銀行在規劃或啟動一個BI項目前，需要首先來分析業務目標是什么?這些目標可以方便的幫助銀行確認一個問題：是需要一個報表工具還是BI工具?報表不等于報告，報表工具也有別于BI工具，即使在BI廠商所提供的產品包中，兩者也有明顯的區別。

　　信息報告和數據分析一直是現代企業管理的核心內容。在強化管理的內在需求迫使下，新的IT技術和理念不斷地被導入到企業信息體系中。在我國銀行業，數據倉庫系統和商業智能(BI)的引入與實施已經持續了很長一段時間。圍繞這兩個技術概念所創造出來的客戶關系管理、風險管理、決策支持、管理信息系統、數據平臺、綜合報表平臺等等應用系統名稱，乃至一些諸如多維分析、數據挖掘等等系統和純技術概念被廣為接受，與此相關的各類應用和集成服務項目也一直被當作各專業服務商、咨詢商、產品廠商的工作重點。

　　但是，近十年的時間過去了，縱觀這些林林總總的BI項目，卻會發現真正為企業管理起到關鍵推動作用，真正達到“決策支持”目的的成功項目卻是鳳毛麟角。要么是購買了一堆工具后束之高閣，要么是把花費巨資引入的BI工具作為“報表”工具使用，進行簡單的信息報告，更有甚者，使最終的項目成果變成是一個對手工采集數據進行展現處理的報表軀殼。那么，這種現象的根源何在?是因為技術不成熟?是因為所購買的工具不先進?還是其他的原因導致了這種現象的頻繁發生呢?

　　明確項目定位

　　任何一個BI應用的提出，都是圍繞一個業務的管理主題而提出的。所以，銀行首先需要回答的是——要解決一個管理問題，還是要改善數據的展現方式和交互形式?在實際工作中，銀行的管理信息體系所包含的業務主題非常寬泛，大致包括客戶關系管理、戰略績效管理、全面風險管理等幾個大的方面。這些管理主題的每一個業務模塊又可以分解為大量的關鍵業務指標。很顯然，這些管理模塊中的每一項關鍵指標幾乎都是常規業務系統所無法提供的，而必須由一個個管理信息系統的專用模塊計算完成的，這些專用模塊不僅需要大量基礎數據的支持，同時，包含了復雜的業務邏輯維護和復雜中間計算過程，這一過程既不可能單純地由數據采集(ETL)過程來完成，也不可能單純地依靠BI工具的計算邏輯定義來承擔。因為BI工具本身是不能也不會去參與這種數據的加工和業務邏輯處理的。所以，我們通常所提到的客戶關系管理、風險管理等管理類應用系統的關鍵并非“數據分析”，而是“數據加工”。也就是說，這些項目成敗的關鍵在于業務邏輯的處理，而不在于數據的擺放模式和展現手段。當然，如果銀行已經計算出了這些關鍵的業務指標，希望借助更加強大的分析工具和更加豐富的交互手段，來強化應用系統的數據分析能力和知識發現能力，項目成敗的關鍵就會演變成BI工具的選擇以及BI工具的部署了。所以，銀行首先要明確的就是項目的定位，這是整個項目的基礎，也是影響項目成敗與否的關鍵步驟之一。

　　客觀分析基礎數據環境

　　BI是對與企業決策過程相關的所有內部的和可能得到的外部數據，進行采集、清洗、匯總、綜合、分析、利用和傳遞，使數據轉換成為信息和知識的過程，是企業信息化的新領域和更高的層次，是企業數據生命周期的第二階段。所以，從某種程度上說，BI項目業務目標的實現嚴重依賴基礎數據的完整性和規范性。以“1104工程”為例，許多人都曾經設想通過一個大投資的BI項目或者“數據倉庫”項目來解決監管報表的自動生成問題。但是，冷靜下來分析就不難發現，一般商業銀行的現行信息體系中，仍有許多業務的明細數據不規范、不完整，很難成功。比如：債券投資、存放同業、同業存放等大都缺少電子明細，即使有明細數據，也很難分清交易對手的行業特征和風險權重因素;傳統的抵債資產、不良貸款處置方式、案件發生情況等信息在業務和管理信息系統中幾乎沒有對應的電子數據;銀行賬簿、交易賬簿也沒有嚴格的區分。這些問題如果不通過改善基礎業務系統的管理精度，或者同步開發必要的信息補錄平臺，單純依靠BI工具是難以達到預期的項目目標的。所以，對客觀數據環境的分析和準確評價也是成功與否的關鍵步驟之一。