笔者从事技术工作11年了，也曾经是一名持技术至上观点的、很单纯与封闭的技术人员，经历了近10年对BI项目的理解和学习。笔者要凭自己的良心指出，技术至上的观点，不但会成为商业智能发展的桎梏，甚至会成为扼杀商业智能应用推广的无形黑手。

　　那些技术至上的数据模型规范，不考虑实际用户业务模型的特点，迟早会受到谴责的，只是时间没有到而已。商业智能，就让它回归“商业”的本质，减少“智能”式的技术色彩吧。从“商业”的本质看待“商业智能”，至少这样的天空是真实的。

　　抛弃狭隘的技术思维，摆正虚心的态度，多考虑客户实际的需求，多考虑一下客户的GMROI（毛利存货周转回报率），是BI应用的正道。

技术运用非BI成功关键

　　商业智能(BI)通常是指将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。BI从技术层面上讲，不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

　　BI是1996年Gartner Group最早提出，他将BI定义为：BI描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。

　　从这个定义，我们发现“辅助商业决策的制定”是衡量BI成功的唯一标准，当然辅助的商业决策，既可以是操作层的决策，也可以是战术层和战略层的决策。

　　根据这个标准，我们不难发现，技术的综合运用并不是BI成功的关键点，“一系列的概念和方法”才是BI成功的关键点。

　　因此，笔者试图从“一系列的概念和方法”方面寻找出BI成功的关键点。为了区别BI在技术上综合运用的概念和方法，我把这些“概念和方法”定义为“非技术层面”，经过近10年的学习和实践，积累并总结出导致BI成功的关键方法，谨供大家参考。

　　在介绍这些方法论之前，首先想起作为BI技术基础的数据仓库架构层面上的一次历史争论。Inmon首先提出了数据仓库的定义，但可惜Inmon不是最早定义数据仓库架构的，而是Kimball。

　　Inmon对Kimball的数据仓库架构并不满意，但Inmon费劲力气也没能驳倒Kimball。Inmon没办法了，就提出DW2.0，而且立刻注册了商标。这是很幽默的事情，这样Kimball所说的数据仓库，就不是数据仓库了，只有DW2.0中提到的才是数据仓库。

　　但业内并没有被Inmon这个幽默的举动固定住，还是认为数据仓库架构比较成熟，形成理论的主要有两个，一个是Corporate Information Factory，简称CIF，代表人物是Bill Inmon；另一个是Mutildimensional Architecture，简称MD，代表人物是Ralph Kimball。 业内把Bill Inmon注册的那个DW2.0数据仓库架构改为CIF 2.0。

　　CIF 2.0主要包括集成转换层（Integrated and Transformation Layer）、操作数据存储（Operational Data Store）、数据仓库（Enterprise Data Warehouse）、数据集市（Data Mart）、探索仓库（Exploration Warehouse）等部件。

　　MD分为后台（Back Room）和前台（Front Room）两部分。后台主要负责数据准备工作，称为数据准备区（Staging Area），前台主要负责数据展示工作，称为数据集市（Data Mart）。而数据仓库是一个虚拟的部件，它指的是全部数据集市的集合。

　　从BI的角度来看以上关于数据仓库架构的争论， Bill Inmon更象是BI技术基础(因为从技术层面来看，DW是BI的基础)的定义者，而Kimball更象是BI技术实现的实践大师，因此BI技术基础层面的实现方法，我觉得Ralph Kimball已经指明了很多。

　　但正如刚才从Gartner Group定义的BI，BI技术的运用方法不是BI成功的关键方法。笔者将从非技术层面寻找BI成功的关键方法。