鉴于大多数组织在BI软件，应用程序和技能上都有一定程度的投资，您如何适应新的过程和工具集，如前几章中所述？

通过消除业务分析师的繁琐数据处理工作，并解决协调数据中语义不一致的问题，BI变得更易于使用和提高生产力，在我们自己的研究中，我们发现人们没有发现BI软件，很难理解，是由数据造成的。具有大量语义工具的单一语义模型也简化了学习阶段。

没有答案的是BI行业BI能力中心提出的概念

不仅负责帮助台，而且通常负责BI应用程序开发，创建BI和分析技能的分层结构。能够分析数据应该是大多数部门的核心能力。您想要财务部的财务分析还是市场部的营销指标？使部门无法获得能力的原因是现有的BI流程位于其他位置。

精算部门能够基于利率预测创建偿付能力情境，而不是试图才解释精算过程，这是否有意义？

解决缺点的方法是抽象化模型和多维数据集，而模型和多维数据集则由大多数BI工具都可以使用的通用语义层驱动。问题在于数据存储在关系数据库（通常是数据仓库）中，该关系数据库无法提供多维数据集的近乎即时的响应，因为在大多数情况下，数据库体系结构并非设计用于分析/维查询。

用于业务建模的BI

根据我们的经验，BI的回报来自建模，而不仅仅是报告，所有商人都使用模型，尽管其中大多数是默认的，也就是说，它们是隐式的，没有明确描述，这些模型的证据可以从工作人员的工作方式（默认模型）或在电子表格中创建模型的方式中找到，隐性模型的问题在于它们不容易交流或共享，使它们显式的问题在于它还不够方便，大多数商人可以概念化模型。任何有激励性补偿计划的人都可以解释一个非常复杂的模型，但是如果该技术不可访问，大多数人将不会努力学习如何构建模型。

几乎每个企业都以某种形式或某种形式雇用某些商业模型

定价是一个很好的例子，它以更为复杂的形式进行了收益管理，例如航空公司的定价方式，大多数组织都在考虑风险和突发事件，这是为糟糕的准备做的准备，资本支出的分配，或者一般而言，任何稀缺资源的分配，都是必须进行权衡分析的一种形式，关于合作伙伴和联盟的决策，甚至合并或收购分析也是常见的建模问题，这些是所有类型的业务模型。

它们不一定涉及数据科学或高级数学

模型的特征还在于其结构，简单模型是根据输入数据和算术构建的。更复杂的模型使用公式，甚至使用多次计算，例如分配。公式本身可以是统计函数，可以对数据进行预测或平滑。除此之外，概率建模还用于对不确定性进行建模，例如计算索赔准备金或不良贷款准备金，所有这些模型仍然只是类的变体。

将逻辑引入模型后，它就成为了过程，并且混合计算和逻辑产生了一种非常有效的方法

不利的一面是，如今程序模型很难使用大多数工具来开发，而维护和修改则更加困难，因为它们需要业务建模者在编码或脚本级别与系统进行交互，大多数商人缺乏的气质或培训，或缺乏这两者的东西，假设业务人员甚至“高级用户”都将采用良好的软件工程技术是不合理的，也不应期望他们这样做。相反，BI软件供应商有责任提供强大的工具，这些工具可以通过向导，机械手和代理促进良好的设计技术。

造型要求为了使任何类型的建模工具对业务人员有用

IT组织可以支持并且随着时间的推移足够持久以使其在经济上合理，它必须直接提供或与以下功能无缝交互： 足够的表达水平，足以规范，组装和修改通用和复杂的业务模型，而无需代码；能够容纳除深奥的建模之外的所有建模的能力 一种声明性方法，使得每个“声明”都被合并到模型中，而无需考虑其顺序，顺序或依赖性。该软件使建模人员可以自由设计任何可以构思的内容，从而可以处理计算优化问题。

模型可见性使模型的检查，操作和通信成为可能，而无需额外的精力或资源

模型是协作的，除非可以发布和理解，否则无法进行协作，从数据源进行抽象，以允许使用与数据的物理特性无关的语言和术语来建立和共享模型，并进一步允许物理数据的管理者有更大的自由度来追求和实施优化和性能工作水平和垂直可扩展性，因为当今许多建模工具都无法与垂直应用程序（例如CRM）或市场细分市场中的水平应用（例如桌面数据可视化）紧密结合。可扩展性意味着建模工具的本机功能足够强大，可以扩展到几乎任何业务领域，行业或功能，或任何分析体系结构中。

闭环处理是必不可少的，因为业务建模不是终的工作

或者至少不应该，它是连续执行，跟踪，测量，分析，优化，执行循环的一部分，建模工具必须能够在分布式环境中协同操作，以基于标准的协议消费和提供信息和服务，闭环方面可以通过人员管理的步骤来打断，或者可以作为无人值守的代理运行，或两者兼而有之，零代码：除了大多数商人不具备和/或对编写代码不感兴趣的事实外，还存在足够的计算能力和合理的成本，可以在建模者和计算机之间建立越来越复杂的抽象层，代码意味着人工，错误和维护，抽象和声明性建模意味着灵活性和可持续性，大多数软件“ bug”是医源性的，也就是说，它们是由编程过程本身引入的。当另一个程序生成代码时，“错误”的范围会缩小到交互作用的范围，即建模者与计算机之间的对话。

核心语义信息模型：数据与访问数据的人员和程序之间的抽象不是很有用，除非存储库中提供了数据的含义及其与所有其他事物的关系

协作和工作流是将分析连接到企业内外的所有其他流程的关键，但是没有必要随BI工具一起提供完整的协作和工作流功能，相反在整个网络中与协作和工作流服务进行集成（这并不意味着“被集成”，这意味着大量的时间和金钱）而没有延迟或转换问题的能力不仅足够，而且也是。

政策可能是其中困难的要求

开发用于建模策略的软件非常棘手，通过统计和概率函数的简单计算已经存在了三十多年，可以做出决策和分支的逻辑模型更难开发，但仍不超出当今工具的范围，但是允许业务人员以声明性的方式开发模型以实际实施策略的软件工具则处于另一面，当今的规则引擎几乎没有能力，它们需要专业的程序员来进行设置，将来会在建模工具中使用策略，但是这将取决于以上所有要求。

从长远来看，人们可能会争论BI是否成功

大型组织中BI的使用量停留在10％至20％之间，具体取决于您相信的调查。我相信对BI的更广泛接受的期望是乐观的，并且采用程度可能是交付的功能的正确水平，要使BI普及并出现在每位员工的智能手机上是不可避免的，但是它将被提供了更完善的成套工具的新技术所包裹，特别是所谓的“决策管理”-预测建模，机器的混合物学习，自然语言处理，业务规则，传统BI以及可视化和协作功能，BI会生存吗？是的，但我们可能无法识别。