BI决策分析系统的关键组成部分：业务数据整合有何意义

在数聚股份看来，业务数据整合是bi决策分析系统的关键组成部分，可将来自多个源系统的数据进行整合，并将它们合并到数据仓库以作分析。不过，对于bi决策分析系统的业务数据整合策略，数据管理分析师提醒从业者不可掉以轻心;一旦设计执行不得当，策略很容易就会出现漏洞。

美国Intelligent Solutions咨询公司的总裁Claudia Imhoff说，数据必须及时上传到数据仓库为bi决策分析系统所使用，若时机不当，所有的工作就会毁于一旦。由于有些用户需要对数据进行实时处理，这就要求BI和数据集成团队充分理解企业的BI需求。

Imhoff提到，数据质量非常重要，对不良数据进行校对与清理不应该只是BI数据集成流程的专有功能。“错误无处不在，我们需要找出它们的来源。”只有这样，我们才能从一开始就预防源系统的数据错误。实际上，在数聚股份看来，合并错误数据本来就是数据集成和BI专家们工作的一部分，所以出了纰漏他们是要负责任的。她说：“我们需要让员工明白，他们的任务不仅仅是做一个传输者。”

Gartner分析师Ted Friedman认为，bi决策分析系统数据集成存在的最大问题就是人们对数据质量的关注度不够。“我已经从事数据集成工作超过十年之久了，但还是要花很多精力去说服企业，让他们了解BI的作用和价值，使他们接受并信任自己的BI决策，这主要是由于他们还没找到正确的方法保证数据的质量。”

Friedman说，对于“倔强”的企业，数据质量问题的负面影响不仅仅在于BI方面，但糟糕的数据质量绝对是BI项目获得成功实施的主要障碍之一。企业在将信息载入到数据仓库的过程中，从头到尾都忽视数据的质量、发现问题后也不采取任何减缓措施就会造成这样的局面。

James KoBIelus曾在Forrester公司担任分析师，今年初跳槽到了一家技术供应商。他指出，数据质量方面的失误已经成了bi决策分析系统数据集成工作中普遍存在的问题。

KoBIelus曾说过：“企业总以为把后台应用程序中的数据导入数据仓库以后，不需要做任何清理、匹配、融合或者转换工作就可以直接使用。”这样一来，公司总会碰到各种各样出其不意的问题。例如，“同一个名下出现六条记录，没人知道哪条才是正确的。”

BI数据集成的影响力不可小觑

Baseline Consulting公司的创始人之一Jill Dyche称，还有一个造成数据不一致而产生负面影响的原因，就是企业内部对记录系统结构存在分歧。打个比方，工作人员无法确定哪一个交易系统应该用作客户地址信息源。这样的争论通常涉及“地址”的定义--在各不相同的情况下，到底以客户的账单地址为准？还是送货地址？抑或是公司地址？

Dyche说：“就这样，论战相继而发，于是业务人员开始怀疑BI团队对于正确数据的理解及传输能力。然后，有人就会建议干脆把全部信息丢进一个数据库里，可业务人员又不愿意这么做。”

9sight Consulting公司的创始人Barry Devlin认为，在制定bi决策分析系统数据集成的策略与方案过程中，员工不会造成什么太大的失误。“他们是业务团队中一个特殊的群体，拥有多年的数据处理经验，对数据理解颇深;他们是十足的专家和达人。”因此，对于数据如何进行集成、怎样生成高效的BI应用程序，他们拥有最佳决定权。

Devlin说，尽管如此，IT部门员工在大多数时候不仅负责实施工作，还需要改进数据集成方案。在Devlin看来，虽然IT专业人士可能对企业数据有着很好的理解，但他们还不能称其为真正的专家。他说，使这两个团队联合起来共同完成bi决策分析系统数据集成困难重重，却别无选择。

Imhoff称，目前一些企业对BI毫无经验可言，也不具备满足bi项目数据集成需求的能力，却急于达成目标，制定出不切实际的计划。然而，在数聚股份看来，对数据进行集成并上传到数据仓库这一流程占据了整个bi决策分析系统60%到80%的工作量。如果一个项目团队想要一次完成所有的工作，那么他们不久后就会以失败告终。她认为这样的趋势正在愈演愈烈，于是告诫道：“不要指望一口吃成一个胖子。

审核编辑 黄宇