BI的生命周期管理

整个系统生命周期是以项目规划作为起点的，这个阶段需要做的是：评估组织本身是否具备实施商业智能的条件，确定系统的规模和范围，规划各种资源并启动项日。

第二步是进行企业需求定义。一个商业智能项目的成功不是取决于技术，而是取决于它是否将重心放在实际的商业过程上，是否能够为商业决策提供支持。系统的设计者应该了解企业的需求并将这些需求转化为系统需求。

完成了企业需求定义后，接下来要做的是技术方案设计，数据设计以及分析应用设计，这三者在一定程度上可以并行。

技术方案设计将建立一个技术框架，从而将各种技术进行整合。通常它会列出一系列的商业智能相关产品，通过一定的标准，对这些产品进行评估，做出最后的选择。

数据设计包括多维模型设计，物理设计以及数据加载。先将企业需求转化成多维模型，再根据多维模型设计物理模型。在进行物理模型设计时通常要考虑聚集，索引，分区等策略，以满足工作效率的要求。最后是数据抽取、转换、加载(ETL)，建立实际的数据仓库。

分析应用设计和开发将根据企业用户数据分析方面的需要，设计一系列功能模块，提供查询与报表，OLOP分析，即席分析以及数据挖掘等工具，使用户能够方便的访问到所需的数据，并进行相应的处理。

当以上三项完成之后，就可以进入发布阶段，将系统提交用户使用。同时要提供必要的支持与培训。

维护阶段包括对系统进行小的调整，对出现的错误的及时更正，对用户的培训，以及其他保障系统正常运行的各项工作，并为未来系统升级做准备。

项目规划与管理

项目规划与管理包括可行性评价，项目范围划定，效益评价，人员配置，制定项目计划的等。

可行性评价：同其他信息系统一样，商业智能系统建设之前需要进行可行性评价。主要从5个方面进行：

(1)    项目是否有一个强有力的发起者

这个发起者必须对商业智能将对企业带来的潜在影响有清晰的认识，并对该项目充满信心。他必须在企业中有足够的影响力和说服力，能为系统建设提供良好的环境。

(2)企业是否具有一个强烈而迫切的驱动力

这种驱动可以是来自企业外部的(如竞争因素)，也可以是来自内部的(如解决并购中出现的跨企业绩效分析)。商业智能项目不应该只是锦上添花，而更应是雪中送炭。应该用它来解决企业所面临的棘手问题。

(3)技术、数据、资源上是否可行

三者之中，数据因素最为关键。我们是否能从现实的业务系统中搜集数据，决定了商业智能系统的成败。

(4) IT部门与企业的关系是否融洽

技术人员是否明白并且尊重企业业务人员的工作;企业业务人员是否理解并且尊重技术人员的工作?如果不能做到彼此尊重、理解、并互相配合，项目进行过程中必定会遇到相当的障碍。

(5)企业当前的决策方式

企业领导者是习惯于根据事实和数据做出决策，还是靠直觉和经验作决策?一个习惯于数字的企业更容易接受商业智能的概念。当然，如果企业还不具备这一点，那么，正是利用这个项目改变人们思维和决策方式的很好机会。

从以上5个方面展开可行性分析，明确企业所处状况，评价建设商业智能系统的条件是否成熟。在这5方面中，强有力的发起者最为关键，它决定了项目是否可以实施。

项目范围划定

确定项目可行后，接下来应划定项目范围。这就需要在有用性和可管理性两方面做出权衡，把注意力集中在那些迫切需要解决的问题上。首次实施商业智能项目即将不同地区、不同业务系统、不同用户以及不同的分析需求包含进来，容易造成项目失控。

效益评价

估计商业智能项目能够为企业带来的收益和增加的成本。收益包括财务收益，收入或利润增加等显性收益以及其他隐性收益:成本包括硬件/软件的购置成本，系统维护成本等。商业智能系统的运营成本不会因为系统的成熟而大幅降低，而是会保持在一定水平上。

人员配置

商业智能项目的顺利推进，需要一个由业务人员以及IT技术人员共同组成的团队。通常角色包括:

    (1)发起人:他是商业智能系统的最终用户，同时也是项目最有力的支持者。

    (2)企业领导:代表企业业务部门与项目经理就具体事宜进行沟通。

    (3)企业用户:系统的最终使用者。

    (4)业务系统分析师:发现企业业务需求并把这些需求转化成技术框架需求，数据需求以及分析应用需求。

    (5)业务主题专家:熟悉业务系统数据的含义、用途，知道数据在哪里容易出现不一致。这些知识在构建数据模型和分析可能应用的过程中非常重要。(amt)