曾几何时，商业智能架构师只需面对相对简单的选择。只有两种风格的OLAP技术：多维度的和关系型。而现在可用于组织的BI风格更加丰富了，BI平台的组件和底层数据仓库系统的选择都更多了。

　　如果会导致更高的技术成本并增加管理复杂度，那么选择的多样性有时候也算是一种缺点。但是，随着数据量的快速增长和数据类型的多样化，分析工作在许多公司都以爆炸式速度增长，这种情况下，多一些选择对于BI架构师来说还是一件不错的事。

　　此外，终端用户对BI数据和报表的需求也相应扩大，变得更加复杂了，因为BI和分析在业务规划和运营中扮演着日益重要的角色。在许多情况下，业务用户正在寻求移动BI功能，或者寻求支持他们绕过千篇一律的报表模板以及IT人员开发的查询而实现自服务的工具，这样他们可以根据自己的需求和意愿对数据进行“加工”。

　　Boris Evelson是Forrester研究公司的一名分析师，他说：“分析的使用已经快速增长，自服务是一个巨大的趋势。最新的技术进步支持更多自由风格的数据分析，这与传统BI流程判若云泥。”

　　因此，期望满足新用户需求同时还必须支持更大更多样的数据集，BI架构师经常会发现在构建报表、仪表盘和BI工具方面需要帮助。

　　Evelson说，例如在大数据环境的情况下，大量结构化和非结构化的数据不适合填入电子表格，而针对所有这些信息运行SQL查询会耗费太长时间。这种情况下，内存分析软件可以起到很大的帮助作用，提供搜索风格功能的数据探索发现工具也非常好，不需要用户在预定义的数据模型下完成工作。Hadoop集群以及相关工具(比如MapReduce应用编程框架和NoSQL数据库)也可以算得上是对大数据分析的良好补充。

　　BI架构师要考虑的事情

　　BI架构师有丰富的备选方案。在2012年11月，Evelson和Forrester研究公司的同事们详细介绍了一份BI参考架构，其中分了6层，有超过35个组件，范围从数据源到数据传输机制。该参考架构还包括跨所有各层的七个支持元素，包括大数据，集成元数据和信息生命周期管理。

　　Evelson和Forrester研究公司分析师Noel Yuhanna在他们联合撰写的一份报告中表示，该参考架构“可能看起来并不漂亮”。但是毫无疑问的事实是：“BI架构从不会简单，在大型异构的全球性企业中尤其如此。”他们在报告中还写道：“这种企业总是有一套以上的数据仓库，上百个数据集市以及多套BI平台。”

　　即使是BI平台的后端技术也有了显著扩展，已不仅仅是关系型数据仓库和数据集市。除了Hadoop文件系统和NoSQL数据库，新基础设施元素可以包括列式数据库、数据仓库一体机和内存数据库系统。

　　Joe Caserta是一家数据仓库咨询公司的总裁，他说：“分析方案的选择曾一度限制在几款大型公司的产品，还有极少数同类产品中最优的创业公司中。而现在，人们有许多方案可选了。”

　　但是，Evelson提醒说，过多的选项不应该带来过度放纵。如果使有太多架构组件，你很容易最终将它们束之高阁。他说：“大型公司拥有的工具通常比他们实际需要的更多，而较小的企业需要认识到，如果他们能从得到满足80%需求的工具，就已经很不错了。”

　　架构复杂 拖累BI系统

　　Krish Krishnan是CBIG咨询公司的一位分析师，对于商业智能架构开发，他赞成“多则惑”的观点。

　　Krishnan说，在大多数情况下，多样性的架构是需要的，尤其是在当今时代数据仓库环境极度扩张的环境下，大数据也包含了进来。实现异构单一企业BI平台的想法在许多组织中不再有效了。每天还有更多的产品涌现出来，而且异构性是必然支持的。

　　但Krishnan警告说，设计成功的BI架构“不是到处吸纳软件产品”。他说，能够创造性地结合架构部件是成功的关键，他还指出BI团队还必须准备改造架构以修复数据问题，并满足新的业务需求。

　　Krishnan说：“你不能将架构设计理解成商品化买卖。每个组织都是不一样的。BI架构师需要跳出来思考。”

　　在Evelson和Yuhanna的BI参考架构报告中，企业(以及数据)的流动性质要求架构要足够灵活，能处理必要的与标准设计的偏离。他们在报告中还提到：“区分BI环境成功的标志通常是处理异常的能力，而不是与异常对抗的能力。”