数据集成是商业智能（BI）流程的关键组成部分，可将来自多个源系统的数据进行整合，并将它们合并到数据仓库以作分析。不过，对于BI数据集成策略，数据管理分析师提醒从业者不可掉以轻心；一旦设计执行不得当，策略很容易就会出现漏洞。

　　美国Intelligent Solutions咨询公司的总裁Claudia Imhoff说，数据必须及时上传到数据仓库为BI计划所使用，若时机不当，所有的工作就会毁于一旦。由于有些用户需要对数据进行实时处理，这就要求BI和数据集成团队充分理解企业的BI需求。

　　Imhoff提到，数据质量非常重要，对不良数据进行校对与清理不应该只是BI数据集成流程的专有功能。“错误无处不在，我们需要找出它们的来源。”只有这样，我们才能从一开始就预防源系统的数据错误。实际上，合并错误数据本来就是数据集成和BI专家们工作的一部分，所以出了纰漏他们是要负责任的。她说：“我们需要让员工明白，他们的任务不仅仅是做一个传输者。”

　　Gartner分析师Ted Friedman认为，BI数据集成存在的最大问题就是人们对数据质量的关注度不够。“我已经从事数据集成工作超过十年之久了，但还是要花很多精力去说服企业，让他们了解BI的作用和价值，使他们接受并信任自己的BI决策，这主要是由于他们还没找到正确的方法保证数据的质量。”

　　Friedman说，对于“倔强”的企业，数据质量问题的负面影响不仅仅在于BI方面，但糟糕的数据质量绝对是BI项目获得成功实施的主要障碍之一。企业在将信息载入到数据仓库的过程中，从头到尾都忽视数据的质量、发现问题后也不采取任何减缓措施就会造成这样的局面。

　　James Kobielus曾在Forrester公司担任分析师，今年初跳槽到了一家技术供应商。他指出，数据质量方面的失误已经成了BI数据集成工作中普遍存在的问题。

　　Kobielus曾说过：“企业总以为把后台应用程序中的数据导入数据仓库以后，不需要做任何清理、匹配、融合或者转换工作就可以直接使用。”这样一来，公司总会碰到各种各样出其不意的问题。例如，“同一个名下出现六条记录，没人知道哪条才是正确的。”

　　BI数据集成的影响力不可小觑

　　Baseline Consulting公司的创始人之一Jill Dyche称，还有一个造成数据不一致而产生负面影响的原因，就是企业内部对记录系统结构存在分歧。打个比方，工作人员无法确定哪一个交易系统应该用作客户地址信息源。这样的争论通常涉及“地址”的定义——在各不相同的情况下，到底以客户的账单地址为准?还是送货地址?抑或是公司地址?

　　Dyche说：“就这样，论战相继而发，于是业务人员开始怀疑BI团队对于正确数据的理解及传输能力。然后，有人就会建议干脆把全部信息丢进一个数据库里，可业务人员又不愿意这么做。”

　　9sight Consulting公司的创始人Barry Devlin认为，在制定BI数据集成的策略与方案过程中，员工不会造成什么太大的失误。“他们是业务团队中一个特殊的群体，拥有多年的数据处理经验，对数据理解颇深;他们是十足的专家和达人。”因此，对于数据如何进行集成、怎样生成高效的BI应用程序，他们拥有最佳决定权。

　　Devlin说，尽管如此，IT部门员工在大多数时候不仅负责实施工作，还需要改进数据集成方案。在Devlin看来，虽然IT专业人士可能对企业数据有着很好的理解，但他们还不能称其为真正的专家。他说，使这两个团队联合起来共同完成BI数据集成困难重重，却别无选择。

　　Imhoff称，目前一些企业对BI毫无经验可言，也不具备满足BI项目数据集成需求的能力，却急于达成目标，制定出不切实际的计划。然而，对数据进行集成并上传到数据仓库这一流程占据了整个BI项目60%到80%的工作量。如果一个项目团队想要一次完成所有的工作，那么他们不久后就会以失败告终。她认为这样的趋势正在愈演愈烈，于是告诫道：“不要指望一口吃成一个胖子。”