与其它类型的技术项目一样，内存分析软件的部署存在一定的潜在挑战。但是IT分析师们和顾问们认为，只要精心准备，这些挑战应该不成问题。

　　Steve Kent是Collaborative Consulting公司的BI总监，他说成功的内存BI策略较大的需求之一就是避免出现数据质量和整合问题。他说：“关键是要有良好的信息，如果你想从流程中提取出优良信息，你必须执行数据质量业务规则，这样才能拥有干净的数据。”

　　Kent认为，管理内存分析工具和数据仓库之间的关系是另一个需要适当注意的领域，有一些基本的问题需要考虑。例如，一些内存应用程序消除了数据聚合和多维数据集构建的需求，就能够支持数据分析。但是在超大规模数据集的情况下，比如在制药领域，你仍然需要汇总数据。

　　Julie Lockner是Enterprise Strategy集团的一名分析师，她认为成功的另一个关键就是要做好功课，业务需求要优先于内存分析。在她看来，组织应该努力确保他们有稳定的一套业务需求体系，如无意外，在项目过程中应该不会变更太多。

　　Lockner说：“每个人都在谈论敏捷与商业智能，敏捷数据仓库和敏捷分析，但是要做到敏捷是有代价的。”她补充说，如果你事先知道你的业务需求可能频繁变换，你应该努力创建可以更容易管理变更的部署环境。总的来说，Lockner建议，组织作为一个整体来认识完成为商业智能和分析内存处理工作所需要的投资水平很重要。

　　一旦你详细掌握了技术和业务需求，接下来就是培训的挑战。Forrester研究公司分析师Boris Evelson说，内存BI的要求之一就是，在许多情况下它不应该像传统商业智能那样涉及太多终端用户培训。

　　要知道你在内存BI上做的是什么

　　Evelson说：“如果你的用户懂得他们的数据，而且他们会用类似Excel这样的软件，那么内存技术所需要的培训就非常少。要帮助避免任何潜在的问题，内存分析应该主要被定位为具备更多经验的业务用户使用，特别是如果你实施的是一款较高端形式的内存软件的话。它不是给那些不知道他或她在干什么的人用的。”

　　Make Ferguson是英国Intelligent Business Strategies公司(一家研究咨询公司)常务董事，他表示，另一方面对于IT专业人士本身可能有更多的培训和教育问题。IT员工参与管理内存分析应用，需要评估新工具对服务器和网络性能的影响。还要包括研究理解是否有一些基础设施组件需要加强，支持内存中运行，是否有一些组件已经不再需要了。

　　例如，数据仓库一体机与内存OLAP数据库的整合将使得消除一些物理数据集市成为可能。这简化了数据仓库环境的架构，因为它省去了从数据仓库提取数据，然后转移到数据集市进入多维数据集存储的需要。所以准备分析的数据就需要更少的步骤，也只有更少的数据存储需要管理，这还会降低支持组织内分析活动的成本。

　　在未来的几年中，Ferguson期望看到大规模并行处理设备的进一步发展，它可以支持固态硬盘(SSD)和内存数据存储的组合，用于商业智能和分析使用。他认为在这类系统中，固态硬盘将替代传统的磁盘驱动器成为主要的存储介质，访问最频繁的数据放入内存。但这不会在一夜之间发生，我们需要等固态硬盘的价格降下来。

　　Evelson说，最终不管内存分析系统从技术的角度如何构造，项目的成功依赖于给内存工具选择正确的用例。BI应用程序和业务流程需要非常的严谨，而且要坚持标准分析规程。。