【文章內(nèi)容簡(jiǎn)介】 let, 也有DashBoard。查詢(xún)語(yǔ)句支持SQL, Hibernate (HQL), XPath (XML), EJBQL, MDX（多維查詢(xún)語(yǔ)言，OLAP專(zhuān)用，SQLSERVER用的是XMLA)。 課題研究目的和意義商務(wù)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策的工具。商務(wù)智能是將數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘、聯(lián)機(jī)分析處理、多維可視化技術(shù)等綜合在一起的一種體系。商務(wù)智能系統(tǒng)可以為企業(yè)提供趨勢(shì)分析、可視化的動(dòng)態(tài)數(shù)據(jù)報(bào)表、知識(shí)發(fā)現(xiàn)、復(fù)雜的多維數(shù)據(jù)分析功能。目的是要將企業(yè)內(nèi)部數(shù)據(jù)轉(zhuǎn)化為能夠?yàn)樯虡I(yè)決策提供依據(jù)作用的信息，幫助企業(yè)在市場(chǎng)上搶占商業(yè)先機(jī)。數(shù)據(jù)集成是商務(wù)智能的核心和靈魂，它需要將具有調(diào)研價(jià)值的數(shù)據(jù)按規(guī)則進(jìn)行集成，數(shù)據(jù)集成所完成的工作就是將所需數(shù)據(jù)從多個(gè)數(shù)據(jù)源中提取并進(jìn)行必要的轉(zhuǎn)換、計(jì)算，最后傳輸?shù)侥繕?biāo)數(shù)據(jù)庫(kù)，而這個(gè)過(guò)程就是ETL[10]。隨著數(shù)據(jù)集成的技術(shù)越來(lái)越成熟，許多開(kāi)發(fā)商將重點(diǎn)集中在展示層，于是各種報(bào)表開(kāi)發(fā)以及展示平臺(tái)應(yīng)運(yùn)而生。而操作簡(jiǎn)便、開(kāi)發(fā)成本低廉、展示一目了然等成為了客戶(hù)選擇軟件的先決條件，也成為了眾多軟件努力的方向。本文以歐姆龍（上海）有限公司費(fèi)用查詢(xún)?yōu)楸尘埃饕芯緽I項(xiàng)目集成現(xiàn)有ERP系統(tǒng)JDE以及預(yù)算系統(tǒng)等多個(gè)系統(tǒng)數(shù)據(jù)，集成開(kāi)源報(bào)表平臺(tái)JasperServer，進(jìn)行在線費(fèi)用綜合查詢(xún)與比較。 課題主要研究?jī)?nèi)容此次課題主要研究方向是將BI系統(tǒng)與現(xiàn)有ERP系統(tǒng)整合，主要內(nèi)容有：一、研究Oracle11gR2數(shù)據(jù)庫(kù)與SQL Server 2008之間的轉(zhuǎn)換；研究EXCEL文件與SQL Server 2008之間的轉(zhuǎn)換；研究TXT文本文件SQL Server 2008之間的轉(zhuǎn)換二、研究數(shù)據(jù)集成和增量同步數(shù)據(jù)三、研究SQL Server Integration Services來(lái)完成ETL工作。四、研究JasperReport的交叉報(bào)表、子報(bào)表等功能，實(shí)現(xiàn)報(bào)表開(kāi)發(fā)五、研究JasperServer平臺(tái)管理功能以及報(bào)表展示功能 論文組織結(jié)構(gòu)本文通過(guò)研究BI與企業(yè)ERP集成，介紹了BI系統(tǒng)相關(guān)技術(shù)理論和知識(shí)，以及實(shí)施BI項(xiàng)目的意義與其必要性。闡述了如何使用SSIS來(lái)完成ETL工作，并引入開(kāi)源軟件JasperSoft，利用其出色的報(bào)表開(kāi)發(fā)和展示平臺(tái)實(shí)現(xiàn)目標(biāo)。本論文結(jié)構(gòu)如下：第一章：介紹了課題背景，以及BI發(fā)展歷程，以及分析討論了國(guó)內(nèi)外BI系統(tǒng)與ERP系統(tǒng)整合的現(xiàn)狀，并提出實(shí)施BI項(xiàng)目的困難。介紹了本次課題研究方向和內(nèi)容以及目的和意義。第二章：介紹了BI系統(tǒng)整合ERP的關(guān)鍵技術(shù)。介紹了商務(wù)智能、數(shù)據(jù)倉(cāng)庫(kù)、ETL、SSIS、開(kāi)源軟件JasperSoft等相關(guān)概念。第三章：針對(duì)項(xiàng)目特點(diǎn)，進(jìn)行了詳細(xì)的需求分析。第四章：目標(biāo)系統(tǒng)框架設(shè)計(jì)概述，描述了框架各部分所實(shí)現(xiàn)的功能。對(duì)目標(biāo)數(shù)據(jù)庫(kù)進(jìn)行了表結(jié)構(gòu)設(shè)計(jì)。第五章：詳細(xì)描述通過(guò)SSIS進(jìn)行ETL設(shè)計(jì)，完成數(shù)據(jù)集成、數(shù)據(jù)增量同步以及生成主要業(yè)務(wù)表數(shù)據(jù)的日常計(jì)劃任務(wù)。第六章：介紹iReport Designer開(kāi)發(fā)報(bào)表過(guò)程。第七場(chǎng)：目標(biāo)系統(tǒng)展示。第八章：對(duì)本次課題的全面總結(jié)并提出未來(lái)展望。 本章小結(jié)商業(yè)智能從來(lái)不是一個(gè)技術(shù)解決一個(gè)問(wèn)題[11]。實(shí)際上，好的商業(yè)智能解決方案可以解決很多層面上的問(wèn)題——戰(zhàn)術(shù)、戰(zhàn)略，甚至經(jīng)營(yíng)上的問(wèn)題。而需要解決這些問(wèn)題，必須運(yùn)用業(yè)務(wù)邏輯，通過(guò)對(duì)用戶(hù)有意義的分析來(lái)豐富數(shù)據(jù)的意義。從本質(zhì)上來(lái)說(shuō)，通常要求將不同業(yè)務(wù)的數(shù)據(jù)集成，創(chuàng)建OLAP多維數(shù)據(jù)集和數(shù)據(jù)挖掘模型，而后進(jìn)行報(bào)表設(shè)計(jì)和最終發(fā)布。這樣就能根據(jù)對(duì)既往數(shù)據(jù)的分析，了解某項(xiàng)業(yè)務(wù)為什么取得那樣的成果，并就后續(xù)行動(dòng)做出決策，也可以根據(jù)對(duì)歷史數(shù)據(jù)的分析，準(zhǔn)確地預(yù)測(cè)未來(lái)的成果。這就是BI系統(tǒng)整合ERP系統(tǒng)實(shí)現(xiàn)的目標(biāo)。本文在對(duì)該項(xiàng)目進(jìn)行需求分析，以及目標(biāo)系統(tǒng)的評(píng)估后提出解決方案，利用SQL Server Intelligence Services將不同數(shù)據(jù)源整合，引入開(kāi)源軟件JasperSoft，進(jìn)行報(bào)表開(kāi)發(fā)以及終端展示。SQL Server Intelligence Services，是微軟集成在SQL Server中的數(shù)據(jù)綜合服務(wù)。在SQL Server 2000之前該服務(wù)被稱(chēng)作DTS，即Data Transformation Service，數(shù)據(jù)轉(zhuǎn)換服務(wù)。而在SQL Server 2005之后，將其性能以及功能上都有了較大的提升，并重新命名為SSIS，數(shù)據(jù)綜合服務(wù)，并且提供了更友善的圖形開(kāi)發(fā)界面。開(kāi)源軟件JasperSoft，擁有世界上最流行的開(kāi)源 JAVA 報(bào)表庫(kù)及圖形化的報(bào)表設(shè)計(jì)工具－JasperReport和iReport Designer。2008年推出了JasperServer BI系統(tǒng)，目的是為客戶(hù)提供綜合的、全系列的 BI 產(chǎn)品。該系統(tǒng)根據(jù) BI 系統(tǒng)的不同需求，提供即時(shí)報(bào)表、交互式查詢(xún)及報(bào)表、儀表盤(pán)、產(chǎn)品報(bào)表、數(shù)據(jù)分析，以及數(shù)據(jù)整合等多種報(bào)表功能；該系統(tǒng)既可以單獨(dú)部署使用，也可以集成到用戶(hù)的其它系統(tǒng)中而共享通用的元數(shù)據(jù)、安全信息、倉(cāng)庫(kù)對(duì)象及計(jì)劃任務(wù)等；該系統(tǒng)同時(shí)提供完整的 API 供用戶(hù)定制、功能擴(kuò)展以及跟其它系統(tǒng)無(wú)縫集成。27浙江大學(xué)碩士學(xué)位論文 BI系統(tǒng)與ERP整合的關(guān)鍵技術(shù)第2章 BI系統(tǒng)與ERP整合的關(guān)鍵技術(shù) 智慧時(shí)代必將造就智慧企業(yè)，智慧企業(yè)采用先進(jìn)技術(shù)的顯著特征包括：感知，清晰地獲取整個(gè)企業(yè)所有數(shù)據(jù)，及時(shí)了解企業(yè)運(yùn)行狀態(tài)；互聯(lián)，全面地實(shí)現(xiàn)整個(gè)企業(yè)互聯(lián)互通，實(shí)時(shí)傳輸數(shù)據(jù)和指令高度協(xié)同企業(yè)運(yùn)行；智能，實(shí)時(shí)地處理企業(yè)全部數(shù)據(jù)，形成知識(shí)，支持企業(yè)戰(zhàn)略的定制、部署和執(zhí)行[12]。智慧企業(yè)的構(gòu)建離不開(kāi)商務(wù)智能系統(tǒng)，除了全面部署基礎(chǔ)信息系統(tǒng)，整合現(xiàn)有ERP系統(tǒng)之外，最重要的是數(shù)據(jù)。企業(yè)每時(shí)每刻都在產(chǎn)生和累積巨量數(shù)據(jù)，要從海量的數(shù)據(jù)中篩選、抽取出信息并將其轉(zhuǎn)換為可實(shí)施的知識(shí)，這是一項(xiàng)艱巨的任務(wù)。因而B(niǎo)I系統(tǒng)整合ERP后可分為數(shù)據(jù)層、展現(xiàn)層。所謂數(shù)據(jù)層，即將不同數(shù)據(jù)源通過(guò)ETL工具最終實(shí)現(xiàn)統(tǒng)一整合，建立數(shù)據(jù)倉(cāng)庫(kù)。展現(xiàn)層為最終BI使用者接觸，主要以報(bào)表、OLAP在線聯(lián)機(jī)分析處理以及數(shù)據(jù)挖掘?yàn)楹诵?，最終給企業(yè)提供決策依據(jù)。 BI系統(tǒng)與ERP的整合、應(yīng)用技術(shù)BI系統(tǒng)與ERP系統(tǒng)整合、應(yīng)用的核心技術(shù)主要包括ETL技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)與數(shù)據(jù)集市技術(shù)、OLAP技術(shù)、數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)發(fā)布與表示技術(shù)[13]。 ETL(Extraction Transformation Loading)技術(shù)ETL是指對(duì)數(shù)據(jù)源中的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的抽取，再經(jīng)過(guò)清洗、轉(zhuǎn)換存入數(shù)據(jù)倉(cāng)庫(kù)中，用于為數(shù)據(jù)挖掘和數(shù)據(jù)分析提供高質(zhì)量的數(shù)據(jù)支持。數(shù)據(jù)的清洗和轉(zhuǎn)換過(guò)程是ETL的核心所在。ETL技術(shù)可以制定一系列規(guī)則將分散的數(shù)據(jù)集中整合，并存儲(chǔ)到同一數(shù)據(jù)倉(cāng)庫(kù)中，解決了數(shù)據(jù)的多元化問(wèn)題。ETL技術(shù)支持大數(shù)據(jù)量的高效益抽取和轉(zhuǎn)換，可以實(shí)現(xiàn)對(duì)不同結(jié)構(gòu)的數(shù)據(jù)進(jìn)行抽取。在實(shí)施ETL過(guò)程中，用戶(hù)可以靈活的按需配置，從而可通過(guò)配置文件對(duì)數(shù)據(jù)進(jìn)行抽取和轉(zhuǎn)換。 數(shù)據(jù)倉(cāng)庫(kù)技術(shù)實(shí)施 BI 首先要從企業(yè)內(nèi)部和企業(yè)外部不同的數(shù)據(jù)源，如客戶(hù)關(guān)系管理(CRM)、供應(yīng)鏈管理(SCM)、企業(yè)資源規(guī)劃(ERP)系統(tǒng)以及其他應(yīng)用系統(tǒng)等搜集有用的數(shù)據(jù)，進(jìn)行轉(zhuǎn)換和合并，因此需要數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市技術(shù)的支持[14]。數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse)是指從多個(gè)數(shù)據(jù)源收集的信息，以一種一致的存儲(chǔ)方式保存所得到的數(shù)據(jù)集合。數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)始人之一 的定義為：“數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、穩(wěn)定的、包含歷史數(shù)據(jù)的數(shù)據(jù)集合，它用于支持管理中的決策制定過(guò)程”[15]。在構(gòu)造數(shù)據(jù)倉(cāng)庫(kù)時(shí)，要經(jīng)過(guò)數(shù)據(jù)的清洗、數(shù)據(jù)的抽取轉(zhuǎn)換、數(shù)據(jù)集成和數(shù)據(jù)加載等過(guò)程。面向不同的需求，對(duì)數(shù)據(jù)進(jìn)行清洗以保證數(shù)據(jù)的正確性，然后對(duì)數(shù)據(jù)進(jìn)行抽取，轉(zhuǎn)換成數(shù)據(jù)倉(cāng)庫(kù)所需形式，并實(shí)現(xiàn)加載到數(shù)據(jù)倉(cāng)庫(kù)。 OLAP技術(shù)聯(lián)機(jī)分析處理(Online Analytical Processing ，簡(jiǎn)稱(chēng) OLAP) 又稱(chēng)多維分析，由 EF Codd 在 1994 年提出，它對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行多維分析和展現(xiàn)，是使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的、能夠真正為用戶(hù)所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)更深入了解的一類(lèi)軟件技術(shù)。它的技術(shù)核心是“維”這個(gè)概念，因此 OLAP 也可以說(shuō)是多維數(shù)據(jù)分析工具的集合[16]。進(jìn)行 OLAP 分析的前提是已有建好的數(shù)據(jù)倉(cāng)庫(kù)，之后即可利用 OLAP 復(fù)雜的查詢(xún)能力、數(shù)據(jù)對(duì)比、數(shù)據(jù)抽取和報(bào)表來(lái)進(jìn)行探測(cè)式數(shù)據(jù)分析了。稱(chēng)其為探測(cè)式數(shù)據(jù)分析，是因?yàn)橛脩?hù)在選擇相關(guān)數(shù)據(jù)后，通過(guò)切片(按二維選擇數(shù)據(jù))、切塊(按三維選擇數(shù)據(jù))、上鉆(選擇更高一級(jí)的數(shù)據(jù)詳細(xì)信息以及數(shù)據(jù)視圖)、下鉆(展開(kāi)同一級(jí)數(shù)據(jù)的詳細(xì)信息)、旋轉(zhuǎn)(獲得不同視圖的數(shù)據(jù)) 等操作，可以在不同的粒度上對(duì)數(shù)據(jù)進(jìn)行分析嘗試，得到不同形式的知識(shí)和結(jié)果。聯(lián)機(jī)分析處理研究主要集中在 ROLAP(基于關(guān)系數(shù)據(jù)庫(kù)的 OLAP) 的查詢(xún)優(yōu)化技術(shù)和 MOLAP(基于多維數(shù)據(jù)組織的 OLAP) 中減少存儲(chǔ)空間和提高系統(tǒng)性能的方法等。 數(shù)據(jù)挖掘技術(shù)與 OLAP 的探測(cè)式數(shù)據(jù)分析不同，數(shù)據(jù)挖掘是按照預(yù)定的規(guī)則對(duì)數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)中已有的數(shù)據(jù)進(jìn)行信息開(kāi)采、挖掘和分析，從中識(shí)別和抽取隱含的模式和有趣知識(shí)，為決策者提供決策依據(jù)。數(shù)據(jù)挖掘的任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)模式。模式有很多種，按功能可分為兩大類(lèi)：預(yù)測(cè)型( Predictive)模式和描述型(Descriptive)模式。預(yù)測(cè)型模式是可以根據(jù)數(shù)據(jù)項(xiàng)的值精確確定某種結(jié)果的模式。挖掘預(yù)測(cè)型模式所使用的數(shù)據(jù)也都是可以明確知道結(jié)果的。描述型模式是對(duì)數(shù)據(jù)中存在的規(guī)則做一種描述，或者根據(jù)數(shù)據(jù)的相似性把數(shù)據(jù)分組。描述型模式不能直接用于預(yù)測(cè)。在實(shí)際應(yīng)用中，根據(jù)模式的實(shí)際作用，可細(xì)分為分類(lèi)模式、回歸模式、時(shí)間序列模式、聚類(lèi)模式、關(guān)聯(lián)模式和序列模式 6 種。其中包含的具體算法有貨籃分析(Market Analysis)、聚類(lèi)檢測(cè)(Clustering Detection)、神經(jīng)網(wǎng)絡(luò)(NeuralNetworks)、決策樹(shù)方法(Decision Trees)、遺傳算法(Genetic Analysis)、連接分析(Link Analysis)、基于范例的推理(Case Based Reasoning)和粗集(RoughSet)以及各種統(tǒng)計(jì)模型[17]。OLAP 與數(shù)據(jù)挖掘的區(qū)別和聯(lián)系是：OLAP 側(cè)重于與用戶(hù)的交互、快速的響應(yīng)速度及提供數(shù)據(jù)的多維視圖，而數(shù)據(jù)挖掘則注重自動(dòng)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和有用信息，盡管允許用戶(hù)指導(dǎo)這一過(guò)程。OLAP 的分析結(jié)果可以給數(shù)據(jù)挖掘提供分析信息作為挖掘的依據(jù)，數(shù)據(jù)挖掘可以拓展 OLAP 分析的深度，可以發(fā)現(xiàn) OLAP所不能發(fā)現(xiàn)的更為復(fù)雜、細(xì)致的信息。數(shù)據(jù)挖掘的研究重點(diǎn)則偏向數(shù)據(jù)挖掘算法以及數(shù)據(jù)挖掘技術(shù)在新的數(shù)據(jù)類(lèi)型、應(yīng)用環(huán)境中使用時(shí)所出現(xiàn)新問(wèn)題的解決上，如對(duì)各種非結(jié)構(gòu)化數(shù)據(jù)的挖掘、數(shù)據(jù)挖掘語(yǔ)言的標(biāo)準(zhǔn)化以及可視化數(shù)據(jù)挖掘等。 BI的表示和發(fā)布技術(shù)為了使分析后的數(shù)據(jù)直觀、簡(jiǎn)練地呈現(xiàn)在用戶(hù)面前，需要采用一定的形式表示和發(fā)布出來(lái)，通常采用的是一些查詢(xún)和報(bào)表工具。不過(guò)，目前越來(lái)越多的分析結(jié)果是以可視化的形式表現(xiàn)出來(lái)，這就需要采用信息可視化技術(shù)。所謂信息可視化是指以圖形、圖像、虛擬現(xiàn)實(shí)等易為人們所辨識(shí)的方式展現(xiàn)原始數(shù)據(jù)間的復(fù)雜關(guān)系、潛在信息以及發(fā)展趨勢(shì)，以便我們能夠更好地利用所掌握的信息資源。隨著 Web 應(yīng)用的普及，商務(wù)智能的解決方案能夠提供基于 Web 的應(yīng)用服務(wù)，這樣就擴(kuò)展了商務(wù)智能的信息發(fā)布范圍?；?Web 的商務(wù)智能解決方案，需要一些基本的組成要素，包括基于 Web 的商務(wù)智能服務(wù)器、會(huì)話(huà)管理服務(wù)、文件管理服務(wù)、調(diào)度、分配和通知服務(wù)、負(fù)載平衡服務(wù)和應(yīng)用服務(wù)等。 本章小結(jié)本章節(jié)介紹了BI系統(tǒng)整合ERP系統(tǒng)的關(guān)鍵技術(shù)，詳細(xì)闡述了五大核心技術(shù)，即ETL技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、OLAP技術(shù)、數(shù)據(jù)挖掘技術(shù)、BI的報(bào)表和發(fā)布技術(shù)。浙江大學(xué)碩士學(xué)位論文 需求分析第3章 需求分析 BI系統(tǒng)與企業(yè)ERP整合的意義通過(guò)SOA（Service Oriented Architecture，面向服務(wù)的體系結(jié)構(gòu)）設(shè)計(jì)思想，實(shí)現(xiàn)BI系統(tǒng)與企業(yè)現(xiàn)有ERP系統(tǒng)的整合，這是一個(gè)基于全面信息集成的服務(wù)，將是一種企業(yè)級(jí)的跨部門(mén)運(yùn)作的基礎(chǔ)信息系統(tǒng)，可以聯(lián)結(jié)企業(yè)各個(gè)崗位上的各個(gè)工作人員，可以聯(lián)結(jié)企業(yè)各類(lèi)信息系統(tǒng)和信息資源，真正實(shí)現(xiàn)跨平臺(tái)，最后演變成門(mén)戶(hù)化，而不是以前單一、隔離、枯燥的系統(tǒng)[18]。使得BI與OA、CRM、ERP、SCM以及其它系統(tǒng)之間能實(shí)現(xiàn)融合集成，系統(tǒng)之間的結(jié)構(gòu)化數(shù)據(jù)能通過(guò)門(mén)戶(hù)管理平臺(tái)互相調(diào)用、展現(xiàn)，全面提供決策支持、知識(shí)挖掘、商業(yè)智能等一體化服務(wù)，實(shí)現(xiàn)企業(yè)數(shù)字化、知識(shí)化、虛擬化。從而在浩瀚的信息中及時(shí)地發(fā)現(xiàn)有價(jià)值的知識(shí)，為企業(yè)決策層的思維決策和戰(zhàn)略發(fā)展提供有力服務(wù)，盡量減少管理決策中“憑經(jīng)驗(yàn)、拍腦袋”的風(fēng)險(xiǎn)和隱患，充分提高企業(yè)市場(chǎng)快速反應(yīng)力與競(jìng)爭(zhēng)力。 成功實(shí)施商務(wù)智能的對(duì)策一、關(guān)注核心，避免業(yè)務(wù)脫節(jié)企業(yè)實(shí)施商業(yè)智能項(xiàng)目，并不是分析工具和分析引擎越多越好，應(yīng)篩選對(duì)企業(yè)最適用的模塊并加以定制化。商業(yè)智能要想大做小，從最迫切的業(yè)務(wù)入手。先把最緊要的業(yè)務(wù)管理起來(lái)，以便迅速響應(yīng)市場(chǎng)需求，做出最佳決策。積累了一定經(jīng)驗(yàn)后，再逐漸增加商業(yè)智能系統(tǒng)繼續(xù)對(duì)其他業(yè)務(wù)進(jìn)行決策分析，這樣可以在一定程度上規(guī)避風(fēng)險(xiǎn)。避免商業(yè)智能與業(yè)務(wù)脫節(jié)是保證商業(yè)智能成功實(shí)施并獲得良好應(yīng)用的關(guān)鍵所在。商業(yè)智能項(xiàng)目應(yīng)以業(yè)務(wù)驅(qū)動(dòng)而非IT驅(qū)動(dòng)，也就是說(shuō)應(yīng)該由業(yè)務(wù)部門(mén)的需求主導(dǎo)軟件的設(shè)計(jì)和開(kāi)發(fā)，商業(yè)智能項(xiàng)目的設(shè)計(jì)、規(guī)劃和實(shí)施應(yīng)當(dāng)從了解商業(yè)、商業(yè)流程，理解商業(yè)運(yùn)行模式開(kāi)始。但在實(shí)際項(xiàng)目實(shí)施過(guò)程中，由于業(yè)務(wù)人員的水平經(jīng)常不足以達(dá)到提出企業(yè)未來(lái)的管理模型架構(gòu)[19]。因此，若出于這樣的問(wèn)題，企業(yè)應(yīng)該給予IT 部門(mén)絕對(duì)的權(quán)威，讓它有權(quán)要求業(yè)務(wù)部門(mén)配合IT部門(mén)共同協(xié)商提出需求模型，以盡量準(zhǔn)確地把握企業(yè)的業(yè)務(wù)發(fā)展方向。而對(duì)于IT 人員，則可以考慮以下建議去更好的了解和適應(yīng)終端用戶(hù)的真實(shí)需求：其一，選擇靈活的、動(dòng)態(tài)的商業(yè)智能技術(shù)，以應(yīng)對(duì)業(yè)務(wù)環(huán)境不斷變化的挑戰(zhàn)；其二，參考商業(yè)智能廠商的行業(yè)模版，從中獲得同類(lèi)企業(yè)的應(yīng)用信息；第三，基于