受到整个的云计算、大数据趋势，包括互联网经济的影响，商业智能出现了新的趋势特点，比如社交媒体以及协作的互动。这使得利用BI去作大数据分析和企业应用成为挑战。以企业最基本的财务系统为例，很少有企业会说做一个基于大数据的财务系统，在传统的业务系统中，非结构化的数据很难实现大数据的海量化。

现在的大数据往往要经过预处理才能被消费，企业才从大数据中找到价值，这就需要BI进行调整，即利用商业智能和数据处理把大数据转化成传统的交易系统数据。

大数据不仅数量庞大，而且来源广泛、类型复杂、关联度弱，必须经过提炼变成可用于BI的密集数据。大数据又有企业大数据和互联网大数据之分，传统BI集中关心的是企业大数据，而现在互联网的发展更带来了海量的社会化大数据，包括、微博、微信，以及对企业有利还是无利的一些舆情，不能不被考虑到BI数据收集里，尤其我们想要建立准确的用户行为分析时。

仍以财务系统为例，我们做企业财务报表时，往往关心收入的来源是什么，成本集中在哪些方面，资金压在什么环节，各个业务部门的考核情况又怎么样……当建立全面的财务分析时，系统必须能够支持分析指标，分析各个场景。实现这样全面的财务分析需要做到以下关键几点：建立内制完整的财务分析指标，包含系列化的集团财务组合分析工具；针对单独企业系统可以分析盈利、营运、资产、现金、发展，根据要素分析判断稳定因素和原因性质；具备对标功能，分析状态预警，预警改善分析可以分析各个财务要素关联性和各项变动对整体经营的影响，内置预测工具可以快速分析企业经营。

明确企业的需求，是建立数据仓库和选择算法的基础。围绕这些目标需求选择合适的算法对数据进行抽取和清洗，建立标准进行数据加工，从而组成完整的数据仓库。

财务数据仓库的建立标准要围绕以下方面展开：支持多指标的综合分析，以便及时判断下属各个企业的财务状态，并且掌握一些变化趋势；能够从盈利等各种不同视角系统深入的分析影响财务目标的驱动因素；适用于利用整体分析掌握企业的运营态势；可应用于预测模型工具进行企业财务预测；有助于及时了解业务运行状态和业务指标的变化，预见财务运营的结果。

由此可见，数据治理是BI建立过程中需要重点解决的问题。数据质量的保证还是要建立正确的业务指标，这些业务指标的建立从根本上还是要从管理要素和管理逻辑出发，体现在日常的管理之中，只有提升到全流程价值分析与发展的角度上才能提升财务的分析效果。

大数据时代，对BI系统的建立来说，变的是数据治理面对更大的挑战，不变的是建立整个企业级的数据分析体系时候必须从管理的角度出发。（文/任斐菲 本文根据《新经济形势下的企业决策和商业智能分析》报告会的部分内容整理）