智能系统的建设是一项长期的任务，不能一蹴而就。应该在“边建设，边应用，边见效”的思想指导下，从业务部门的实际需求出发，选择统计报表作为项目的第一阶段目标。从数据分析到数据挖掘，逐步完成从信息到知识的转变，最终得到竞争优势和实实在在的利润。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文网址：http://www.toberp.com/html/consultation/10820510286.html
相关文章
