ضرورت‌ها، پیش نیازها، چالش‌ها و مراحل استقرار هوش تجاری در سازمان‌ها

ضرورت‌ها، پیش نیازها، چالش‌ها و مراحل استقرار هوش تجاری در سازمان‌ها

ضرورت‌ها، پیش نیازها، چالش‌ها و مراحل استقرار هوش تجاری در سازمان‌ها/سورنا

چکیده

مدیران شرکت‌های خصوصی و سازمان‌های دولتی برای استقرار هوش تجاری اعلام نیاز می‌کنند، چراکه از طرق مختلف با ابزارها و فواید استقرار هوش تجاری در سازمانشان آگاه  گشته اند و درک خوبی از میزان تاثیر این سیستم‌ها بر رشد، بقاء، مدیریت بهینه و دستیابی به اهداف سازمانی و بدست آوردن مزیت‌های رقابتی در بازار متلاطم موجود سازمان بدست آورده‌اند. اما بررسی و شناخت مزایای استقرار هوش تجاری در سازمان به تنهایی نمی‌تواند منجر به استقرار موفق و استفاده کامل از هوش تجاری در سازمان‌ها شود و مطالعات هنوز نشان دهنده ضعف‌هایی در شناخت، استقرار و استفاده صحیح از هوش تجاری در سازمان‌ها است. آنچه در این مقاله به بررسی آن پرداخته شده است، بررسی ضرورت‌های موجود برای استقرار هوش تجاری، پیش نیازهای استقرار هوش تجاری از بعد فنی و زیرساخت‌ها و از بُعد نیروی انسانی متخصص و روش سنجش میزان آمادگی سازمان برای استقرار هوش تجاری، بررسی چالش‌های پیش روی سازمان‌ها در استقرار هوش تجاری و آشنایی با مراحل استقرار هوش تجاری در سازمان‌هاست. نتایج این تحقیق میتواند اطلاعات بسیار مفیدی را دراختیار تصمیم گیرندگان و مدیران فناوری اطلاعات در سازمان‌ها قرار دهد تا شناخت کامل‌تری نسبت به ابعاد هوش تجاری پیدا کنند تا هزینه‌ها و احتمال شکست در استقرار هوش تجاری را کاهش دهند. در بخش پایانی، به بررسی دلایل عمده شکست پروژه‌های هوش تجاری پرداخته شده است.

كلمات كليدی:  هوش تجاری ، تصمیم‌گیری ، داده کاوی

1. مقدمه

در پاسخ به این سوال که هوش تجاری یا هوش رقابتی یا هوش سازمانی یا هوش کسب و کار، از چه طریقی بدست می‌آید؟ و چگونه یک سازمان میتواند به سمت هوشمندی پیش برود تحقیقات و پژوهش‌های خوبی صورت گرفته است و ابزارهای بسیار متنوع و مناسبی برای این منظور خلق شده و توسعه یافته‌اند، اما پرسشی که همواره در این زمینه مطرح بوده است، در خصوص لزوم بکارگیری این ابزارها در عصر فناوری اطلاعات، زیرساخت‌های لازم برای بهره برداری لازم از این ابزارها و روش درست استفاده از آن‌هاست. فناوری اطلاعات ابزارهای مختلفی را در عرصه‌های مختلف در اختیار ذینفعان قرار داده است و برای استفاده از این ابزارها، لازم است که ابتدا یک همسویی و مشارکت استراتژیک و موثر میان کسب و کار و فناوری اطلاعات در سازمان شکل بگیرد تا از این رهگذار، فناوری اطلاعات وارد چرخه مدیریت و بهبود کسب و کار گردد. این همسویی و مشارکت منجر به تغییر فرهنگ سازمانی، و بهبود روند اجرای فرآیندهای حیاتی سازمان‌ها می‌گردد و در نهایت منجر به ایجاد سازمانی هوشمند و یادگیرنده می‌گردد.

هوش تجاری از آنجایی که مستقیما با داده‌ها و اطلاعات سروکار دارد و ویژگی اصلی آن کشف و استخراج و نمایش دانش آشکار  و پنهان موجود در این داده‌ها و اطلاعات ظاهرا قدیمی و زائد است، نیاز به ایجاد بستر و زیرساخت فنی دارد. زیر ساختی که بتواند داده‌های موجود در زیر سیستم‌های جزیره‌ای یک سازمان را که با چهارچوب‌ها و ابزارهای متفاوتی توسعه یافته اند، تجمیع و یکپارچه کند و زمینه بروز هوشمندی را در سازمان مهیا کند.

اما برای حرکت به سمت ایجاد زیر ساخت‌ها، نیاز به ارزیابی آمادگی سازمان برای بکارگیری این ابزارها وجود دارد. متاسفانه بسیاری از شکست‌هایی که در پروژه‌های استقرار هوش تجاری در سازمان‌ها مشاهده شده است، بدلیل عدم وجود آمادگی سازمانی برای پذیرش و اعمال تغییرات مورد نیاز در سازمان‌هاست. حتی در برخی موارد ارزیابی آمادگی سازمان، میتواند منجر به اخذ تصمیماتی گردد که نه تنها باعث تسهیل روند استقرار هوش تجاری در سازمان گردد، بلکه باعث اثربخشی بیشتر آن نیز باشد.

به عنوان مثال استقرار نظام مدیریت دانش و تلاش برای به حرکت درآوردن چرخه خلق دانش و جمع آوری دانش پنهان سازمان  که امروزه بزرگترین سرمایه سازمان‌هاست، و ایجاد فرآیند تبدیل آن به دانش صریح و بالعکس و ترکیب دانش‌ها با یکدیگر که منجر به بروز خلاقیت و ایجاد حکمت در سازمان می‌گردد، می‌تواند زیر بنای محکمی برای استقرار هوش تجاری باشد. در واقع میتوان گفت استفاده کامل از ابزارهای هوش تجاری، در گرو استقرار مدیریت دانش در سازمان هاست و تحقق مدیریت دانش، متضمن هوشمندی سازمان‌هاست.

2. ضرورت‌های استقرار هوش تجاری در سازمان‌ها

ضرورت استقرار هوش تجاری در سازمان‌ها در عصر دانایی و در جامعه اطلاعاتی از ابعاد مختلف قابل بررسی است، از دیدگاه مدیریت ارشد استفاده از ابزارهای هوش تجاری برای تحلیل وضعیت جاری سازمان، تعیین اهداف کوتاه مدت، بلند مدت و کنترل شاخص‌های عملکرد ضروری به نظر می‌رسد، از دیدگاه مدیریت اجرایی برای اتخاذ تصمیمات در فضاهای عدم اطمینان و ابهام و پیش بینی و تخمین نتایج اتخاذ تصمیمات، از دیدگاه مدیریت مالی برای رصد کردن و کنترل گزارش‌های مالی و شاخص‌های عملکردی، از دیدگاه مدیریت زنجیره تامین برای کنترل و بهبود روابط با تامین کنندگان و شرکاء سازمان، از دیدگاه مدیریت ارتباط با مشتریان برای شناسایی، دسته بندی، سیاستگذاری و بهبود ارتباط با مشتریان سازمان و ...

با توجه به تحقیقات انجام شده، ضرورت‌های استفاده از هوش تجاری در سازمان‌ها را می‌توان بصورت زیر دسته‌بندی کرد:

1- مهمترين نياز يك مدير، داشتن اطلاعات دقيق براي اتخاذ تصميم درست است عوامل زير در تصميم‌گيري استراتژيك يك سازمان مؤثر مي‌باشند:

  • دسترسي، جمع آوري و پالايش داده‌ها و اطلاعات مورد نياز.

  • پردازش، تحليل و نتيجه‌گيري بر اساس دانش.

  • اعمال نتيجه و نظارت بر پيامدهاي اجراي آن.

سازمان‌هايي با مديريت قديمي كه از هوش سازماني استفاده نمي‌كنند در تصميم گيري‌ها معمولاً با مشكلات مختلفي روبرو هستند از جمله داشتن داده‌هاي حجيم، پيچيدگي تحصيل آن‌ها و عدم توانايي پيگيري فرآيندها و نتايج تصميمات گرفته شده و لذا تصميمات اشتباه در اين سازمان‌ها نتايج خود را به طور روشن نشان نمي‌دهد و يا ديرهنگام نشان مي‌دهد اين سازمان‌ها نگاهي جامع از وضعيت جاري و آينده خود ندارند.

2- ضرورت ديگر استفاده از هوش سازماني، نياز به مديريت دانش در سازمان‌ها است. سازمان‌ها نياز به مديريت هوشمند اسناد و مدارك خود دارند. همچنين داده‌های مؤسسات تحقيقاتي كه به منزلة دارايي اصلي آن سازمان‌ها مي‌باشند نياز به مديريت دارد. هوش سازماني باعث مديريت بهتر اين داده‌ها مي‌شود. از آنجا كه سازمان‌ها نياز دارند خودشان را با دانش روز تطبيق داده و همواره بروز باشند و خود را بر اساس شرايط مخاطبين و بازار و شرايط جديد خارج از سازمان هماهنگ سازند بحث آموزش مستمر كاركنان و حافظه سازماني در نگهداري و استفاده از آموزش‌هاي سازماني بسيار پر اهميت است و هوش سازماني به عنوان يك ضرورت در اينجا مطرح مي‌شود و باعث افزايش بهره‌وري آموزشي و حفظ دانش سازمان مي شود.

3. پیش نیازهای استقرار هوش تجاری در سازمان‌ها

اغلب مدیران و تصمیم‌گیرندگان فناوری اطلاعات، هنوز معیار درستی برای دستیابی به تصمیم درست و بهنگام استقرار هوش تجاری در سازمانشان ندارند. دلیل اصلی این مشکل، عدم اطلاع کافی آن‌ها از پیش نیازهای استقرار هوش تجاری در سازمان‌هاست. پاسخ به این سوال که "پیاده‌سازی هوش تجاری در سازمان ما مستلزم وجود چه پیش نیازهایی است؟ چه امکانات و زیر ساخت‌های فناورانه ای مورد نیاز است؟ و چه میزان دانش و تخصص  نیروی انسانی متخصص لازم  و کافی خواهد بود؟ فرهنگ سازمانی متناسب برای استقرار موفق هوش تجاری در سازمان کدام است؟ با چه ابزارها و تکنیک‌هایی میتوان میزان آمادگی سازمان را برای استقرار موفق هوش تجاری اندازه گرفت؟ و در مجموع سیاست و رویکرد اصلی سازمان نسبت به استقرار هوش تجاری باید به چه صورت باشد؟" اگر پاسخی برای این پرسش‌ها بدست آید، مدیران می‌توانند تصمیات درست‌تر و منطقی‌تری اتخاذ کنند و به این ترتیب ضریب شکست پروژه‌های استقرار هوش تجاری در سازمان‌ها پایین خواهد آمد.

استقرار سیستم‌های هوش تجاری، برای سازمان‌هایی مناسب است که در آن‌ها فرهنگ کاری و فرآیندهای کاری با اطلاعات و فناوری اطلاعات هماهنگی داشته باشد. چند نمونه از مهمترین شاخص‌های این هماهنگی عبارتند از:

  • وجود تحقیقات و بررسی‌های مداوم و مستمر درباره نیازهای اطلاعاتی سازمان (نیازهای فعلی و آتی)

  • همکاری و ارتباط مبتنی بر اعتماد میان کاربران فناوری اطلاعات سازمان مانند تصمیم‌گیرندگان و کارکنان عملیاتی سازمان با کارمندان و فعالان فناوری اطلاعات و مراکز مدیریت دانش در سازمان

  • وجود و نهادینه شدن فرهنگ اشتراک‌گذاری اطلاعات، دانش و تجربیات در سازمان

  • درک نیاز، تمایل و توانایی در انجام فرا تحلیل‌ها و استفاده از آن‌ها نزد مدیران سازمان جهت مدیریت بهتر سازمان.

سازمان‌ها برای استقرار هوش تجاری بیش از هر مساله دیگری باید نگران زیرساخت های فنی باشند. مشارکت موثر فناوری اطلاعات و کسب و کار سازمان در هوش تجاری بسیار  مهم است. این مشارکت تنها به معنی انجام وظایف مربوط به استقرار هوش تجاری نیست، بلکه به معنای کمک فناوری اطلاعات به بهبود کسب و کار و پیشرفت سازمان در قالب استقرار هوش تجاری است. امروزه سازمان‌هایی که موفق به بهره برداری مناسب از فناوری اطلاعات شده اند به مراتب هوشمند تر و موفق تر هستند.

ابزارهای هوش تجاری، طیف وسیعی از خدمات را ارايه می‌دهند، از گزارشات ساده گرفته تا امکان نفوذ در داده‌ها برای تحلیل‌های مورد نیاز مدیران در یک صنعت خاص یا یک محیط عملیاتی. هنگامی که قصد انتخاب استراتژی را داریم باید به ۲ سوال پاسخ بدهیم :

1. چه نوع داده‌هایی برای تحلیل‌های ما مورد نیاز است؟ و از چه منبعی باید این داده را تامین کرد؟

2. تجزیه و تحلیل داده توسط چه کسی باید انجام شود و نتایج حاصل از تحلیل‌ها به چه صورت باید ارايه شود؟

ارايه پاسخ روشن به این دو پرسش مسیر حرکت سازمان را برای استقرار هوش تجاری روشن می‌کند.

پیش نیازها و مراحل فنی استقرار هوش تجاری عبارتند از:

1-  سخت افزارهای مورد نیاز برای ذخیره سازی اطلاعات و انجام محاسبات

ارتقاء زیرساخت‌های ذخیره‌سازی داده‌ها (شبکه ذخیره سازی، ملحقات شبکه ذخیره سازی، مدیریت ذخیره سازی سلسله مراتب)

2-  نرم افزارهای کاربردی و منابع داده

نرم افزارها باید سازماندهی شوند. مشکل انتقال و ارتباط و تجمیع داده‌ها در نرم افزارهای مختلف حل شود. (CRM , SCM, ERP)

3- تجمیع داده ها

نرم افزار واسطی ایجاد شود که تمام انواع پروتکل‌ها، واسط‌های کاربری و مدل‌های اشیاء و ساختار داده‌ها برای ارتباط نرم افزارهای مختلف با یکدیگر را پوشش دهد. برای این امر نیاز به سرمایه‌گذاری در بخش اتصال سیستم‌هاست که امکان تجمیع اطلاعات از انبارهای مختلف داده را فراهم می‌کنند و طی کردن فرآیند ETL که با اتصال به چندین منبع داده مختلف، داده‌ها را بدست می‌آورد و سپس در یک انبار داده همه را مجتمع می‌کند.

4- پایگاه‌‌های داده رابطه‌ای و انبار داده‌ها

سازمان نیاز به جمع‌آوری داده‌های موجود در پایگاهای داده رابطه‌ای موجود در سازمان در یک انبار داده دارد که اطلاعات تاریخی سازمان را جمع‌آوری و طبقه‌بندی نماید. این فرآیند به کاربران سازمان قدرت زیادی در تجزیه و تحلیل و استخراج اطلاعات مورد نیاز را خواهد داد.

5- پردازش‌های تحلیلی آنلاین و موتورهای تجزیه و تحلیل اطلاعات

نرم افزارهای پردازش‌های تحلیلی آنلاین یک لایه جداساز بین انبارهای داده مختلف سازمان و کاربران نهایی سیستم ایجاد می‌کنند و امکان دستیابی به امکانات زیادی را برای کاربران فراهم می‌کنند.

6- نرم افزارهای کاربردی تحلیلی

نرم افزارهایی که امکان نفوذ در داده‌ها و تجزیه و تحلیل آن‌ها را میسر می‌سازند.

7- نمایش اطلاعات و تحویل نتایج

نتایج درخواست‌ها به طرق مختلفی می‌تواند به کاربران ارائه شود. ابزار داشبورد، ابزارهای گزارش‌گیری مثل کریستال ریپورت و ابزارهای سیار مثل گوشی موبایل و ...

4. چالش‌های استقرار هوش تجاری در سازمان‌ها

چالش عمده سازمان‌ها در استقرار هوش تجاری، بحث یکپارچگی و تجمیع داده‌های سازمان در قالب انبار داده است. معمولا داده‌ها در یک سازمان توسط نرم افزارها و سیستم‌های اطلاعاتی مختلفی جمع‌آوری می‌شوند و همین موضوع باعث مشکل شدن کار تجمیع داده‌ها می‌شود. ۹۰٪ از پروژه‌های انبار داده در سازمان‌ها که با شکست مواجه شده‌اند، از همین مشکل رنج می‌برده اند.

وقتی انبار داده مورد نظر سازمان به تمام زیر سیستم‌ها و نرم افزارهای سازمان وابسته باشد، در صورت بروز مشکل در یک سیستم، کل پروژه دچار و شکست خواهد شد و این اصلا ریسک مناسبی در اجرای پروژه نمی‌باشد. بنابراین راه حل مناسب، شکستن برنامههای بزرگ وابسته به قطعات کوچکتر مستقل است، با این روش، شکست یک عنصر، منجر به شکست کل برنامه نمی‌شود.

برای یک سازمان بزرگ، برای هر یک از زیر سیستم‌ها یک انبار داده مجزا در سطح منطقه عملیاتی یا سازمانی خودش در نظر گرفته شده است. که خودش شامل بخش خروجی و گزارشات مخصوص به همان زیر سیستم یا نرم افزار می‌باشد. هر کدام از این زیر سیستم‌ها خودشان یک پروژه کامل به حساب می‌آیند چرا که شامل تمام اجزای پروژه اصلی هستند.

اما برای اتصال زیر سیستم‌ها از نظر داده‌ها و تجمیع آن‌ها، باید به سراغ استفاده از مستر دیتا یا داده‌های اصلی سیستم رفت. داده‌های اصلی، که ممکن است شامل داده‌های مرجع باشد، اطلاعات کلیدی برای بهره‌برداری از کسب و کار هستند. این اطلاعات کلیدی کسب و کار ممکن است شامل اطلاعات در مورد مشتریان، محصولات، کارکنان، مواد، تامین کنندگان، و غیره باشد. در این راستا، داده‌های اصلی می‌توانند عملیات و فرآیندهای تراکنشی و پشتیبانی زیر سیستم‌های مختلف را تسهیل کنند.

برای استفاده از داده‌های اصلی، بعد از شناخت آن‌ها لازم است که مدیریت و کارشناس ارشد اطلاعات سازمان آن‌ها را به درستی طبقه‌بندی و آماده بهره‌برداری کند بطوریکه شامل داده‌های تکراری یا نامعتبر نباشند. این داده‌ها می‌تواند مورد توافق نظر در سطح سازمان قرار بگیرد و در تمام زیر سیستم‌های مورد استفاده باشد.

5. معماری هوش تجاری در سازمان

 معماریCIF (Corporate Information Factory)  که برای پوشش ضعف موجود در سیستم‌های EIS که همان مشکل ضعف در استفاده از یک منبع داده بود به وجود آمده است. CIF يک معماري ادراکي پذيرفته شده (در سطح وسيع) است که انباره‌هاي اطلاعاتي‌اي که در اجرا و مديريت يک زيرساخت محکم و موفق هوش تجاري مورد استفاده قرار مي‌گيرند، را توصيف و طبقه بندي مي‌کند. این معماری بر مبنای تفکیک کل داده‌های سازمان به 5 پایگاه داده عمده به وجود می‌آید که عبارتند از:

  • پايگاه هاي داده سيستم اجرايي (The Operational System Databases)

  • پايگاه داده تحليلي  (Data warehouse)

  • انباره داده اجرائي  (The Operational Data Store)

  • پايگاه هاي داده تحليلي خرد  (Data Marts)

  • پايگاه هاي داده عملِياتي خرد (Oper Marts) 

و در مرحله بعد عملیات يکپارچه‌سازي فرآيندهای سازمان و کسب و کار به منظور انتقال کارا و موثر داده از سيستم‌هاي منبع موجود به کاربران تجاري انجام می‌شود.  فرآیندهای کسب و کار را در سه گروه اصلی طبقه بندی می‌کند که عبارتند از:

  • فرآیندهای عمليات تجاري  (Business operations): فرآیندهایی که با اطلاعات عمليات روزانه و جاري سازمان در ارتباطند.

  • فرآیندهای هوش تجاري (Business intelligence) : فرآیندهایی که با جستجوي مداوم براي درک بهتر سازمان، ورودی‌های سازمان و خروجی‌های آن، تامین کنندگان و مشتریان و کلیه ذینفعان آن در ارتباط است. فرآيندهاي عمليات تجاري ايستا هستند، در حاليکه فرآیندهای هوش تجاري علاوه بر فرآيندهاي ايستا، شامل فرآيندهايي است که همواره در حال تکامل اند و باید دائما مورد بررسی قرار گیرند.

  • فرآیندهای مديريت تجاري: (Business management)  فرآيندي است که در آن دانش‌ها و بينش‌هاي جديدي که در هوش تجاري ايجاد مي‌شوند، در عمليات تجاري روزانه در سرتاسر سازمان معرفي و اجرا مي‌شوند، فرآیندهای مديريت تجاري تصميمات تاکتيکي که يک سازمان اتخاذ مي‌کند را در بر مي‌گيرد و ارزش فوق العاده زیادی برای سازمان دارند و هر میزان که استقرار هوش تجاری در سازمان به بهینه شدن تصمیمات در این سطح کمک کند، ارزش‌های این نوع سیستم‌ها بیشتر و بیشتر مشخص خواهد شد.

در این معماری دو مولفه اصلی وجود دارد که عبارتند از :

5-1- دريافت داده : (Getting Data In)

 شامل فرآيندها و پايگاه‌هاي داده‌اي است كه درگير اخذ داده از سيستم‌هاي اجرائي، يكپارچه‌سازي آن، پاكسازي آن و قرار دادن آن در يك پايگاه داده براي استفاده آسان هستند و عبارتند از:

  • پايگاه هاي داده سيستم اجرايي  (The Operational System Databases)

  • پايگاه داده تحليلي  (Data warehouse)

  • انباره داده اجرائي  (The Operational Data Store)

  • اخذ دانش  (Data Acquisition)

5-2- پس دادن اطلاعات : (Getting Information Out)

 شامل فرآيندها و پايگاه‌هاي داده‌اي است که درگير ارائه هوش تجاري به مشتريان تجاري نهايي يا تحليلگران‌اند و عبارتند از:

  • پايگاه هاي داده تحليلي خرد (Data Marts) 

  • پايگاه هاي داده عملِياتي خرد  (Oper Marts)

  • داده رساني (Data delivery)

6. مراحل استقرار هوش تجاری

1. آماده ­‌سازي (ETL)

  • استخراج داده

  • پاك­سازي داده

  • بايگاني كردن داده قبل و بعد از پاك­سازي

2. يكپارچگي (Integrity)

  • تطبيق داده و يكپارچگي چند منبع داده­ اي

 3. تحليل سطح بالا

  • محاسبه ديدهاي تحليلي از ديدهاي پايه - ايجاد پارامترهاي تحليلي

4. خصوصي­ سازي

  • استخراج و خصوصي سازي اطلاعات - ايجاد پايگاه داده تحليلي خاص

هر یک از این مراحل، توسط افراد خاصی باید انجام شود. در واقع تخصص‌های مورد نیاز برای انجام هر یک از مراحل فوق با هم دیگر فرق می‌کند.

باید توجه داشت که تقریبا از مرحله اول نیازمند وجود Repository برای ذخیرهmeta data ها هستیم. همچنین ممکن است در مراحل آخر نیازمندی جدیدی برای مرحله ETL پیش آید که در این صورت نیازمند انجام مجدد مراحل اولیه هستیم.

7. دلایل شکست پروژه‌های هوش تجاری

پروژه‌های هوش تجاری، از آنجایی که بیش از همه انواع پروژه‌های فناوری اطلاعات در سازمان‌ها وابسته به لایه‌های زیرساختی می‌باشد، توجه بیش‌تری را متوجه زیرساخت‌ها میکند. همچنین با توجه به اینکه خروجی استقرار هوش تجاری در سازمان‌ها بصورت مشخص و واضح قابل سنجش و اندازه‌گیری نیست، اغلب مدیران را دچار مشکلاتی می‌کند. با بررسی اخیری که توسط شرکت خدماتی و مشاوره KPMG انجام شده، 6 عامل اصلی شکست پروژه های فناوری اطلاعات به صورت زیر بیان شده است:

  1. برنامه ریزی ضعیف پروژه، 2- طرح توجیهی ضعیف، 3- عدم درگیری و پشتیبانی مدیریت ارشد، 4- عدم درگیری کاربر، 5- تازه بودن تکنولوژی برای سازمان، 6-عدم از خود دانستن پروژه

تمام موارد فوق برای پروژه های هوش تجاری وجود دارد و باید مورد توجه قرار گیرد بویژه بحث تازه بودن تکنولوژی برای سازمان، اما طی تجربیات و پژوهش‌هایی که توسط شرکت‌های فعال در این حوزه انجام شده، موارد اجرایی که منجر به شکست پروژه های هوش تجاری شده اند را نیز میتوان در ۸ مورد اصلی دسته بندی کرد:

7-1- ﻋﺪﻡ ﺣﻤﺎﻳﺖ ﻣﺪﻳﺮﻳﺖ ﺍﺭﺷﺪ:

ﺩﺭ ﺻـﻮﺭﺗی ﻛـﻪ ﻣـﺪﻳﺮﻳﺖ ﻣﺮﺍﺣﻞ ﺍﺳﺘﻘﺮﺍﺭ ﺍﻧﺒﺎﺭ ﺩﺍﺩﻩ ﻭ ﻫــﻮﺵ ﺗﺠﺎﺭﻱ ﺭﺍ ﺩﺭﻙ ﻧﻜﻨﺪ ﻭ ﻳــﺎ ﺍﺯ ﻣﺰﺍﻳﺎﻱ ﺁﻥ ﺑــﻲﺧﺒﺮ ﺑﺎﺷﺪ، ﺁﻥ ﭼﻨﺎﻥ ﻛــﻪ ﻻﺯﻡ ﺍﺳﺖ ﺑﻪ ﭘﺮﻭﮊﻩ ﺍﻫﻤﻴـﺖ ﺩﺍﺩﻩ ﻧﻤﻲﺷﻮﺩ ﻭ ﭘـﺮﻭﮊﻩ ﻣـﺪﺍﻡ ﺑـﻪ ﺗﻌﻮﻳـﻖ ﻣﻲﺍﻓﺘـﺪ. ﻣـﺪﻳﺮﺍﻥ ﺍﺟﺮﺍﻳﻲ ﺑﺎﻳــﺪ ﺑﺪﺍﻧﻨﺪ ﻛــﻪ ﺍﺳﺘﻘﺮﺍﺭ ﻫــﻮﺵ ﺗﺠﺎﺭﻱ ﻓﻘﻂ ﺷــﺎﻣﻞ ﻣﺮﺍﺣﻞ ﺍﺳﺘﻘﺮﺍﺭ ﻓﻨﻲ ﻧﻤﻲﺷﻮﺩ ﻭ ﻣﻤﻜﻦ ﺍﺳﺖ ﻣﻨﺠﺮ ﺑــﻪ ﺗﻐﻴﻴﺮ ﺩﺭ ﻓﺮﺍﻳﻨﺪﻫﺎ ﻭ کسب ﻭﻛﺎﺭ ﺳــﺎﺯﻣﺎﻥ ﮔـﺮﺩﺩ. ﺯﻳﺮﺍ ﺑﺮﺍﻱ ﺍﻳﻨﻜﻪ ﺳـﺎﺯﻣﺎﻥ ﺑﺘﻮﺍﻧـﺪ ﺍﺯ ﺗﻤـﺎﻡ ﻣﺰﺍﻳـﺎﻱ ﻫـﻮﺵ ﺗﺠـﺎﺭﻱ ﺑﻬـﺮﻩﻣﻨـﺪ ﮔـﺮﺩﺩ ﺑﺎﻳـﺪ ﺍﺯﺗﻤﺎﻡ ﺧﺮﻭﺟﻲﻫﺎﻱ ﻫﻮﺷﻤﻨﺪﻱ ﺍﺳﺘﻔﺎﺩﻩ ﻛﻨﺪ ﻭ ﺭﻭﺵ ﺍﺩﺍﺭﻩ ﻛﺴﺐﻭﻛﺎﺭ ﺭﺍ ﺗﻐﻴﻴﺮ ﺩﻫﺪ.

7-2- ﺷﻨﺎﺳﺎﻳﻲ ﺿﻌﻴﻒ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎﻱ ﺳﺎﺯﻣﺎﻥ:

ﻳﻜﻲ ﺍﺯ ﻣﻬﻢﺗﺮﻳﻦ ﮔﺎﻡﻫﺎ، که ﻏﺎﻟﺒﺎ ﻧﺎﺩﻳﺪﻩ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮﺩ، ﻣﺮﺣﻠﻪ ﺟﻤﻊﺁﻭﺭﻱ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎﻱ ﻛﺴﺐﻭﻛﺎﺭ ﺍﺳت. ﺑﺴﻴﺎﺭﻱ ﺍﺯ ﺳﺎﺯﻣﺎﻥﻫﺎ ﺑﻌﺪ ﺍﺯ ﺍﺗمام ﻣﻌﻤﺎﺭﻱ انبار داده، ﺍﺯ کاﺭﺑﺮﺍﻥ ﻧﻬﺎﻳﻲ ﺟﻬﺖ ﻧﻈﺮﺳﻨﺠﻲ ﺍﺭ ﻧﺘﺎﻳﺞ ﻃﺮﺡ ﺩﻋﻮﺕ ﻣﻲﻛﻨﻨﺪ، ﺩﺭ ﺣﺎﻟﻴکـﻪ ﻧﻈـﺮ ﺍﻓـﺮﺍﺩ ﻣﻲﺑﺎﻳﺴـﺖ ﻗﺒـﻞ ﺍﺯ ﻣﻌﻤﺎﺭﻱ ﻭ ﻃﺮﺍﺣﻲ انبار داده ﮔﺮﻓﺘﻪ ﻣﻲﺷﺪ. ﺑــﻪ ﻣﻨﻈﻮﺭ ﺟﻤﻊﺁﻭﺭﻱ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎ ﺩﺭ ﻓﺎﺯ ﺷﻨﺎﺧﺖ ﭘﺮﻭﮊﻩ، ﺩﺭﮔﻴﺮ ﻛﺮﺩﻥ ﻛﺎﺭﺑﺮﺍﻥ، ﺍﺯ ﺍﻣﻮﺭ ﺑﻲﭼﻮﻥﻭ ﭼﺮﺍ ﺟﻬﺖ ﺗﻀﻤﻴﻦ ﺑﺮﺍﻱ ﭘﻲ ﺑﺮﺩﻥ ﺑﻪ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎﻱ ﻭﺍﻗﻌﻲ ﻛﺎﺭﺑﺮﺍﻥ ﺍﺳت.

7-3- ﻃﺮﺍﺣﻲ ﺿﻌﻴﻒ:

ﮔﺎﻡ ﮐﻠﻴﺪﻱ ﺑﻌﺪﻱ ﻃﺮﺍﺣﻲ ﻣﻌﻤﺎﺭﻱ ﻫـﻮﺵ ﺗﺠﺎﺭﻱ ﺍﺳﺖ. ﻧﮑﺘﻪ ﻣﻬﻢ ﺍﻳﻦ ﺍﺳﺖ ﮐﻪ ﺍﺯ ﺍﻓﺮﺍﺩﻱ ﺍﺳتفادﻩ ﺷــﻮﺩ ﮐــﻪ ﺩﺭ ﺍﻳﻦ ﺯﻣﻴﻨﻪ ﺗﺠﺮﺑﻪ ﺩﺍﺭﻧﺪ. ﺑﺎﻳﺪ ﺍﺯ ﻃﺮﺍﺣﺎﻥ ﻭ ﺗﻮﺳﻌﻪﺩﻫﻨﺪﮔﺎﻧﻲ ﺍﺳﺘﻔﺎﺩﻩ ﺷﻮﺩ ﮐﻪ ﺩﺍﺭﺍﻱ ﺁﻣﻮﺯﺵﻫﺎﻱ ﻻﺯﻡ ﺑﺮﺍﻱ ﺍﻳﺠﺎﺩ انبار داده ﻫﺴﺘﻨﺪ ﻭ ﺗﻨﻬﺎ ﺗﺠﺮﺑﻪ ﺍﻳﺠﺎﺩ ﭘﺎﻳﮕﺎﻩ ﺩﺍﺩﻩ ﮐﺎﻓﻲ ﻧﻴﺴﺖ. ﺯﻳﺮﺍ ﻓﺮﺍﻳﻨﺪ انبار داده ﺷﺎﻣﻞ ﺍﺳﺘﺨﺮﺍﺝ ﺩﺍﺩﻩﻫﺎ ﺍﺯ ﻳﮏ ﻳـﺎ ﭼﻨﺪ ﺑﺮﻧﺎﻣﻪ ﻣﺮﮐﺰﻱ ﻭ ﺗﺒﺪﻳﻞ ﺩﺍﺩﻩﻫـﺎ ﺑــﻪ ﻓﺮﻣﺘﻲ ﻗﺎﺑﻞ ﺍﺳﺘﻔﺎﺩﻩﺗﺮ ﺍﺳﺖ.

7-4- ﻓﻘﺪﺍﻥ ﺁﻣﻮﺯﺵ:

ﺑﻌـﺪ ﺍﺯ ﺗﮑﻤﻴﻞ انبار داده، ﻣﻮﻓﻘﻴﺖ ﺑﻪ ﺍﻳﻦ ﺑﺴﺘﮕﻲ ﺩﺍﺭﺩ ﮐﻪ انبار داده ﺑﺮﺍﻱ ﺳﺎﺯﻣﺎﻥ ﭼﮕﻮﻧﻪ ﺭﻭﻧﻤﺎﻳﻲ ﺧﻮﺍﻫﺪ ﺷـﺪ. ﺑﺴﻴﺎﺭﻱ ﺍﺯ ﺷﺮﮐﺖﻫﺎ ﺩﺭ ﺍﻳﻦ ﮔﺎﻡ ﻣﺸﮑﻞ ﺩﺍﺭﻧﺪ ﻭ ﻣﻌﻤﻮﻻ ﺍﻳﻦ ﺑﺎﻋﺚ ﻣﻲﺷﻮﺩ ﮐﻪ ﺍﺳﺘﻘﺮﺍﺭ انبار داده ﺑــﻪ ﺷﮑﺴـﺖ ﺑﻴﻨﺠﺎﻣﺪ. ﺍﺻﻠﻲﺗﺮﻳﻦ ﺩﻟﻴـﻞ ﮐـﻪ ﺑـﻪ ﻧﻈـﺮ ﻣﻲﺭﺳﺪ، ﻓﻘﺪﺍﻥ ﺁﻣﻮﺯﺵﻫﺎﻱ ﮐﺎﻓﻲ ﺍﺯ ﺳﻮﻱ ﺷﺮﮐﺖ ﺑﺮﺍﻱ ﮐﺎﺭﺑﺮﺍﻥ ﺍﺳﺖ. ﺑﺠﺎﻱ ﺁﻣﻮﺯﺵ ﺁﻥﻫﺎ ﺑﺎ ﺟﺰﺋﻴﺎﺕ ﺩﻗﻴﻖ، ﺑﻪ ﻳﮏ ﻣـﺮﻭﺭ ﺍﺟﻤﺎﻟﻲ ﺍﮐﺘﻔﺎ ﻣـﻲﮐﻨﻨﺪ.

7-5- ﻋﺪﻡ ﻣﻮﻓﻘﻴﺖ ﺩﺭ ﮔﺴﺘﺮﺵ ﺩﺍﺩﻥ ﺑﻪ ﻭﺳﻴﻠﻪdata mart  ﻫﺎ:

ﺑﻌﺪ ﺍﺯ ﺍﻳﻦ ﮐﻪ انبار داده ﺍﻭﻟﻴﻪ ﺳﺎﺧﺘﻪ ﺷﺪ، ﺑـﻪ ﻧﻈـﺮ ﻣﻲﺭﺳﺪ ﮐﻪ ﮐﺎﺭ ﺗﻤﺎﻡ ﺷﺪﻩ ﺍﺳﺖ. ﻣﻌﻤﻮﻻ ﻣﺮﺣﻠـﻪ ﺑﻌـﺪ ﮐـﻪ ﻣﺸﺨﺺ ﮐﺮﺩﻥ ﻳﮏ ﻃﺮﺡ ﺟﻬﺖ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺩﺍﺩﻩﻫﺎﻱ ﺩﺭﻭﻥ انبار داده ﺍﺳﺖ، ﻓﺮﺍﻣﻮﺵ ﻣﻲﺷﻮﺩ. ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮﺩ ﮐﻪ ﺑﺮﺍﻱ ﺗﺴﻬﻴﻞ ﺍﻧﺠـﺎﻡ ﻭﻇﺎﻳﻒ ﮐﺎﺭﺑﺮﺍﻥ ﻧﺴﺒﺖ ﺑﻪ ﺳﺎﺧﺖ ﻫﻤﺒﺴﺘﻪﻫﺎ ﻳﺎ data mart ﻫﺎ ﺍﻗﺪﺍﻡ ﺷﻮﺩ.data mart  ﻫﺎ ﻣﻲﺗﻮﺍﻧﻨﺪ ﺑﺮﺍﻱ ﺳﺎﺧﺖ ﻳﮏ ﻣﺪﻝ ﺑﺴﻴﺎﺭ ﺳﺎﺩﻩﺷﺪﻩﺗﺮ ﺍﺯ ﺩﺍﺩﻩﻫﺎ ﺑـﻪ ﮐﺎﺭ ﺭﻭﻧﺪ. data mart ﻣﻲﺗﻮﺍﻧﺪ ﺩﺍﺭﺍﻱ ﺧﻼﺻﻪﺳﺎﺯﻱﻫﺎ، ﻣﺤﺎﺳﺒﺎﺕ ﻭ ﺗﻐﻴﻴﺮ ﻧﺎﻡ ﺩﺍﺩﻩﻫﺎ ﺑﺎﺷﺪ، ﺑــﻪ ﻧﺤﻮﻱ ﮐﻪ ﮐﺎﺭﺑﺮﺍﻥ ﺭﺍﺣﺖﺗﺮ ﺑﺘﻮﺍﻧﻨﺪ ﺑﻪ ﺍﻃﻼﻋﺎﺕ ﻣﻮﺭﺩ ﻧﻴﺎﺯﺷﺎﻥ ﺩﺳﺘﺮﺳﻲ ﺩﺍﺷﺘﻪ ﺑﺎﺷﻨﺪ. ﺍﺯ ﺁﻧﺠﺎﻳﻲ ﻛﻪ data mart ﻫﺎ ﺩﺳﺘﺮﺳﻲ ﻣﻨﺎﺳﺐﺗﺮ ﺑﻪ ﺍﻃﻼﻋﺎﺕ ﺑﺮﺍﻱ ﻛﺎﺭﺑﺮﺍﻥ ﻓﺮﺍﻫﻢ ﻣﻲﻛﻨﻨﺪ ﻭ ﺑﺎﻋﺚ ﻣﻲﺷﻮﺩ ﻛﻪ ﺣﺠﻢ ﺑﺎﺭ ﺩﺍﺩﻩﻫﺎ ﺑﺮ ﺭﻭﻱ انبار داده ﻛﺎﻫﺶ ﻳﺎﺑﺪ، ﻟﺬﺍ ﻭﺟﻮﺩ ﺁن‌ها ﺑﺮﺍﻱ ﺍﻓﺰﺍﻳﺶ ﻛﺎﺭﺍﻳﻲ ﺿﺮﻭﺭﻱ ﻣﻲﻧﻤﺎﻳﺪ. ﺩﺭ ﻧﺘﻴﺠﻪ ﻓﻘﺪﺍﻥ date mart ﻫﺎ ﻳﺎ ﻋﺪﻡ ﻃﺮﺍﺣﻲ ﻣﻨﺎﺳﺐ ﺁﻥﻫﺎ ﻣﻲﺗﻮﺍﻧﺪ ﭘﺮﻭﮊﻩ ﺍﺳﺘﻘﺮﺍﺭ انبار داده ﺭﺍ ﺑﺎ ﻣﺸﻜﻼﺕ ﻣﺘﻌﺪﺩﻱ ﻣﻮﺍﺟﻪ ﺳﺎﺯﺩ.

7-6- ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﺑﺰﺍﺭ ﻏﻠﻂ:

ﺍﺯ ﺩﻻﻳﻞ ﺩﻳﮕﺮ ﺍﺳﺘﻘﺮﺍﺭ ﻧـﺎﻣﻮﻓﻖ ﺍﻧﺒﺎﺭﻩ ﺩﺍﺩﻩ ﻭ ﻫﻮﺵ ﺗﺠﺎﺭﻱ ﺩﺭﺳﺎﺯﻣﺎﻥﻫﺎ ﺍﻧﺘﺨﺎﺏ ﺍﺑﺰﺍﺭ ﻧﺎﻣﻨﺎﺳﺐ ﻣﻲﺑﺎﺷﺪ. ﺑﺮﺍﻱ ﮐﺎﺭﺑﺮﺩﻫﺎﻱ ﻣﺨﺘﻠﻒ ﺍﺑﺰﺍﺭﻫﺎﻱ ﻣﺘﻔﺎﻭﺗﻲ ﺩﺭ ﺍﺧﺘﻴﺎﺭ ﺍﺳﺖ. ﻣﻲﺗﻮﺍﻥ ﺑﻪ ﻋﻨﻮﺍﻥ ﻣﺜﺎﻝ ﺑﻪ ﺍﺑﺰﺍﺭﻫﺎﻱ ETL، ﮔﺰﺍﺭﺵﮔﻴﺮﻱ، ﺩﺍﺩﻩﮐﺎﻭﻱ،OLAP  ﻭ ﺍﺑﺰﺍﺭﻫﺎﻱ web-based ﻧﻈﻴﺮ ﺩﺍﺷﺒﻮﺭﺩﻫﺎ ﺍﺷﺎﺭﻩ ﮐﺮﺩ. ﻧﮑﺘﻪ ﻣﻬﻢ ﺍﻳﻦ ﺍﺳﺖ ﮐﻪ ﺑﺎﻳﺪ ﺑﺎ ﺩﻗﺖ ﻭ ﺑﺮﺭﺳﻲ ﺩﺭ ﻧﻴﺎﺯﻫﺎﻱ ﮐﺎﺭﺑﺮﺍﻥ، ﻣﺠﻤﻮﻋﻪ ﺍﺑﺰﺍﺭﻱ ﺍﻧﺘﺨﺎﺏ ﺷﻮﺩ ﮐﻪ ﺑﻪ ﻋﻨﻮﺍﻥ ﻳﮏ ﻣﮑﻤﻞ ﺩﺭ ﺍﻧﺠﺎﻡ ﮐﺎﺭﻫﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ. ﺩﺭ ﺍﻳـﻦ ﺭﺍﺳﺘﺎ ﭘﻴﺸﻨﻬﺎﺩ ﻣﻲﮔﺮﺩﺩ ﺳﺎﺯﻣﺎﻥ ﺩﺭ ﺍﺑﺘﺪﺍﻱ ﭘﺮﻭﮊﻩ ﻭ ﺑﻌﺪ ﺍﺯ ﺷﻨﺎﺧﺖ ﻧﻴﺎﺯﻣﻨﺪﻱﻫﺎ ﻭ ﻣﺤﺪﻭﺩﻩ ﺍﺟﺮﺍﻱ ﻃﺮﺡ ﺍﻗﺪﺍﻡ ﺑـﻪ ﺍﻧﺘﺨﺎﺏ ﺍﺑﺰﺍﺭﻫﺎﻱ ﻣﻨﺎﺳﺐ ﺳﺎﺯﻣﺎﻥ

7-7- ﺩﺍﺩﻩﻫﺎﻱ ﺑی کیفیت:

ﻳﻜﭙﺎﺭﭼﻪﺳﺎﺯﻱ ﺩﺍﺩﻩﻫﺎ ﺑﺎﻋﺚ ﻣﻲﺷﻮﺩ ﻛﻪ ﺁﻧﭽﻪ ﻛﻪ ﺩﺭ ﭘﺎﺋﻴﻦﺗﺮﻳﻦ ﺳﻄﻮﺡ ﺳﺎﺯﻣﺎﻥ ﺍﺗﻔﺎﻕ ﻣﻲﺍﻓﺘﺪ ﻣﺸﺨﺺ ﺷﻮﺩ. ﮔﺰﺍﺭﺷﺎﺗﻲ ﻛﻪ ﻧﺘﺎﻳﺞ ﻏﻠﻂ ﻳﺎ ﻧﺎﻗﺺ ﺗﻮﻟﻴﺪ ﻣﻲﻛﻨﻨﺪ ﺑـﻪ ﺍﺳﺘﻘﺮﺍﺭ هوش تجاری ﻟﻄﻤﻪ ﻭﺍﺭﺩ ﻣﻲﻛﻨﺪ. ﺭﺍﻩﺣﻞ ﺍﻳﻦ ﻣﺸﻜﻞ ﻧﻈﺎﺭﺕ ﺑﺮ ﺩﺍﺩﻩﻫﺎ ﻭ ﻧﻈﺎﺭﺕ ﺑﺮ ﻛﺴﺐﻭﻛﺎﺭ ﺍﺳﺖ. بر خلاف عقیده بسیاری از کارشناسان که هوش تجاری را یک پروژه زودبازده قلمداد میکنند، به نظر میرسد استقرار هوش تجاری یک پروژه به شدت متکی به زیرساخت هاست و به ویژه در بخش مدیریت دانش و اطلاعات سازمان نیازمند توجه وسرمایه‌گذاری برای تامین داده های با کیفیت است.

7-8- ﻗﺎﺋﻞ ﺷﺪﻥ ﻳﮏ نقطه ﭘﺎﻳﺎﻥ ﺑﺮﺍﻱ استقرار هوش تجاری:

ﺑﺮﺍﻱ ﺍﺳﺘﻘﺮﺍﺭ ﻫﻮﺵ ﺗﺠﺎﺭﻱ ﺩﺭ ﺳﺎﺯﻣﺎﻥ ﻧﺒﺎﻳﺪ ﭘﺎﻳﺎﻧﻲ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺖ، استقرار هوش تجاری در واقع یک پروژه نیست، یک برنامه است. به این معنی که فاز اول برنامه استقرار هوش تجاری در سازمان میتواند به صورت پروژه استقرار هوش تجاری باشد ولی بعد از پایان پروژه، باید به صورت مداوم روی داده‌های ورودی، فرآیندهای انبار داده و داده کاوی و سایر ابزارهای هوش تجاری کار شود تا همواره بهترین و صحیح ترین خروجی را برای کاربران مهیا سازد.

موارد ذکر شده، بیشتر در حوزه اجرای ‍ پروژه‌ها مورد بحث قرار گرفته است، اما امروزه در حوزه تعریف پروژه‌ها و تعیین میزان موفقیت پروژه‌ها، جدا از اینکه پروژه با موفقیت اجرا شده یا خیر، بحث میزان اثربخشی اجرای پروژه در فرآیندهای سازمان نیز بسیار پر اهمیت قلمداد می‌شود و پروژه ای که تعریف نادرستی داشته باشد یا اهداف درستی را مدنظر قرار نداده باشد یا با با در نظر گرفتن زیرساخت‌های مناسب تعریف نشده باشد و به اجرا در بیاید، هر چند در اجرا درست و کامل و با هزینه مناسب و زمان مناسب به اتمام برسد باز هم یک پروژه شکست خورده تلقی می‌شود. بنابراین توجه خاصی به حوزه تعریف پروژه‌ها و مهیا کردن زیرساخت‌های مورد نیاز برای تعریف یک پروژه بسیار ضروری به نظر می‌رسد. در خصوص پروژه استقرار هوش تجاری در سازمان این بحث با جدیت بیشتری مطرح است و لازم است که حتما قبل از تصویب و اجرای پروژه، زیرساخت‌ها فراهم شوند. چه به لحاظ نیروی انسانی، چه به لحاظ محیطی و چه زیر ساخت فرهنگی و فنی و ... و در مرحله بعد حتما میزان آمادگی سازمانی ارزیابی گردد و در نهایت وارد فاز اجرای پروژه شد.

8. نتیجه‌گیری

سازمان‌هایی که برای استقرار هوش تجاری برنامه ریزی می‌کنند، باید قبل از تصمیم‌گیری به بررسی زیرساخت‌های لازم برای بهره‌گیری از هوش تجاری بپردازند، چه به لحاظ امکانات فنی و چه به لحاظ نیروی انسانی متخصص و چه به لحاظ فرهنگ سازمانی مورد نیاز. همانطور که در مقاله مطرح شده است این عوامل زیرساختی سهم بسیار مهمی از احتمال شکست پروژه‌های هوش تجاری در سازمان را به خود اختصاص می‌دهند و همین امر منجر به لزوم توجه بیشتر به این مقوله می‌شود.

بعد از تصمیم‌گیری باید ارزیابی آمادگی سازمانی برای قبول استقرار هوش تجاری صورت پذیرد و با توجه به خروجی حاصل از ارزیابی، اقدامات لازم برای ایجاد آمادگی کامل صورت پذیرد.

استقرار هوش تجاری در گرو همکاری و همسویی فناوری اطلاعات و کسب و کار سازمان است. و در صورتی که این دو عامل در یک سازمان با هماهنگی کامل در جهت استقرار هوش تجاری برنامه‌ریزی و هدایت شوند می‌توان به مرحله استقرار هوش تجاری در سازمان رسید. در این مرحله نیز گام های استقرار یکی پس از دیگری برداشته می‌شود و در نهایت منجر به ایجاد سازمانی هوشمند و یادگیرنده می‌گردد.

نویسندگان:

سید محمود شجاعی کیاسری، دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه شهید بهشتی

دکتر علیرضا طالب پور، عضو هيئت علمی و استاد دانشگاه شهید بهشتی