數據挖掘本身并不產生價值，實施數據挖掘后產生的結果才有價值。實際上，數據挖掘只能找出數據上的關聯，還不能把這種數據關聯關系當成因果關系。例如挖掘發現，“大多數車禍出現在中等行駛速度當中，極少的事故出在高于150公里/小時的速度上。”人們當然不能認為“高速行駛比較安全”，它的真實原因在于“多數人是以中速行駛，因此多數車禍出在中速行駛的車輛上”。

因此，在數據挖掘和分析中，如何確定戰略目標尤為關鍵。企業CEO一般對預測模型的建立都比較感興趣，預測的目標也比較好確定，比如要預測客戶流失，那么“客戶是否流失”就是目標變量;要預測股票漲跌，那么“收市價是否上升”就是目標變量。但確定哪些變量作為自變量則頗費周折，換句話說，要確定哪些因素與目標變量有關系，往往是雙方各執一詞。

數據挖掘的成功要求CEO對期望解決問題的領域有深刻的理解，理解數據，理解其過程，才能對數據挖掘的結果找出合理的解釋。拿啤酒和尿布這一經典例子來說，如何去解釋這種現象，是應該將兩者放在一起還是分開銷售?需要摸透消費者的心理才能做出決定，而無法靠數據挖掘得出結論。
數據挖掘的結果是不確定的，要和專業知識相結合才能對其做出判斷。說白了，數據挖掘只是一個工具，它可以發現一些潛在的用戶，但不會告訴使用者為什么，也不能保證這些潛在的用戶成為現實。

不少CIO認為，商業智能就是數據處理，怎么樣去分析，分析什么才是最重要的。因為每個企業的情況都不一樣，當前戰略是什么，所屬地區的特點，這些都和商業智能密切相關。商業智能是通過數據建模的方式，而建模是依賴于領導的思路。如果領導的思路不清晰，模型沒法去建。

一位制造業的CIO說，“商業智能要實現起來不是太容易，技術上沒問題，問題是IT人員和領導的思路不合。因為數據本身就存在，需要的只是加工整理。其關鍵問題是IT的實施人員不知道領導想什么。要是知道領導想要什么，不用BI也可以。”

魯花集團信息中心主任姜波的觀點是如此，他認為BI的發展不深入主要是因為人為因素的影響。別的信息系統只涉及到流程與業務，或是底層實現自動化，影響不會過大。但BI針對和影響的都是高層，做為信息價值鏈的頂端，高層領導者的思想尤其重要。

一般的業務系統是滿足某一個部門的需求，BI涉及到整個公司的層面。領導只有明確了自己的思路，才能落實到下面。部門需求相對簡單，整體公司的未來發展和人的思想有關系。其中，CIO和CEO的語言缺乏翻譯也是一個大問題。

CIO的最大困難是不知道領導的要求是怎么形成的。例如市場飽和了，企業要轉型，這些都是領導考慮的問題。即使領導提出了需求，CIO也很難實現。

“商業智能我知道很多人想做，但是不知道怎么做，主要是不知道要做什么。”長安鈴木汽車有限公司技術管理所產品數據系系長張凱說。

廠商關于商業智能的介紹資料也寫得很虛，數據分析是主觀意識很強的。因為即便是同樣的數據，不同的分析方法，得到的數據也不一樣。對企業而言，需要的是要量身定做，要了解企業需求，同行業的不同企業之間的需求也不一樣。

張凱介紹，長安鈴木有一些報表級別的應用，包括生產的質量分析等。數據庫里會出一些固定的報表，什么時候哪些零件會出問題，在什么情況下故障率會高。

“2000年就開始做這種報表，這種報表是戰術，不是戰略。這些只要自己開發一個簡單的工具就可以了，沒有提高到戰略的程度。如果應用到明年要推出一款什么樣的車，這個才是BI。” 張凱說。

一般來說，BI應用的初級階段是報表級別的應用，或者是為了滿足領導某一方面需求的“面子工程”，對企業實際的作用并不大。張凱所說真正的BI要結合企業戰略制定，這樣的BI應用才達到了最高標準。