【IT168 评论】　　提到商业智能，大多数人首先想到的是啤酒和尿布的故事，脑海里接着闪现出来的可能还有各式各样的复杂报表、仪表盘。不错，这就是我们希望BI可以达到的目的——实现智能化的数据分析，以简单直观并且丰富多姿的形式展现出来。

　　所以，我们清理海量的业务数据，设计复杂的数据模型，构建庞大的立方体，运用各种分析模型后，惊人地发现啤酒和尿布之间存在紧密的销售关系!于是决策者们下达指令，大量采购，并将二者放在卖场相邻位置。有好事者想见识一下深受新晋爸爸喜爱的啤酒的口味，拿着BI给出的产品代号按图索骥，却发现找到的是可乐!追查源头，早在产品信息录入系统时就已经张冠李戴了。绕了一大圈，和尿布哥俩好的竟然是可乐!

　　匪夷所思吧?你的BI很聪明，可是没帮上忙!耗费大量精力分析的对象是不完整或者错误的数据，精美的仪表盘据此显示出与事实有偏差甚至是完全相反的结果，最终导致使用者做出错误的决策。原因非常清楚——都是源数据惹的祸!BI能怎么办?

　　数据质量是商业智能项目根本中的根本。可是，在保证客户资料的有效性方面，BI起不了多大作用。除开上述例子中人为原因造成的错误，目前国内用户业务系统也普遍存在数据不准确或者缺失的问题。调整一下思路吧，BI工具不能修改数据，但可以在促进“数据质量”的提高方面发光发热。

　　商业智能应用的逻辑体系是目标——途径——-执行——配套——控制，如果我们把BI定位降低，强化执行和检查及处置层面的功能，在系统应用的初期(也许是两三年)，着力于充分暴露数据质量问题，并坚定地把纠正的工作交给业务系统，从V1升级到V4、V5……每次版本的变更，都补充以往的不足，带来数据质量的提升。那么，随时间积累，数据在越来越完善的同时，也必将越来越准确。

　　说简单些，啤酒和尿布的故事中，如果做关联性分析前，我们通过常规的同比预警分析，发现了可乐的销量变化异常，通过异常原因分析，纠正了源数据的错误，就能早点发现尿布和可乐的地下情了。

　　如果接受这个思路，我们就该考虑，哪些问题可以在ETL阶段做脱离源的质量补救，哪些必须作为错误暴露出来，还有哪些只能以各种形式作出数据展现，由用户去判断是否需要纠正?如果没有对业务的深入理解，这些问题是无从回答的!做商业智能必须了解业务逻辑，不仅因为业务逻辑是企业领导人思维的主要体现，以此出发BI的基础才会夯实;更重要的是，我们从企业的业务逻辑中可以获知BI的作用重点和作用方式。从而帮助用户避免数据的错误使用，并引导用户进行深入的分析工作。

　　也许，你的BI没有智能的建模工具，没有高深的模型算法，甚至展示效果也只是朴实无华的简单报表，但只要它能够将正确的信息提供给有需求的人，保证提供给用户的信息能够轻松地访问、理解和采用，即使大材小用，谁又能说它不是一个聪明的BI呢?