许多机构努力实现商业智能（BI）应用程序，很少达到具有可视化吸引力的仪表盘、实时数据以及先进的企业关键绩效指标（KPI）的圣杯。难题来自于惯例的猜疑——大规模的企业数据不一致和执行方面的挑战，以及高傲的BI厂商的承诺，以及包括诸如“客户”这种关键术语定义的大不相同、抵抗新技术的最终用户，以及缺乏一个单一的真实版本等的内部问题。

　　因此，机构越来越多地拥抱预置的分析应用程序（PAA）。虽然不是万能的，但是预置的分析应用能让最终用户理解他们的数据，而且从理论上来讲，可以使用户做出更好的决策。它是一个现成的应用，而且已经“预加载”了度量和定的，并可以代表定制商务智能应用程序的正规替代品。一旦链接到机构系统，它可以提供有意义洞察到微观和宏观的趋势。

　　商业智能应用程序的好处

　　PAA为机构提供许多重大的优势。一方面，他们不再需要漫长的BI部署。过去，许多BI项目，仅仅搜集数据需求就要经过几个月。再有就是成本。机构可以用预置的BI工具显著地降低实施的时间，产生快速的投资回报率（ROI）。第三，通过快速连接不同的数据源，最终用户可以识别数据问题，并在这个过程中改善数据的完整性和准确性。反过来，KPI更加准确，与环境相联系而且有意义。数据本能地变得更好，因为它更好了，这是一种网络效应。

　　最后，符合工业和部门的基准的许多PAA，允许数据被放置到一个适当的环境中。一个零售连锁企业将能够分析自己的数据，还可以看到与其竞争对手不同的详细的KPI。它可以回答这样的问题：

• 我们在雇员加班上的花费比竞争对手多吗？
• 我们的员工流失率更多吗？
• 我们每一个小时处理多少交易？
• 我们每名员工每小时的销售额排名如何？他们排在同行业的平均水平上吗？

　　受到不公平对待的商业智能应用程序

　　当然，速度、更快的ROI和降低成本都付出了代价。一些机构不愿意接受最佳实践。你会经常听到像“我们这里不这样做”等。在更高的技术层面上，许多机构的数据模型十分复杂，在没有定制化的情况下PAA不能从中产生有意义的KPI，一开始就实现不了PAA的目标。

　　大多数BI项目的失败不是因为任何商业智能应用程序或技术的问题，而是因为已经根深蒂固的组织数据的不一致。当得不到解决的时候，这些问题导致最终用户有正当的理由怀疑在他们面前的信息的准确性，单纯地指责商业智能应用程序，而不是应用程序背后的数据。PAA也是这样，它不规避数据管理的基本规则：错误的输入导致错误的输出——也称为GIGO因素。

　　在BI里不该做什么？

　　许多机构抱有他们可以立即部署PAA的错误观念。他们误以为快速就是更快。接下来，测试PAA不需要和定制的BI应用程序一样广泛，初涉仍是当务之急。任何供应商的解决方案都没有成熟或老练到机构可以“设置，然后忘记它”——你可能不必从事日常维护，但有人不得不对问题作出回应。

　　最后——也许是最重要的——就是内部的知识。传统而言，企业配置定制的Bi工具不是在内部的数据仓库团队的帮助，就是在缺乏内部专业技术专家的情况下，聘用昂贵的外部顾问。这样，他们就可以学习更多应用程序的具体细节。这不会发生在PAA的部署上。通过搭建或配置一个应用程序而不是简单地购买，你总会学习更多。

　　PAA确实可以节省机构的大量时间和金钱，为最终用户提供重要和及时的信息。尽管如此，他们并不是银弹。不明白它们的限制性的组织可能会发现自己有了它们和没有它们想必没有变得更好。