1. 商业智能只是一种解决方案
商业智能描述了一系列的概念和方法，提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将数据转化为有用的信息并根据需要进行分发，从而辅助商业决策的制定。
每个企业面临的数据环境、业务内容和决策需求都是不同的，商业智能（BI）不是一种确定的技术，更不是一个或一套具体软件，而是针对每个企业的实际情况而规划与构建的数据分析和决策辅助解决方案。
对于商业智能厂商来说，商业智能解决方案囊括了数据获取、集成、分析以及分发等环节的一系列技术和应用，不但包括报表、DashBoard、即席查询、OLAP、平衡记分卡、可视化分析、预测及挖掘模型、模拟推演模型等报告及分析手段，而且还包括元数据管理、数据抽取、数据仓库、移动应用、搜索集成、Office集成、安全及协作等相关支撑技术和方案，整个体系非常庞大。基于本人在之前项目曾踩过的坑，友善提醒各位在做商业智能项目时酌情多多注意以下几点：
1) 新晋的BI厂商或者并不具有优势的厂商应该根据自身运作能力做好产品定位，适当聚焦以期发展。倾向于提供全面解决方案所需的所有环节的产品或技术，则势必正面与拦在前面的几大巨头残酷交锋。要时刻牢记细分领先比全面铺开更重要，市场的规律是第一名吃肉，第二名啃骨头，第三名喝汤，其余则苟且生存。从国内市场经验来看，商业智能市场的细分领域还存在不少空白。这些年在商业智能领域不断涌现的新说法（内存计算BI、快速BI、自助式BI、可视化分析工具等等），就是对细分市场的有效挖掘（而非全面替代）。如果已经在涉及商业智能技术和应用的某方面具有一定的积累或相对领先的地位的BI厂商，建议首先必须最大限度的提高自己特长的方面，其次才是量力而行的扩大在商业智能解决方案中覆盖的范围。
2) 在企业里经常存在来自多家商业智能厂商的产品和技术共存的现象，使用各自专长的方面共同构成企业的商业智能解决方案，同时，还存在与企业的其他应用系统集成的需求，比如统一身份认证、Portal、CMS等。因此，需要注意产品的开放性和扩展开发能力，在接触的商业智能项目里，系统组合或集成的案例并不少见。
3) 现在已经进入商业智能应用细耕时期，应注重行业经验积累及应用实践，形成有效的方法论和最佳实践，提高交付能力、交付质量和交付效率，能够切实针对企业的数据环境、业务状况及管理需求交付合适的方案，而不仅仅是售卖产品，以及自顾自说的方案。
4) 规划+软件+实施，多个方面齐头并进才能构建出良好的商业智能解决方案，因此企业客户要对这几个环节同时重视，尤其要给各环节分配合适的预算，经验证明往往许多客户要么不重视前期规划工作，没搞清楚项目的目标及范围，要么仅购买商业智能软件工具就几乎耗尽预算而留给实施极低的预算比例。
5) 参与你的商业智能项目建设。正如好的总成和配件不一定能装配出好车，好的工具也不代表好的解决方案；同样，厂商的方法论或最佳实践再好，都需要企业用户深入参与，才能构建出你自己的商业智能，尤其是在前期规划和蓝图阶段、需求阶段、实施阶段的各个检查点及用户测试阶段，必须大量投入各环节的人力和精力认真参与。在既往实施的一些项目中，用户既对即将构建的的商业智能系统寄予厚望，同时参与的程度却远远不足。
6) 要注重商业智能系统的运维和演进，避免形成死的商业智能。没有一成不变的业务，也就没有一成不变的系统。在企业运作过程中，业务内容、管理需求、数据环境等各方面都不断发生变化，正如再好的汽车也需要保养，商业智能系统极其内容也需要进行持续的维护，很多商业智能项目失于维护，经过半年左右的时间后系统逐渐被搁置一旁。同时，经过一段较长时期后，企业新的管理和业务需求有所积累时对系统进行适当的重构与演进，根据项目经验，这种级别的重构演进周期一般是1年半到2年开展一次。
2. 微软的BI解决方案
微软的商业智能解决方案由以下系列的组件构成：
1) SSIS(SQL Server Integration Service)
SSIS是一个ETL工具。一个BI项目面临的第一个问题就是如何将多个异构数据源的数据整合到一起，这也是SSIS解决的第一个问题。SSIS可以很方便的从FTP，普通txt文件，access等数据源读取数据，并将数据整合到一个统一的地方(通常是关系型数据库)。
2) SQL Server关系型数据库
在BI中，关系型数据库常常用于建立数据仓库和数据集市。
由于建立数控仓库和数据集市会涉及数据清洗，转换等过程(这个过程也称为ETL),也需要一个组件来完成，由上文可知一般由SSIS来完成。SSIS可以直接连接到关系型数据库，运行SQL或调用存储过程等，完成ETL过程。因此，关系型数据库为数据存储工具，SSIS为ETL工具。
3) SSAS(SQL Server Analysis Services)
数据仓库中的数据组织形式通常符合第三范式，而数据集市中的数据组织形式则一般为星型或雪花型。而SSAS将数据集市转换为多维数据库，且提供MDX(多维查询语言)对多维数据集中的数据进行查询。SSAS还提供多种内置的数据挖掘模型，可以方便的对关系型数据库中的数据进行机器学习和数据挖掘(此处功能与BI无关)。
4) SSRS(SQL Server Reporting Services)
SSRS是报表系统，它可以直接连接关系型数据库或多维数据库，查询其中的数据并以表，饼图，柱状图的形式展现出来。SSRS为BI系统的最后一步，即提供业务人员或管理者易懂的报表，这也是BI作为决策支持系统的最终体现。
对于一个典型的BI系统，数据从SSIS流入，经过关系型数据库，多维数据库，最终由报表系统展现出来。
背景：
1) 无法适应不断变化的业务需求
2) 即使很小的改动也需要投入较大的资源
3) 同一用户要在多个报表系统间频繁切换
4) 仅以数据为核心，业务流程靠人工完成。