企业是否真的需要BI吗？
这是一个发人思考的问题。BI对很多人而言或许还是太过高深，换个角度来问比较容易理解：贵公司需要数据分析吗？财务分析、成本分析或者市场分析？贵公司需要好的分析工具来加速分析的速度吗？如果上述的两个答案是肯定的，贵企业是需要BI的。
简单地说，BI（商业智能）就是分析工具。在早期尚未进入信息化的时代，分析师用笔跟纸（最多再有一台计算器），花费大量的计算时间，才有可能从一个角度来进行数据分析。后来随着数据化的发展，Louts、excel等工具的产生，数据的整理与分析也更加方便，此时，一方面基于上述工具的帮助，另一方面基于市场需求，企业所要进行分析的数据量也就越来越庞大。
但由于这些分析工具并不方便多角度的数据分析，再加上所要分析的资料量剧增，许多企业希望可以直接并实时地从企业运行的数据库中来进行多角度的数据分析，其中储存企业大量数据与数据的地方，我们称之数据仓库（DW，Data Warehouse），整个进行多维度数据分析的部分，即称之为商业智能（BI，Business Intelligence）。
现在的问题是，是不是花了大钱，买了好的BI工具，就可以完成企业BI的梦想？据我所知，有的企业花了大钱买了好的BI工具，可是那个买进来的工具确是叫好不叫座，到最后，企业内部的员工九成还是使用Excel 来进行数据分析。BI的成效不彰，原因可大至归类为下列的几点：
1.金玉其外，败絮其中：这是最常被看见但往往也是最重要的问题，前面已经提过了，商业智能（BI）必须建立在数据仓库（DW）的基础上，因此单单有好的BI工具，但是底层的数据仓库却没有办法针对上层BI工具所提的需求，提供实时而稳定的服务时，就像盖房子一样，明明是地层没有打稳，可是却要把大楼盖得又高又美是不可能的。这种情况下，再好的工具也就没有辄。
2.缺乏专业的资料分析人员：计算机不论是多“智能”，还是比不上人脑聪明，它只是比人脑“快”。BI工具只是方便并加速数据数据的分析，但是数据分析的方向，以及有效并相关连数据的选择，则还是要由人脑来决定的。也就是说，整个BI解决方案的导入与运作的过程中还是需要一个熟悉数据的内容与架构并且有商业敏感度的人参与。然而现实情况是，大部份企业对BI工具本身抱了过高的期望，反而在导入的过程中，没有适时地让这方面的人才来发挥他们的长才，并且熟悉BI的使用。最后，就搞得BI人员自己去搞自己的数据库分析，而这些人还是继续用他们的Excel。
3.数据未做适度的转换：数据仓库中的数据，大多是由企业内部系统中的数据库转进来的，因此这些数据不论是数据结构的定义上，或是数据本身，原本都是给系统程序来读取与储存的。例如在RDBMS的结构下，我们是用PK与FK的对应来做为两个数据表之间的关连，有些系统开发者的习惯比较好，会在数据库中把这些规范出来，有些则不会。不过，不论如何，都还是利用数据库的语法来做定义，这样的定义方式一般的数据分析人员大部份都是看不懂的。数据分析人员并不一定看得懂这样的数据，因此对于这些数据，则需要做适度的转换，才方便数据分析人员的使用。
4.缺乏数据库系统人员的维护：很多企业会误会，买了BI工具安装好可以顺利的运作就大功告成了。但他并没有想到一方面随着时间的成长，数据仓库中的数据也不断地成长，另一方面，数据仓库中的数据也会随着分析需求的改变及企业型态的改变而需要被调整，因此如果没有数据库系统人员随时因企业的需求对数据仓库中的数据来进行维护，时间一久，数据仓库中的数据架构呈现一团乱，这种情况下也一样没有办法提供好的效能。因此在这样的情况下，随着数据的成长，每次分析结果产生的效能越来越差，最早一张报表产生的时间一个小时，而后来却要十个钟头，当然慢慢地，这样的工具也就越来越不被分析师所接受了。
5.缺乏好的呈现方式：完成BI的数据分析后所产出的报表应该要如何呈现给老板看？呈现的方式够不够实时？如果老板不喜欢这样的呈现方式，或者，老板必须长时间的等待才可以拿到这样的数据。此时，不论大家做了再多的数据分析，都不会得到老板的青睐。既然如此，久而久之，大家就没有人想再用这套工具了。
综上所述，BI不能单单只视它为一种“工具”，而应该是从解决方案的角度来看待。如果没有完善的整体配套规划，再好的BI工具最后也可能变废品。有趣的是，通常越好的工具，它需要的配套规划也需要越完善，相反，那些不高深的工具反而不需要太多的配套规划。这应该就是Excel为什么至今仍然是BI分析主流工具的原因之一。
