數據集成是商業智能(BI)流程的關鍵組成部分，可將來自多個源系統的數據進行整合，并將它們合并到數據倉庫以作分析。不過，對于BI數據集成策略，數據管理分析師提醒從業者不可掉以輕心;一旦設計執行不得當，策略很容易就會出現漏洞。

美國Intelligent Solutions咨詢公司的總裁Claudia Imhoff說，數據必須及時上傳到數據倉庫為BI計劃所使用，若時機不當，所有的工作就會毀于一旦。由于有些用戶需要對數據進行實時處理，這就要求BI和數據集成團隊充分理解企業的BI需求。

Imhoff提到，數據質量非常重要，對不良數據進行校對與清理不應該只是BI數據集成流程的專有功能。“錯誤無處不在，我們需要找出它們的來源。”只有這樣，我們才能從一開始就預防源系統的數據錯誤。實際上，合并錯誤數據本來就是數據集成和BI專家們工作的一部分，所以出了紕漏他們是要負責任的。她說：“我們需要讓員工明白，他們的任務不僅僅是做一個傳輸者。”

Gartner分析師Ted Friedman認為，BI數據集成存在的最大問題就是人們對數據質量的關注度不夠。“我已經從事數據集成工作超過十年之久了，但還是要花很多精力去說服企業，讓他們了解BI的作用和價值，使他們接受并信任自己的BI決策，這主要是由于他們還沒找到正確的方法保證數據的質量。”

Friedman說，對于“倔強”的企業，數據質量問題的負面影響不僅僅在于BI方面，但糟糕的數據質量絕對是BI項目獲得成功實施的主要障礙之一。企業在將信息載入到數據倉庫的過程中，從頭到尾都忽視數據的質量、發現問題后也不采取任何減緩措施就會造成這樣的局面。

James Kobielus曾在Forrester公司擔任分析師，今年初跳槽到了一家技術供應商。他指出，數據質量方面的失誤已經成了BI數據集成工作中普遍存在的問題。

Kobielus曾說過：“企業總以為把后臺應用程序中的數據導入數據倉庫以后，不需要做任何清理、匹配、融合或者轉換工作就可以直接使用。”這樣一來，公司總會碰到各種各樣出其不意的問題。例如，“同一個名下出現六條記錄，沒人知道哪條才是正確的。”

BI數據集成的影響力不可小覷

Baseline Consulting公司的創始人之一Jill Dyche稱，還有一個造成數據不一致而產生負面影響的原因，就是企業內部對記錄系統結構存在分歧。打個比方，工作人員無法確定哪一個交易系統應該用作客戶地址信息源。這樣的爭論通常涉及“地址”的定義——在各不相同的情況下，到底以客戶的賬單地址為準?還是送貨地址?抑或是公司地址?

Dyche說：“就這樣，論戰相繼而發，于是業務人員開始懷疑BI團隊對于正確數據的理解及傳輸能力。然后，有人就會建議干脆把全部信息丟進一個數據庫里，可業務人員又不愿意這么做。”

9sight Consulting公司的創始人Barry Devlin認為，在制定BI數據集成的策略與方案過程中，員工不會造成什么太大的失誤。“他們是業務團隊中一個特殊的群體，擁有多年的數據處理經驗，對數據理解頗深;他們是十足的專家和達人。”因此，對于數據如何進行集成、怎樣生成高效的BI應用程序，他們擁有最佳決定權。

Devlin說，盡管如此，IT部門員工在大多數時候不僅負責實施工作，還需要改進數據集成方案。在Devlin看來，雖然IT專業人士可能對企業數據有著很好的理解，但他們還不能稱其為真正的專家。他說，使這兩個團隊聯合起來共同完成BI數據集成困難重重，卻別無選擇。

Imhoff稱，目前一些企業對BI毫無經驗可言，也不具備滿足BI項目數據集成需求的能力，卻急于達成目標，制定出不切實際的計劃。然而，對數據進行集成并上傳到數據倉庫這一流程占據了整個BI項目60%到80%的工作量。如果一個項目團隊想要一次完成所有的工作，那么他們不久后就會以失敗告終。她認為這樣的趨勢正在愈演愈烈，于是告誡道：“不要指望一口吃成一個胖子。”