就目前的情况而言，商业智能（BI）是推动业务变革和提升业绩的最重要因素之一。近来在商业智能软硬件方面的技术进步使得以往如同科幻小说一般的场景即将变为现实。

　　比如，在in-memory技术的帮助下，企业应用可以在几秒钟内处理数十亿个记录，而用户也能通过各种各类的设备简便无缝地访问记录。此外，在信息处理方面的商业智能可以帮助企业进行成本和风险管理，而商业智能的战略投入可以使企业获得高投资回报，从而构建自身独有的竞争优势。

　　EIM之于业务转型

　　为了更好地从商业智能中获益，企业必须从企业信息管理（EIM）的角度来进行规划，而不是仅仅考虑一些具体的商业智能方案。同时，企业也不能过多关注在那些特定的功能和高端的软硬件上，相反，从EIM全景出发进行考量可以使企业在人力、流程和数据管理等方面打下坚实的基础。

　　企业中各个业务流程的主导者应该处于商业智能战略的核心地位，而IT部门应该成为技术实现的核心伙伴。这就需要识别出核心业绩的评判标准并将其映射成为对商业智能的需求。由此形成的每个需求则应该从底层数据的角度进行分析——尤其是那些构成商业交易基础的关键数据（关于客户、供应商、员工和会计科目表等）。

　　企业应该具有较强的数据和信息监管能力，以此才能保证商业智能系统的源数据是清晰、可靠和可访问的。如果不具备相应的监管能力，那就必须与IT团队一起构建这种能力，这是商业智能技术部署的前提。

　　对商业智能的驱动需要来自于管理层的力量，以此形成一个卓越中心来开发和维护商业智能。尽管由于业务类型、企业文化、构架的不同可能导致卓越中心的运维模式不一，但是中心的建立是商业智能软件大规模投入的必需前提。

　　数据监管的经济学

　　由于遵循了上述原则，一个财富1000的制造业企业通过供应链和客户服务体验的提升，实现了每年5百万到1千万美元的成本削减。该公司的成功之处在于建立了业务主导的数据监管机制，同时将企业级的商业智能战略同业务目标及规划很好地结合了起来。

　　该公司在数据和信息的梳理方面采取了积极主动的策略，由此显著地提高了输入系统的数据质量，进而使增值服务的及时交付成为可能。

　　如今有很多企业正苦于从商业智能系统中实现价值，他们主要有以下三个失败的原因：数据质量和完整性的问题、缺乏来自高层的推动、没有一个适当的商业智能机构来进行战略层面的推进。因此，对于商业智能的成功挖掘而言，重要的是关注其基础所在（人力、流程和数据管理），而不仅仅是相应的技术本身。