甲骨文（Oracle）收购Hyperion、SAP收购Business Objects、IBM收购Cognos，随着一系列商业智能（Business Intelligence，BI）领域的合并和收购事件，让我们意识到商业智能（BI）绝不仅仅是一项技术那么简单，BI的实施不仅仅是一个单纯的IT项目的实施，它涉及到企业经营管理的各个方面。
在你开始讨论BI这个技术之前，你需要首先建立起对商业智能战略的看法：“现在是彻底打造你的BI策略的时候了。”下面就让我们一起看一下打造成功商业智能战略的十个要点。
商业智能的实施绝对不应该让IT部门的人来负责。负责商业智能实施的管理者应该能够负起底线责任，对企业目标和战略有更广泛的理解，他应该知道如何将公司的任务转化成可以支持这个任务的关键绩效指标——这个管理者往往是首席财务官（CFO）。这个负责人应当能够通过一个已经被证明的商业案例来管理商业智能的实施，并且负责规模方面的变化。
没有统一的BI定义，一个商业智能实施不可能会取得成功。而且缺乏共识是当今企业中普遍存在的一个问题。举个例子来说，财务人员和销售人员对于“毛利”可能有不同的定义，这意味着他们得到的数字将会不一致，在效果上会抵消企业信息自动化的价值。为了解决这个问题，应该从前端、中间和后端三线职员中征取贯穿整个商业路线的学科内容专家意见。在这个阶段，IT的参与应该限于运行项目管理职责和掌握灵活性、商业标准和策略的控制。其次，从小处入手，只选择10个或20个关键绩效指标，并在脑海中对它们创建标准和管理办法。
你应该分析当前的商业智能组合、过程和围绕商业智能实施的组织结构。IT技术和业务都应该被进行分析。不要小看这个阶段，来自Accenture的一个完整的“商业智能诊断”报告包含了针对325个非常好的实践和75个主题领域的1500个问题。
许多企业最初建立的都是分离的小数据仓库，因为建立这些小型数据仓库更迅速而且更便宜，但是这种方式存在一个缺点，随着更多更大的数据存储需要的上升，可能需要不断的创建更多的数据库，这样在几年内可能会超出人们的控制能力之外。其他需要考虑的事情还有，是选择创建和维护一个物理上真实存在的数据仓库，还是采取虚拟化解决方案，即所谓的“语义”层来链接操作系统。传统的数据仓储意味着数据的重复，这意味着数据实时的进入操作系统几近不可能。你可以通过一个抽象的定义层来节省空间，但它却是非常难于设计——就如同任何元数据库一样。在开始考虑选择哪一个厂商前，你必须先解决这个问题。
商业智能用户通常可以分为三个明显的大类：战略性、战术性和操作性。战略性用户很少做决策，但是每一个决策都会具有一个深远的影响——举个例子来说，例如我们是否应该关闭在欧洲的运作，而将其在中国展开。战术用户则每个星期作出许多决策，而且会同时使用汇总和详细的信息，而且很可能需要每天对信息进行更新。操作用户则是一线的员工，诸如呼叫中心职员。他们需要借助于在他们自己的应用程序集中的数据来执行大量的事务。了解谁将使用商业智能（BI），以及他们出于什么目的来使用BI，这样可以显示人们需要的信息种类和需要的频率，而且有助于指导商业智能决策的制定。
商业智能的实施不能搞一刀切，或者说一种规格不可能处处适用。一般来说，如果你具有一个更加相似的IT环境——诸如一个企业资源规划（ERP）系统、一个客户关系管理（CRM）系统，你可能会从一个现成的特定行业的数据模型中收益很多。不过一定要关注可扩展性和层次灵活性。越复杂的企业可能会从定制化的数据模型中受益更多——尽管你可能依然希望考虑从一个行业标准模型开始作为一个模板或指导方针（诸如典型事实、尺度等等）。
影响商业智能实施成功与否的要素包括：元数据、数据整合、数据质量、数据建模、分析、集中式度量管理、展现形式（报表等）、门户、协作、知识管理和主数据管理。确信为商业智能堆的所有层定义体系架构。虽然上述这些可能本身不是商业智能战略的一部分，它们却可以影响商业智能实施的成功。
商业智能的实施需要来自一个具有深度经验的合作伙伴的指导。要准备好每花费1美元在软件上则需要花费5到7美元在服务上。不要将商业智能的优化工作进行外包，因为这个过程需要在终端用户、分析师和开发者之间的高度协作才能完成。
选择一个最终用户、商业分析师和开发者在几天内创建第一手的BI实施效果证明。选择一些关键绩效指标，并创建一些报告，然后每几个星期增加新的版本。
举个例子说，一个销售分析数据中心可能是高价值目标，而且具有许多现有的模型和非常好的实践可以参考，可以作为最初开始实施的对象。在积累了一定经验后，再逐渐增加商业智能（BI）系统继续对其他业务进行决策分析，这样可以在一定程度上减少风险，因为商业智能（BI）的实施会影响到业务流程的调整，一个部门或一个项目的调整对公司的影响要比整个公司业务流程调整的影响小得多，就好比做小手术总要比做大手术给用户带来的疼痛小一些一样。