我们的研究发现，对于满足变化的商务需求来说，移动商务智能和云计算等目前流行的工具并不重要，重要的是可靠的信息管理方案。商业领导者竭力追求的IT目标是让其更具灵活性。他们需要能够快速支持需求变化的系统，以最大程度的利用采购，进军新的市场，或是找到新的客户。在近些年里，“灵活性”一直是软件研究领域中的热门话题，目前这一热门话题同样出现在了商务智能领域。
在一些功能强大的现有商务智能中，我们仍然能够看到对灵活性的需求。对能够迅速获取新洞察力的需求正在促进着快速假设分析规划工具和内存分析能力的发展。提前预知新兴需求和风险的能力激发了人们对预测性分析的兴趣。你可能会认为移动传输、云计算和谷歌类型的查询仍将会在灵活性上扮演重要角色，不过《<信息周刊>分析型商务智能与信息管理观察》显示，这些仍属于新兴概念，远远未达到广泛应用的程度。
尽管多数商业人士希望商务智能能够更为灵活，但是他们很少听说过商务智能的基础——全面的信息管理，他们也很少在这上面投资。信息管理包括数据发现、建模、整合和清理，以及数据仓库优化——这些都不是易事，同时也非常的耗时间。而往往情况总是，当IT人员刚开始全面接手现有信息时，公司就收购了其他公司，这导致IT人员先前的工作前功尽弃。
看一下今年的调查结果，商务智能使用者提出的改进意见清单并没有太多变化。快速分析、快速部署，以及其它与灵活性相关的属性仍然高居前列。不过，有一个观点正日益清晰，那就是商务智能应当与信息管理同步发展。
在过去两年里，接受我们调查的受访者指出了多个与信息管理相关的问题，这些问题成为了阻碍在整个公司内部署商务智能工具中主要障碍。数据质量问题所比重最在，在2009年和2010年均占55%。，位列二、三名的其次分别是易用性、与现有平台的整合性与兼容性。在对信息管理的调查中，妨碍成功的几个主要障碍分别是，及时访问相关的可靠数据(59%)、清理、复制和确保数据的一致性(51%)、数据整合(49%)。
辉瑞公司的方案已通过M&A测试
药业巨头辉瑞公司商业整合总监Peter Green非常清楚灵活性问题。Green和他的团队在过去十年里参与了辉瑞公司的一系列收购活动，包括2001年轰动一时的收购竞争对手华纳·兰博特、2004年收购制药公司法玛西亚和2009年收购惠氏的交易。在这些被并购的公司背后是知识财产，这些知识财产以数据的方式存在，特别是在他们研发实验室中的药品数据。在每一起并购案中，为了充分利用投资，这些数据必须被迅速整合。
大多数制药公司都使用相似的程序和相同术语描述他们研发的药品。不过，每一家公司在定义他们的信息的方式上都有一些出入，因此并购后的整合将是“缓慢而又痛苦的”，Green说。公司生产线上的药品数据包括了分子描述、实验结果、在多种管制程序中的状态，如通过了美国食品药品管理局认证。
辉瑞已经知道整合并不一定是一个漫长的过程。Green致力于辉瑞的OneSource平台的研发，该平台可整合不同公司的研发数据，让主管们更多详细地查看价值数十亿美元的药品研发流水线。最重要的是，这是一种灵活性非常强的平台，能够快速融合新的数据。
辉瑞以前使用的老方法被Green称为“重铁融合”，指通过传统的提取、转换和负载(ETL)批处理方式将其他公司的数据导入中央数据库。不过，在最近18个月里，辉瑞转而采用虚拟化方法。公司使用由Composite Software公司研发的数据联合技术直接绘制数据源，不再像以往那样将数据导入数据库后再进行分析;同时创建了一个虚拟的数据视图，而不再创建一个数据库。
这种方法的一个最大优势是让数据管理员对数据的定义和源数据达成共识，然后通过Composite公司的抽象层进行绘图、测试和部署整合过的数据视图。虚拟化数据将不再进行复制和合并，这为所有的绘制过的数据提供了一个整合视图。
辉瑞的方法在2009年进行了验证，当时公司在交易完成后的一周时间内就将惠氏的研发数据整合进了OneSource。高级主管能够看到最具前景的药品的工艺，以及两家公司之间可能出现的产品重叠和协同效应。这一过程比以往缩短了许多。在2004年的收购中，他们花了数个月的时间才整合了相似的数据，Green称。
如何实现的呢?答案是通过虚拟化，整合过程中最困难的部分可以提前完成。辉瑞和惠氏的团队在合并正式结束前并没有共享实际数据，但是OneSource让两个团队在定义、参考术语、格式、以及各自药品研发中关键阶段的准确翻译达成了共识。“我们知道，在并购过程中的某一天，惠氏的数据格式就能够适合我们的数据模型，因此我们可以将惠氏的数据比较轻松的整合到我们现有数据库中，” Green说。
为了能够浏览数据，辉瑞在OneSource顶端直接实现了基于Adobe Flex的小型数据可视化。因此，Green几乎不再需要大型数据数据转换和报告架构，这些架构通常由商务智能套件所提供。这并不是说辉瑞已经完全放弃了商务智能套件。OneSource仅仅用于研发领域中的共享。财务、市场仍然在使用包括SAP BusinessObjects和IBM Cognos的商务智能套件。
这种方法在制药业中被应用于那些速度至关重要的领域——研发。研发一种新药并通过认证需要花上数年时间，同时许多仿制药者都在摩拳擦掌以准备在专利保护期过后一试身手。这迫使制药公司必须把握短暂的机会以尽快收回他们的研发投资。一旦出现拖延，一种药品都可能会损失数百万美元的收益。
在许多行业，时间就是金钱，因此灵活性和虚拟化整合将会受到广泛的关注。
#p#
快速建模
尽管辉瑞的重点是通过信息管理以省去用于研发的数据仓库，但是许多软件厂商将他们的重点放在了创新和改进传统数据仓库的维护。这非常有意义。在调查中，70%的受访者使用数据集市和数据仓库。
关于数据集市和数据仓库的最大的一个抱怨是需要长期收集需求，然后设计并传输功能资源。当出现新的数据源或是需求发生了变化，你不得不回头修改数据模型、ETL、查询等设计。在你开始传输商务智能报告、衡量指标和仪表盘前，应当完成所有的信息管理工作。(注：仪表盘是商务智能中的新概念，使公司能够消化大量的信息，并将这些信息直接转换为相应格式，从而很容易鉴别并回复那些重要的、有时间限制的事件，同时还能在不丢失数据资料或报告的前提下考察相关问题和趋势。这一系列的功能，都使得这个工具看起来就像一个仪表盘)
许多公司正在使用自动化工具以降低数据仓库开发过程中的时间消耗和手工作业工作量。Balanced Insight、 Kalido和WhereScape等专业厂商已经推出了自动化建模环境。这些工具都能够生成数据定义、ETL脚本、SQL查询，甚至普通联机分析处理(OLAP)的方体类型和原数据或知名商务智能平台所使用的语义层。通过更为快速的数据仓库开发和更为容易的模型变化，新的商务智能报告、仪表盘和在仓库顶部运行的应用将更为迅速。
商务智能厂商已经意识到了对速度和更为简便的信息管理的需求。开源商务智能厂商Pentaho在2010年早些时候推出了一款整合的开发环境，其可让分析师单独创建和修改ETL脚本、数据模型和商务智能虚拟化。新的IBM Cognos 10建模环境包括了内置wizards，以及让分析师第一时间获取数据模型的小窍门，以避免由不良设计导致的非标准查询。
如果信息管理团队得到了适当的模型，商务智能分析师可部署更高级的源数据层进行定义和快速重新定义数据维度、层级和数据源视图——不再需要信息管理团队更改基础的数据模型。今年夏天，甲骨文在其商务智能企业版11g加入了通用信息模型，减少了跨甲骨文数据仓库、OLAP和商务智能工具、应用的源数据建模。在即将于2011年推出的Business Objects Universe中，SAP在数据基础能力上承诺将更容易进行数据访问。IBM Cognos、Information Builders、Microsoft、MicroStrategy和SAS Institute也将可以拥有源数据和语义层。这些研发工作的目标是提高信息管理，这项工作虽然很艰巨，但是必须要做。这样用户才能继续推进新商务智能报告、衡量标准、仪表盘和虚拟化的研发。
另一个加速数据仓库研发的方法是使用针对特定行业，如银行、保险和卫生保健的预制数据模型。IBM、甲骨文等大型厂商，以及Embarcadero等专业建模厂商都提供有这类模型。Baseline Consulting公司信息管理专家Jill Dych称，但是我们需要清醒的意识到，许多公司采用预制数据模型等灵活商务智能理念的初衷是错误的——因为他们“没有强化商务智能研发的严谨规定。”
通过高级分析提高灵活性
在我们的近两年的商务智能期望列表中，高级分析一直排在首位，5分表示极为感兴趣，该项得分为3.8分。三分之一的受访者对此极为感兴趣。高级分析也是一个与灵活性密切相关的主题。在这方面，许多公司都在茆高级分析能力，以拥有前瞻性，而不是对变化做出反应。他们希望能够预测需求，进而可以对产品定价、预测生产、规划他们的供应链。此外，他们还希望能够在资金变成坏帐或库存减少前预测风险和行为。他们还希望在客户减少使用他们的服务前能够预测这一趋势。
汽车保险商Infinity Property & Casualty正在使用高级分析以索赔情况进行分析，他们会向专家提交这些信息，无论事件大小，包括是否涉及其他保险商的纠纷，以及是否受到过诈骗调查等。他们将通过SPSS(后被IBM并购)的预测性分析对这些情况建模。公司花了六个月的时间制定了所需要的模型和规定，用以将一些预测整合进入Infinity的索赔系统中。Infinity公司损害赔偿部门高级副总裁Bill Dibble称，目前只需要48小时就可以这些索赔单送至赔偿专家那里，以往在使用预测分析前需要大约四十多天时间。
对客户满意度和成本节约来说，速度并不重要。在防止保险诈骗方面，“证据会变冷，如果你等待的时间越长，那么越难证明是否是诈骗，” Dibble称。目前，Infinity阻止骗保的成功率已经由原来的60%提高到了87%，这要归功于预测分析的帮助。
在过去的几个月里，Infinity还启用了文本分析以检测索赔单中的描述，当诸如“药物”等关键出现时会自动亮出红旗，因为其可能会指事故中驾驶员的状态。索赔人的位置描述将会以GPS坐标的形式出现，同时会与高速公路匝道进行对比，因为此处的事故经常被用于骗保。这些分析的关键是在处理之初找出潜在的问题，然后将它们送到相关专家那里进行鉴别。
移动商务智能：性能问题
尽管目前智能手机销售量猛增，但是移动商务智能在商务智能期望列表中并没有排在前列。在调查中，仅有13%的人对此表示极为感兴趣。其中一个原因可能是性能。商务智能套件总是很庞大，因为他们试图弥补基础信息管理的不足。在将商务智能移植到移动设备时，会产生很多独特的问题。
MicroStrategy首席运营官Sanju Bansal称，性能低下是“商务智能的一个肮脏的秘密”。查询时间需要20至40秒的时间，这对于移动设备来说时间过长。MicroStrategy在今年尝试解决这一问题，他们使用了iPhone、iPad和黑莓手机等新平台、以及多级缓冲、内存数据结构、高效网络交换等技术来加速虚拟化的传输，同时不放弃深化能力。
其他的一些厂商关注的是基于iPhone和iPad的移动商务智能应用，其中值得关注的是QlikTech和Mellmo公司。前者推出了基于iPad的QlikView应用，后者推出的Roambi可以与SAP的BusinessObjects、IBM的Cognos、甲骨文的Essbase和微软的分析与报告服务兼容。
在辉瑞，Green还没有遇到移动问题。但是对于将研发产品线移植到移动设备方面，辉瑞的OneSource方案具有许多优势。Green称，辉瑞的下一步举措是为iPad和iPhone提供基于Adobe Flex的研发产品线数据虚拟化。由于苹果公司限制在iPhone上使用某些特定的Adobe技术，因此如果Flex不能使用，Green的团队将在苹果的Cocoa或是微软的 Silverlight上进行开发。
云和谷歌类型的搜索的作用有限
另一个虽然很流行，但是在商务智能期望列表中排名靠后的是云计算。基于软件即服务和云计算的商务智能/分析在我们列出的十大商务智能技术列表中排名第九，仅11%的受访者表示极为感兴趣。虽然公司感兴趣的是云计算对下游的IT支持和快速部署，但他们对是安全和隐私(65%的受访者表示担忧)，以及数据整合(43%的受访者表示担忧)表现出了更多的担忧。
近半数的受访者表示，他们感兴趣，或极为感兴趣的能力是让结构化和非结构化信息具备互联网风格的查询——即在查找数据库和文件、网页、电子邮件信息、博客等方面具备谷歌风格的简洁界面。如果用户不必面对类似SQL、数据源选择、或不直观的界面，那么商务智能将会取得突破，并最终被大多数人所使用。
目前在这方面并没有太多的进步。在2006年，BusinessObjects、Cognos、Information Builders、Endeca和Fast Search & Transfer都已经将搜索与商务智能结合了起来。前三个选择的是与谷歌和其OneBox应用合作。虽然在这方面的努力并不多，不过仍然有两家公司在追求着这一梦想：Endeca和Attivio。Endeca在近期推出了名为Latitude的产品。Attivio由前Fast雇员创建于2007年，这些雇员在Fast被微软收购后组建了Attivio。
那么利用社交网络的特点帮助人们在商务智能查询方面展开合作以提高智能程度如何呢?与移动和搜索这两个选项相比，该选项处于更为初期的阶段——其在商务智能期望列表中排名第十，仅7%的受访者表示极为感兴趣。现实情况是当社交网络特点出现在商务智能中时，许多公司并没有对此做好准备。
他们需要的是更好的信息管基础。商务智能项目之所能够得到资助是因为它们能够更好的洞察重大损失和风险，帮助用户规避这些损失和风险;同时能够发现重大销售和盈利机会，帮助用户抓住这些机会。在高强度的竞争和瞬息万变的市场中，只有能够对商务带来帮助的商务智能项目才能够获得更高的灵活性。
