“商业智能我们一直想做，早在2、3年前就想做了，当时觉得不是时机。现在准备得差不多了，我们准备明年开始这方面的尝试。”温州市商业银行科技信息部主任文忠说。

之前，由于国内厂商的模型不是特别成熟，用国外的模型汉化，又不是很合适。最近几年，随着国内银行监管慢慢向国外看齐，这些情况都有所改善，直接应用国外的系统模型成为可能。

说到商业智能在银行业实施的难点，吴文忠认为以前国内银行系统重点在做交易，对管理要求不是特别高，数据的颗粒度比较大，不够细。其次，能够比较熟练使用BI工具的员工，熟悉银行经营的人也比较少。另外，有一些银行3、4年换一套信息系统，有的5、6年要换一个。由于银行管理变化很快，不断出台新的政策，引进新的管理理念，系统也要调整，更换核心系统的概率特别高。影响到可用的核心数据，5、6年前做的系统，不是以客户为中心，数据倾向也不一样。

此外，还有一些应用环境和国外不同。比如上面荷兰银行的故事，在中国就不太可能实现。因为国内的个人征信体系还不是很完善，银行可以进行手工连接到人民银行的网站上查询，但人民银行还没有开放系统自动查询。必须由银行柜员打开网站，手工输入用户号，才能登陆希望，进行查询。所以，这种商业智能的应用在国内是不太可能实现的。

2008年，关注商业智能领域的人开始多了起来，应用积累也更多。国外厂商培养了一些本地的服务商，积累了一些应用模型。

“我们银行小一点，自己去摸索不太可能。随着厂商实施经验的增多，国内银行和国外银行的管理差距也逐渐变小。都要遵循一些国际的法律协议，模型的适合度加大。虽然实施商业智能不是一帆风顺，但是早点做，对数据要求会更清楚，知道该怎么去改。早一步进入这个状态，起步也不会太低。”

实施商业智能的步骤如何?

(1) 需求分析:需求分析是商业智能实施的第一步,在其他活动开展之前必须明确的定义企业对商业智能期望和需求。
(2) 数据仓库建模:通过对企业需求的分析，建立企业数据仓库的逻辑模型和物理模型。
(3) 数据抽取: 数据仓库建立后必须将数据从业务系统中抽取到数据仓库中, 在抽取的过程中还必须将数据进行转换, 清洗, 以适应分析的需要。
(4) 建立商业智能分析报表。
(5) 用户培训和数据模拟测试。
(6) 系统改进和完善。

啤酒加尿布
在美国沃尔玛连锁超市里，尿布和啤酒被摆在一起出售。原来，美国的妇女们经常会嘱咐她们的丈夫下班后为孩子买尿布。而丈夫在买完尿布后又要顺手买回自己爱喝的啤酒，因此啤酒和尿布在一起被购买的机会很多。这个举措使尿布和啤酒的销量双双增加，并一直被誉为商业智能的经典案例。