数据挖掘本身并不产生价值，实施数据挖掘后产生的结果才有价值。实际上，数据挖掘只能找出数据上的关联，还不能把这种数据关联关系当成因果关系。例如挖掘发现，“大多数车祸出现在中等行驶速度当中，极少的事故出在高于150公里/小时的速度上。”人们当然不能认为“高速行驶比较安全”，它的真实原因在于“多数人是以中速行驶，因此多数车祸出在中速行驶的车辆上”。

因此，在数据挖掘和分析中，如何确定战略目标尤为关键。企业CEO一般对预测模型的建立都比较感兴趣，预测的目标也比较好确定，比如要预测客户流失，那么“客户是否流失”就是目标变量;要预测股票涨跌，那么“收市价是否上升”就是目标变量。但确定哪些变量作为自变量则颇费周折，换句话说，要确定哪些因素与目标变量有关系，往往是双方各执一词。

数据挖掘的成功要求CEO对期望解决问题的领域有深刻的理解，理解数据，理解其过程，才能对数据挖掘的结果找出合理的解释。拿啤酒和尿布这一经典例子来说，如何去解释这种现象，是应该将两者放在一起还是分开销售?需要摸透消费者的心理才能做出决定，而无法靠数据挖掘得出结论。
数据挖掘的结果是不确定的，要和专业知识相结合才能对其做出判断。说白了，数据挖掘只是一个工具，它可以发现一些潜在的用户，但不会告诉使用者为什么，也不能保证这些潜在的用户成为现实。

不少CIO认为，商业智能就是数据处理，怎么样去分析，分析什么才是最重要的。因为每个企业的情况都不一样，当前战略是什么，所属地区的特点，这些都和商业智能密切相关。商业智能是通过数据建模的方式，而建模是依赖于领导的思路。如果领导的思路不清晰，模型没法去建。

一位制造业的CIO说，“商业智能要实现起来不是太容易，技术上没问题，问题是IT人员和领导的思路不合。因为数据本身就存在，需要的只是加工整理。其关键问题是IT的实施人员不知道领导想什么。要是知道领导想要什么，不用BI也可以。”

鲁花集团信息中心主任姜波的观点是如此，他认为BI的发展不深入主要是因为人为因素的影响。别的信息系统只涉及到流程与业务，或是底层实现自动化，影响不会过大。但BI针对和影响的都是高层，做为信息价值链的顶端，高层领导者的思想尤其重要。

一般的业务系统是满足某一个部门的需求，BI涉及到整个公司的层面。领导只有明确了自己的思路，才能落实到下面。部门需求相对简单，整体公司的未来发展和人的思想有关系。其中，CIO和CEO的语言缺乏翻译也是一个大问题。

CIO的最大困难是不知道领导的要求是怎么形成的。例如市场饱和了，企业要转型，这些都是领导考虑的问题。即使领导提出了需求，CIO也很难实现。

“商业智能我知道很多人想做，但是不知道怎么做，主要是不知道要做什么。”长安铃木汽车有限公司技术管理所产品数据系系长张凯说。

厂商关于商业智能的介绍资料也写得很虚，数据分析是主观意识很强的。因为即便是同样的数据，不同的分析方法，得到的数据也不一样。对企业而言，需要的是要量身定做，要了解企业需求，同行业的不同企业之间的需求也不一样。

张凯介绍，长安铃木有一些报表级别的应用，包括生产的质量分析等。数据库里会出一些固定的报表，什么时候哪些零件会出问题，在什么情况下故障率会高。

“2000年就开始做这种报表，这种报表是战术，不是战略。这些只要自己开发一个简单的工具就可以了，没有提高到战略的程度。如果应用到明年要推出一款什么样的车，这个才是BI。” 张凯说。

一般来说，BI应用的初级阶段是报表级别的应用，或者是为了满足领导某一方面需求的“面子工程”，对企业实际的作用并不大。张凯所说真正的BI要结合企业战略制定，这样的BI应用才达到了最高标准。