企业遇到的问题
***、数据的处理
数据的处理，是商业智能最为重要的组成部分之一，基础数据的有效性对于商业智能所能够进行分析的结果，有着非常重要的和直接的影响，这样的影响对于企业来说，很容易导致企业在进行决策的过程中出现偏差。所以，对于数据的处理工作就显得尤为重要。
第二、人才稀缺
分析师，是一个新的岗位，很多学习统计学数学的同学一心研究技术，模型优化，效率代码不懂运营。而懂运营的人员，有不懂分析方法和建模。或者是没有专业的数据仓库人员。
第三、模型的搭建
商业智能最为关键的一个重点问题就是模型的搭建问题，模型的搭建往往决定着商业智能所能够进行运作是否高效***的基础，所以，无论是昂贵的知识产权还是宝贵的实践经验，对于商业智能的模型搭建都起着绝对重要的影响。所以，对于商业智能的模型搭建问题，我国目前的商业智能还处于发展阶段，还需要不断的完善。
第四、数据安全性
没有专业的安全工程师，或者是数据仓库等为这个数据负责任。二对于数据负责任的分析师，又不懂技术。
第五、企业局限性
企业对于数据的重视停留在口头上，让他们投入时间，投入精力去还是很犹豫。运用的人首先不是找自己的原因，而是问哦，你的数据是不是有问题?不愿意投入钱 ，就不会给相应岗位提供薪资，找不到相应的人才。
第六、展现的方式
良好的展现方式，是商业智能所能够进行运作的最终结果问题，无论是通过不同的图表来进行展示，还是使用仪表盘，所呈现出来的数据结果都是经过多重计算所的出来的结论，展现方式的简洁清晰，是保证其有效的基础。
第七、BI运用断层
开发人员懂技术，花了很多功夫，做了一个难度很大的系统。而运营人员觉得没有价值或者价值不大，他们只需要用一些简单的报表而已。如果花了很多钱去买一个系统，往往***就成了一个简单的报表系统，后期还是需要导出来做二次分析。
基本分析方法
- 小数据分析方法：细分、趋势、转化
- 大数据分析 方法 ：整合、预测(预警，挖掘，决策)、关联
- 数据整合方法：线下数据、线上数据、不同渠道的数据，app，网店、渠道
- 媒体渠道：线下媒体、线上媒体、人工推广、应用商店
做分析也需要考虑公司和运营层面的的东西，不要仅仅站在数据和分析师的层面做分析，需要多和同事沟通。不要指责同事，人家这么做肯定是有他的道理的。术业有专攻，他们有自己的能力方面。
所以在日常的数据处理过程中，商业智能不仅要对数据进行分类和清晰，对于各系统中的数据所表达的信息内容也要进行整齐的划分，以保证其具有一致性。而在不同的数据系统中，所存在的信息链条有所不同，逻辑性也会有一些差别，所以，商业智能的基础内容，就是对这些繁杂的数据信息进行更为妥善的处理。
遇到问题解决方法：
- 在搭建BI系统之前，需要和相关的同事沟通好，避免重复劳动。
- 在日常的数据处理过程中，商业智能要注意对数据进行分类和清晰。
- 对于各系统中的数据所表达的信息内容也要进行整齐的划分，以保证其具有一致性。
- 在不同的数据系统中，所存在的信息链条有所不同，逻辑性也会有一些差别，所以，商业智能的基础内容，就是对这些繁杂的数据信息进行更为妥善的处理。
- 分析师我觉得也是一个产品经理，做客户满意喜欢的产品。人家喜欢就好，不喜欢就很难混。
- 不要轻易下结论，凭经验。对于有些需要市场调研才可以得到的结论，对于需要数据分析才可以得到的结论，才给参考性。
通过这些内容的介绍，相信大家对于商业智能在企业的经营过程中，所存在的重点问题就会有了一定的认识和了解。如果不同观点或更好的见解，欢迎联系我们，大家一起商讨，共同进步!
