对于针对不同客户群设置多个业务单元的大型组织，BI数据集成是必要的，这样才能利用企业范围内的数据。与此同时，以这样的规模做BI数据集成也是很有挑战的。

　　应当通过分析你的业务需求开始，指定一个流程模式，理解BI用户的需求。

　　下面给出了一些最重要的BI数据集成挑战，并给出了解决这些问题的一些技巧。

　　大爆炸陷阱

　　一次性处理掉BI数据集成的所有工作(大爆炸式)是很有诱惑力的，但是这种方法可能并不是成本效益较高的。零敲碎打的方法会遇到更少问题。把要集成的BI数据规模最小化是很有意义的。我们可以独立地看待每个数据点，创建各自的计划，并一次整合它们。

　　假设你需要从以下应用合并数据：一套商品管理系统(MMS)，一个客户数据库，还有一个产品数据库。我们可以把它划分成多个数据集，比如客户信息、销售数据、财务数据等等，然后依次进行整合。

　　忽略自动化

　　自动化BI数据集成遇到的挑战会少一些。人工干预越少，出错情况和数据集成问题就越少。举一个零售的例子来说，要把数据从MMS移动到销售点(POS)应用中，我们需要生成HTML文件。我们可以手动上传文件到FTP服务器，在服务器上POS系统可以逐个处理这些文件。或者，我们可以把信息放到存储文件夹，通过计划任务自动处理。数据的准确性可以通过系统检查点得到维护。

　　钻取报表的困难

　　数据集成通常是BI的第一步。要支持向下钻取报表，数据必须集成到最深级别。在零售业务场景中，销售数据分析要从许多层面分析：产品、分类、部门、存储、公司、城市、地区等等。集成数据的最佳方式是在产品层面，因为那样的话BI工具可以根据需要自动把它合并到更高级别。例如，在公司维度直接整合数据就会带来向产品维度钻取报表的困难。要记住，“从下向上”是更好的BI数据集成方法。

　　业务数据的差异

　　应积极监控数据，不只是在数据集成设计阶段，还包括用户阶段。用户可以指出技术团队可能忽略的数据差异和现场BI数据集成难点。质量检查点也应该提供给用户。如果在数据整合之后发现销售数据错误了，用户应该能在任何原有系统中发现数据差异。

　　供应商挑战

　　许多实施供应商缺乏足够的技能，不能独立设计和实施BI数据集成解决方案。我们要寻求理解技术并懂得如何架构解决方案的供应商。只有在解决方案成功实施以后才能最终付款。这就确保供应商能解决实施过程中出现的所有BI数据集成挑战。

　　要注意数据提取流程，比如提取转换加载(ETL)。要提高数据质量，要确保提取和加载流程在源方面操作，而不是在目标方面。加载和显示流程可以在目标方面完成。要根据业务需求定时检查数据量和实时更新程度。最后，要确定所有要集成的数据点，在启动流程之前对它们做好规划。