商业智能执行过程中的难点

ETCL（抽取、转换、清洗和加载）过程。ETCL过程的技术难度不大，商业智能但是技巧性很高。时间和速度在数据仓库的ETCL过程非常重要。如果技巧和方法不当，时间会为这一环节的重要敌人。每天的后续加载的压力很大，对于银行这样的企业，BI可以用于加载的时间非常短。如何在较短的时间内完成大量数据的加载将会成为主要挑战。

除了这些以外，模型的设计、应用的设计、推广、培训等等也都非常重要。

对于数据挖掘来讲，实施的难点没有数据仓库那么多。但是，商业智能软件关键在于对于数据发掘算法、方法和应用的理解和掌握。对于我们碰到的每个问题常常有几种不同的算法可以解决。每种算法也都可以用来解决不同的问题。对于每种算法和应用的理解至关重要，需要非常熟悉。数据挖掘的另外一个难点就是对于数据挖掘过程的理解。在数据挖掘课题中，理解算法很重要，工具的使用也很重要，但是对于数据挖掘过程的掌握更为重要。在数据挖掘的过程中，商业智能分析大部分的时间都花在对于问题的理解及数据的收集、处理和整理过程中。关键是思考和寻求解决客户问题的方法和思路。如果这些工作做的好，一般来讲，好的结果是水到渠成的事情。前期工作不到家，结果好也只是运气好，不说明什么。在这种情况下，即使结果好而没有合理的业务知识解释，恐怕企业也未必敢用。数据挖掘的灵魂是一个“活”字，数据挖掘的关键是解决问题的过程。