目前在國內，很多企業把商業智能做成了“老板工程”“面子工程”，僅僅是為了方便經營者了解企業的種種數據和信息。事實上，這種看法是非常片面的，商業智能高效的統計分析功能的確可以為經營者分析和決策提供科學依據，但是其主要的“功效”卻是利用分類技術信息將信息消費者使用的決策支持對象分門別類，幫助業務人員解決業務運轉可能出現的各種主要問題，提高業務人員的工作效率，從而提高企業的核心競爭力。因此，商業智能的建設需要包括經營者在內的所有業務人員的關注和參與，尤其是經營者。

對于企業的經營者來講，商業智能是幫助他們建立一個理性的外腦。商業智能可以理解成是對“一把手”的大腦的延伸，借鑒歷史數據，建立標準的分析和決策模型，并能夠對未來做出正確的預測。

對于BI市場，賈娟認為商業智能的市場雖然規模不是很大，但始終是在增長的。2008年，商業智能的應用開始從面子問題到肚子問題，原來很多企業的應用是跟潮流，主要是為了滿足領導想實時了解一些數據的需求，把商業智能做成了面子工程或者裝飾工程。而現在是真正有了一些需求，發現商業智能真的可以幫助企業，做一些實事。

“以前大家對BI的期望太高了，認為BI什么都能做，把它看得太高，導致期望越大失望越大。做商業智能應該先從基礎數據整理開始，數據分析，數據挖掘，循序漸進地開始。如果基礎數據質量很差，想挖掘出有價值的情況很難。應該從數據質量最好的應用下手，先從小處得到一些大家看得見的收益。”賈娟說。

對于如何開拓這個市場，“慢慢來吧，要循序漸進。要知道自身企業的情況，深度上做到哪一步，廣度上知道哪些業務需要用到BI。既要培養CIO對業務的了解，也需要了解行業的咨詢顧問。我覺得這個東西還是有用的，難的是具體怎么用。”

商業銀行向BI邁進

銀行是信息化程度比較高的用戶，也是在各方面和國外接軌較多的用戶。在商業智能方面，銀行用戶也是走得比較前端的。

凌晨1點，一個用戶想從荷蘭銀行(ABN Amro)的ATM機提取100元現金，但其賬戶余額只有28元，他的請求遭到了ATM機的拒絕。因為，銀行從其數據倉庫中調出他的有關信息并分析后發現，他是個高風險用戶，之前有過延期還款記錄，而且該用戶所提款的ATM機位于某娛樂場所旁。

而另一位用戶卻從ATM機上取到了400元現金，盡管當時，他的銀行卡余額僅為128元。原因是銀行經后臺商業智能(BI)系統分析后發現，他沒有任何違約記錄，個人信譽很好，并且他所取款的ATM機靠近醫院，系統分析認為該用戶可能因為家人住院急需用錢。

這是銀行為客戶提供的真實服務，商業智能為業務一線的服務能達到如此精準的程度。

對于信息化程度高的四大行，早就實施了商業智能。如今，對于中小銀行來說，BI的誘惑也在慢慢增大。