BI:真相永远只有一个

「为什么财务部的数字与我们业务部的每次都不一样，到底谁才是对的？」
「我就是要的是上个月的汇总数据，为什么他们迟迟数字出不来？」
「怎么办？老板要最新的业务数字，可是我们只有到上个月底的数字，谁能帮帮我！」
「我真怀疑我们现在手上的报表数字到底对不对，怎么与我的实际记录差那么多？」。

上面的情况你一定不陌生。在依靠数字管理的现代企业管理中，不对的数字或是不一致的数字在管理上会造成冲突，但是企业有必要将宝贵的时间花费在这本来就应该只有一个事实的争议上吗？其实一切的根源只是因为企业的信息系统无法产生实时性及一致性的管理报表，以致于报表的结果就像罗生门一样无法为决策所用，导致最后大部分的系统面临搁置的命运。

数据整合问题是致命伤

数据整合一直是信息科技的重要技术。然而由不同技术出发及为不同的目的而进行的数据整合作业都是不同的，为了避免非以数据整合目的为出发的整合作业持续产生，企业应该要具有策略性的数据整合概念，以产出一致性的管理数字。

在商业智能的范畴中，常常以数据仓储的建置工具--ETL（数据撷取、转换及加载）为代表，因此市场上就有了各式各样的工具进行ETL作业，当然也可以由程序人员自行撰写程序来进行数据之撷取、转换及加载的工作。而市场上的工具其实旨在简化人工操作复杂性及时间。另一重要目的则在于方便管理，因为若只是单纯为完成某张报表的数据需求而进行的数据撷取作业，其实一点都不难，但是若将这些工作放大一千倍，再加上衍生字段的建立及数据的一致性，背后所牵涉的管理动作就会持续发生。

更困难的是，一旦组织发生变更，或是对数据内容有新的需求产生，因为数据变更连带影响到报表或是分析结果，都将使管理这些管理数字变成非常棘手的问题。也常常因为如此，由于数据维护不易，无法因应企业的变化，因而导致许多企业的商业智慧项目停摆的命运。虽然数据整合并非直接驱动商业智能报表和分析方法成功的关键，然而，它却是支持作业流程及维持交易系统同步化不可或缺的工具。

数据兼容性与诠释数据

数据兼容性(Connectivity)与诠释数据(Metadata)在商业智能的数据处理中是最重要的一部分。因为对所有其他的程序来说，数据兼容性和诠释数据都是非常重要的驱动技术，因此也是企业在建置商业智慧等分析型的决策支持系统（Decision Support System, DSS）时必须慎重考虑的因素。

不论是透过标准化工具自然存取(native access)或经由ODBC这类的开放式标准来存取所有主要结构性数据源，包括关联性数据库、中介档案(flat files)、企业资源规划系统和XML等修饰语言来读写数据，所有的数据整合解决方案都应该具备良好的数据兼容性。提供良好的数据兼容功能有助于异质性系统间的信息存取，例如：z/OS, UNIX 和Windows，而不需要使用中介档案或摘要。此外，是否具备支持链接与读写消息队列数据，以及接收和传递网络服务器数据的能力，甚至还必须可以支持无系统性的数据源，都是数据兼容性的评估重点。

诠释数据也是所有数据整合不可忽略的环节。数据整合的核心目的在连结各式数据源，将数据集中应用并创造出价值。而诠释数据则在所有的数据源之上建立一个定义规则，以便将数据整合的核心想法付诸实现。此外，诠释数据也可让你追踪数据移动的历程与时间、套用的作业规则为何，以及探讨影响这些改变的可能原因等所有企业所面临的关键议题。倘若因为疏忽而没有将诠释数据规则定义清楚，企业通常会付出加倍的代价进行弥补。

完美的数据整合是竞争优势和差异化的重要基石

对于数据整合仍处于土法炼钢的企业来说，就必须要承担复杂的系统环境所带来的种种不便和居高不下的成本。事实上，数据整合解决方案应该具备完整、弹性整合和业界验证等特点，协助企业提供强化在信息发展上的竞争优势，也让企业内部不再发生罗生门的管理数字，利用这些优势来进一步改善企业体质，快速响应市场挑战。