① BI的功能
很多廠商活躍在商業智能（下面簡稱BI）領域。事實上，能夠滿足用戶需要的BI產品和方案必須建立在穩定、整合的平台之上，該平台需要提供用戶管理、安全性控制、連接數據源以及訪問、分析和共享信息的功能。BI平台的標准化也非常重要，因為這關繫到與企業多種應用系統的兼容問題，解決不了兼容問題，BI系統就不能發揮出應有效果。這里我們通過對一個實驗室的BI系統模型（我們將其稱為D系統）進行功能解剖，來介紹BI系統。
D系統是一個面向終端使用者，直接訪問業務數據，能夠使管理者從各個角度出發分析利用商業數據，及時地掌握組織的運營現狀，作出科學的經營決策的系統。D系統可實現從簡單的標准報表瀏覽到高級的數據分析，滿足組織內部人員的需求。D系統涵蓋了常規意義上商業智能（BI）系統的功能，主要構架包括以下幾個方面。 1、讀取數據
D系統可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的文件，同時可讀取關系型資料庫(對應ODBC)中的數據。在讀取文本和數據的基礎上，D系統還可以完成：
連接文本 把2個CSV文件中的共同項目作為鍵（Key），將所需的數據合並到一個文件，這樣可以象操作資料庫一樣方便，但無須用戶編程即可實現。
設置項目類型 作為數據的項目類型，除按鈕(button)（文字項目）、數值項目以外，還可以設置日期表示形式的日期數據項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。
期間設置 日期項目數據可以根據年度或季度等組合後生成新??下午或時間帶等組合後生成新的時間項目。
設置等級 對於數值項目，可以任意設置等級，生成與之相對應的按鈕。例如，可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。
2、分析功能
關聯/限定 關聯分析主要用於發現不同事件之間的關聯性，即一個事件發生的同時，另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。其主要依據是，事件發生的概率和條件概率應該符合一定的統計意義。D系統把這種關聯的分析設計成按鈕的形式，通過選擇有/無關聯，同時/相反的關聯。對於結構化的數據，以客戶的購買習慣數據為例，利用D系統的關聯分析，可以發現客戶的關聯購買需要。例如，一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以採取積極的營銷策略，擴展客戶購買的產品范圍，吸引更多的客戶。
顯示數值比例/指示顯示順序 D系統可使數值項目的數據之間的比例關系通過按鈕的大小來呈現，並顯示其構成比，還可以改變數值項目數據的排列順序等。選擇按鈕後，動態顯示不斷發生變化。這樣能夠獲得直觀的數據比較效果，並能夠凸顯差異，便於深入分析現象背後的本質。
監視功能 預先設置條件，使符合條件的按鈕顯示報警（紅）、注意（黃）信號，使問題所在一目瞭然。比如說：上季度營業額少於100萬元的店警告（黃色標出），少於50萬元的報警（紅色標出）。執行後，D系統就把以店名命名的按鈕用相應的顏色表示出來。
按鈕增值功能 可將多個按鈕組合，形成新的按鈕。比如：把【4月】、【5月】、【6月】三個按鈕組合後得到新的按鈕【第2季度】。
記錄選擇功能 從大量數據中選擇按鈕，取出必要的數據。挑出來的數據可重新構成同樣的操作環境。這樣用戶可以把精力集中在所關心的數據上。
多媒體情報表示功能 由數碼相機拍攝的照片或影像文件、通過掃描儀輸入的圖形等多媒體文件、文字處理或者電子表格軟體做成的報告書、HTML等標准形式保存的文件等，可以通過按鈕進行查找。
分割按鈕功能 在分割特定按鈕類的情況下，只需切換被分割的個別按鈕，便可連接不斷實行已登錄過的定型處理。
程序調用功能 把通過按鈕查找抽取出的數據，傳給其他的軟體或用戶原有的程序，並執行這些程序。
查找按鈕名稱功能 通過按鈕名查找按鈕，可以指定精確和模糊兩種查找方法。另外，其他的按鈕類也可以對查找結果相關的數據進行限定。
3、豐富的畫面
列表畫面 可以用and/or改變查找條件，可以進行統計/排序。統計對象只針對數值項目，統計方法分三種：合計、件數、平均，而且可以按照12種方式改變數值的顯示格式。
視圖畫面 提供切換視角和變換視圖功能，通過變換與設置條件相應的數值（單元格）的顏色表示強調。依次變換視角可進行多方面的數據分析。視圖的統計對象只針對數值項目，統計方法有合計、平均、構成比（縱向、橫向）、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。
數值項目切換 通過按鈕類的階層化（行和列最多可分別設置8層），由整體到局部，一邊分層向下挖掘，一邊分析數據，可以更加明確探討問題所在。
圖表畫面 D系統使用自己開發的圖形庫，提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上，也可以像在階層視圖一樣，自由地對層次進行挖掘和返回等操作。
4、數據輸出功能
列印統計列表和圖表畫面等，可將統計分析好的數據輸出給其他的應用程序使用，或者以HTML格式保存。
5、定型處理
所需要的輸出被顯示出來時，進行定型登錄，可以自動生成定型處理按鈕。以後，只需按此按鈕，即使很復雜的操作，也都可以將所要的列表、視圖和圖表顯示出來。 商業智能系統可輔助建立信息中心，如產生各種工作報表和分析報表。用作以下分析：
銷售分析
主要分析各項銷售指標，例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環比等等；而分析維又可從管理架構、類別品牌、日期、時段等角度觀察，這些分析維又採用多級鑽取，從而獲得相當透徹的分析思路；同時根據海量數據產生預測信息、報警信息等分析數據；還可根據各種銷售指標產生新的透視表。
商品分析
商品分析的主要數據來自銷售數據和商品基礎數據，從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過D系統對這些指標的分析來指導企業商品結構的調整，加強所營商品的競爭能力和合理配置。
人員分析
通過D系統對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標、換購銷商品數、代銷商品數、資金佔用、資金周轉等）的分析，以達到考核員工業績，提高員工積極性，並為人力資源的合理利用提供科學依據。主要分析的主題有，員工的人員構成、銷售人員的人均銷售額、對於銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、采購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量情況等等。
② bi大數據分析系統哪種性價比高
大數據的側重點在於數據海量處理，主要是對非結構化的數據進行處理。大數據是傳統資料庫、數據倉庫、BI概念外延的擴展，手段的擴充，不存在取代的關系，也並不是互斥的關系。考慮實用性的話，傳統商業智能指基於傳統數據倉庫進行分析以輔助決，可以說BI工具會更適合一般企業，這是未來趨勢。在選擇方面，很多國內廠商比如億信BI會更貼近國內企業的情況。
③ 企業為什麼要使用bi系統bi系統又有什麼作用
bi系統可以提高企業的數據處理、數據分析效率，能將企業現有的數據進行有效的整合，為管理者提供報表並提出決策依據，幫助企業做出明智的業務經營決策。作用：BI系統可以將數據做可視化處理，數雲NewBI支持多來源，多維度數據整合，通過可視化呈現方式，提供靈活的自定義報表設計功能、手機端儀表盤功能以及數據許可權等功能。
有一款軟體就很好的運用了bi 系統更好的為軟體提供了便利。思邁特軟體Smartbi（思邁特軟體Smartbi）定位為一站式滿足所有用戶全面需求場景的大數據分析平台。
它融合了BI定義的所有階段，對接各種業務資料庫、數據倉庫和大數據分析平台，進行加工處理、分析挖掘和可視化展現。幫助企業推進「全民化、普惠式BI」，從管理層到一線員工，都能夠從企業數據獲取價值；打造企業數據文化，助力企業的數字化轉型。
bi系統靠不靠譜，來試試Smartbi,思邁特軟體Smartbi經過多年持續自主研發，凝聚大量商業智能最佳實踐經驗，整合了各行業的數據分析和決策支持的功能需求。滿足最終用戶在企業級報表、數據可視化分析、自助探索分析、數據挖掘建模、AI智能分析等大數據分析需求。
思邁特軟體Smartbi個人用戶全功能模塊長期免費試用
馬上免費體驗:Smartbi一站式大數據分析平台
④ 為什麼要使用bi數據分析系統
商業智能又名商務智能，英文為Business Intelligence，簡寫為BI。
2013 年，Gartner 集團對 BI 的概念進行了更新與擴展，在「Business Intelligence」一詞中加入「Analytics(分析/邏輯分析學」， 合並成「Analytics and Business Intelligence」（ABI，分析與商業智能），並且納入應用、基礎設施、工具、 實踐等多項內容 商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商等來自企業所處行業和競爭對手的數據以及來自企業所處的其他外部環境中的各種數據。
而商業智能能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。 可以認為，商業智能是對商業信息的搜集、管理和分析過程，目的是使企業的各級決策者獲得知識或洞察力（insight），促使他們做出對企業更有利的決策。商業智能一般由數據倉庫、聯機分析處理、數據挖掘、數據備份和恢復等部分組成。商業智能的實現涉及到軟體、硬體、咨詢服務及應用，其基本體系結構包括數據倉庫、聯機分析處理和數據挖掘三個部分。 因此，把商業智能看成是一種解決方案應該比較恰當。
商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合並到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。
⑤ 為什麼要上bi分析系統
從業務分析到智慧洞察
早在BI系統之前，企業就有了基於excel的財務報表分析。但是，隨著數據的增多，需求的提高，傳統報表系統面臨的挑戰也越來越多。
例如，我們可以在一張表中列出不同地區、同一產品的銷量，另一張表中列出不同地區、不同產品的銷量。但是，這兩張表無法回答諸如「某個城市某一類產品銷量的情況」等問題。而業務問題經常需要多個角度的交互分析。
（註：演示圖來自「永洪科技官網」，案例演示。）
當前，企業正在經歷從「粗放式」向「精細化」管理過渡的關鍵時刻。越來越多的企業在數據報表的基礎上，基於積累的海量數據，進入數據分析與數據挖掘的領域。
BI系統為企業的業務分析與數據挖掘提供了可能。
首先，BI系統以數據倉庫為基礎，由數據倉庫來匯總海量信息，管理者可以對同一數據進行多維度分析，在幾秒鍾內，輕松的出自己關注的數據信息。
比如，哪類產品對利潤總額貢獻最大？哪個分支機構為企業帶來較好的收益？採用何種的銷售渠道更佳呢？要回答這類問題用普通的分析方法也許可以得出答案；但更加深入的問題是為什麼會是這樣？以及業務該如何拓展？產品如何組合可以帶來更大的收益呢?這些是現代企業發展需要認真考慮的問題，也只有BI系統才可能幫助解決的。
從技術角度看，BI系統按維度與層次對各類主題建立數據分析模型，無論從哪個角度考量，分析的數據都會在瞬間呈現在管理者眼前。
其次，由於BI系統是基於對企業一手資料的分析，因而對企業的決策效果顯著，是一種輔助管理者的「決策系統」。管理大師明茨伯格在其代表作《管理工作的實質》中提到，「管理者平均在某個問題上花費的時間只有9分鍾」。那麼，如何才能在短時間內做出高效的決策？以支持決策為已任的BI系統，有了越來越廣的發展空間。
BI系統對企業關注的各類信息的整合、對比、抽象、分析，面向決策層直觀、簡潔展現，從而達到支持決策的目的。它可以直觀的讓決策者知道各項經營數據有沒有問題，如果沒有問題，就可以不再去管它，如果有問題，就可以馬上通過滑鼠轉到不同的維度，去找到問題的原因是什麼。把「拍腦袋」變成「看數據」進行決策，大大降低了管理者的決策風險，也讓管理者的決策更「有據可依」。
實施BI也須「私人定製」
與眾多的傳統軟體項目相比較，BI最大的特點在於，它不只是個IT項目。事實上，BI涉及到企業經營管理的各個方面，是一個企業重新梳理管理方法、管理流程、管理體系的過程。
如果把BI系統簡單的定位為IT系統，管理層沒有充分參與，沒有挖掘出管理上深層次的需求，最終將導致業務部門感覺系統對其幫助很小，只是一個統計系統或報表系統，將無法實現企業的預期目標。
因此，實施BI系統的前提是由「一把手」牽頭，對企業的管理方法、管理流程、管理體系的過程重新梳理。介於此，由「既懂現代管理又懂IT實施」的咨詢專家參與，將影響整個項目的實施成效。
⑥ 國內外有哪些比較實用的bi數據分析系統
國內外有很多好用的bi數據分析系統，比如思邁特軟體Smartbi。廣州思邁特軟體Smartbi有限公司（思邁特軟體Smartbi）成立於2011年，致力於為企業客戶提供一站式商業智能解決方案，以提升和挖掘企業客戶的數據價值為使命，專注於商業智能(BI)與大數據分析軟體產品與服務。
思邁特軟體Smartbi 伺服器部署採用 java 的 web 應用方式，服務端對環境沒有限制。功能比較齊全，像復雜報表、數據錄入、統計圖展示都支持，而且現在帶了 Word 和 PPT 插件，開發出來的報告格式效果比較好。
自助分析平台上線之後，業務人員難免會遇到各種問題，比如對數據的困惑、對功能的學習、對平台的操作等，都需要能盡快得到協助。此時在數據答疑模塊，我們能向系統運營團隊或者管理員詢問，平台用戶間也可交流。
當問題不便公開，還能設置 為私密性質，只有指定人員才能看到。更妙的是，提問人可以設置最佳答案，運營人員也可以對問答設置很多標簽，用戶可以根據自己的需求，使用不同的標簽來給問答設置分類管理，方便搜索，從而對問題和經驗也能有良好的沉澱。
數據分析有沒有用，來試試Smartbi就知道了,Smartbi產品功能設計全面，涵蓋數據提取、數據管理、數據分析、數據共享四個環節，幫助客戶從數據的角度描述業務現狀，分析業務原因，預測業務趨勢，推動業務變革。
思邁特軟體Smartbi個人用戶全功能模塊長期免費試用
馬上免費體驗:Smartbi一站式大數據分析平台
⑦ 投資學作業：從股票定價模型來分析香港金融危機 求解！！！
一、資本資產定價模型的理論背景
威廉•夏普建立了均衡的證券定價理論，即著名的資本資產定價模型(CAPM)：（1）其中，E（Ri）為股票i的預期收益率，Rf為無風險利率，E（RM）為市場組合的預期收益率，，即系統風險系數，是市場組合收益率的方差，βi表示股票i收益率變化對市場組合收益率變動的敏感度，用βi系數來衡量該股票的系統風險大小。CAPM說明：在證券市場上，非系統風險可以通過多元化投資加以消除，對定價唯一起作用的是該證券的β系數。因此，對CAPM的檢驗就是驗證β系數是否具有對收益的完全解釋能力。
二、CAPM在國內外的檢驗
國外在1970以後就開始了對CAPM的檢驗和β系數的穩定性研究，早期的檢驗結果表明，西方成熟資本市場中股票定價基本符合CAPM。但1980年以後，出現了大量負面的驗證結果。從1990年開始，國內一些學者對CAPM也陸續做了大量研究。陳浪南、屈文洲（2000）對上海A股市場對資本資產定價模型進行實證檢驗，根據股市中的三種市場格局(上升、下跌和橫盤)劃分了若乾的時間段得出不同β值的進行分析，得出的β值與股票收益率的相關性較不穩定，說明上海股票市場存在較大的投機性。阮濤、林少宮(2000)說明了上海股票市場不符合CAPM，基於CAPM模型對中國現階段的股票市場的分析和應用缺乏有效性依據。許滌龍，張鈺(2005)實證結果表明在滬市股票的收益與其β系數存在著顯著的正相關線性關系，但無風險收益率卻是負的，這說明上海股票市場具有明顯的投機特徵，是一個不夠成熟的股市。
三、數據說明和處理
本文選擇上海證券交易所上市的上證180指數成分股，選擇2009年1月9日到2010年12月22日期間的周數據，共有101個周數據，剔除在上述期間數據缺失的股票，樣本共包含152隻股票，本文選用上證綜合指數來替代市場組合收益，所用數據都已進行除權、除息復權處理，本文數據來源於Wind資訊。個股用周收盤價來計算它們的周收益率，計算公式如下：其中Rit是第i只股票在t時刻的收益率；pit是第i只股票在t時刻的收盤價。上證綜合指數的收益率計算同上，用Rmt來表示周收益率。對於無風險收益率的確定，本文使用一年期的定期存款利率來表示無風險收益率，折算成周收益率為：Rf=0.0455%。
四、CAPM實證和結果
本文在檢驗中用到的基本時間序列方程如下：（2）對於橫截面的CAPM檢驗,採用下面的模型：（3）（4）其中是第i只股票平均收益率（樣本均值來代替），βi是第i只股票的β值，在（4）的回歸中βi由模型（3）中的得到的回歸系數bi來替代。將回歸結果與CAPM模型（1）進行比較，檢驗CAPM在上海資本市場是否成立：（1）資產的風險和收益之間是否存在線性關系。如果模型（4）中參數其估計值不顯著異於零，則可認為資產的風險和收益之間僅存在線性關系。（2）資產的風險和收益是否正相關。如果參數γ1其估計值顯著異大於零，則可以認為資產的風險和收益是正相關的。此外，其估計值理論上應該等於E（RM）-Rf，即市場的超額收益率。（3）參數γ0其估計值不顯著異於Rf。
152隻股票的周收益率分別對上綜指的周收益率進行時間序列回歸，得到152隻股票的bi值。然後以152隻股票的周收益率為因變數，各個股票回歸出來的值為自變數對模型（3）進行回歸，其結果為表1結果可以發現βi值在5%顯著性水平下顯著,而常數項γ0僅在10%的顯著性水平下顯著。即收益率與系統風險(β值)存在的線性顯著性較強。下面來檢驗回歸出來的γ0和無風險收益率是否有顯著差異。γ0=0.002945，Rf=0.0455%，其檢驗的t值為此結果表明γ0和Rf在顯著性水平5.97%下有顯著區別，這與CAPM不吻合。下面來檢驗斜率系數是否顯著不同於E（RM）-Rf。由表1知γ1=0.005036，其檢驗的t值為在5%的顯著性水平下，γ1和E（RM）-Rf沒有顯著區別，這和CAPM相符。
為了進一步檢驗收益率與系統風險(β值)存在的非線性關系，對模型（4）檢驗得到的結果如下：根據表2的結果可以發現β值在5%顯著性水平下不顯著,而β2值在5%顯著性水平下顯著,這可以發現上海股票市場的除了系統風險的影響之外，與收益率風險的非線性關系即非系統風險對上海股票市場的收益率影響也較大。從表1和表2的結果可以看出，其中γ0是正數，這個與CAPM相吻合，但是以往的大部分文獻中得出常數項為負值，而此處的結果得出γ0較顯著的大於Rf，這是由於金融危機後，2009年與2010年的利率維持在較低水平，而上證A股指數從金融危機後較低的點位正在上升的過程中。
五、總結
根據上述CAPM的有效性檢驗，可以得出以下結論：(1)上海資本市場股票組合的平均超額收益率與其系統風險之間存在正相關關系，並且同時與非系統風險之間存在顯著的線性關系。說明上海股票市場的股票定價不僅僅受系統風險的影響，而且受非系統風險的影響。(2)模型(3)中的斜率系數與平均超額收益率沒有顯著區別，常數估計值較顯著大於無風險利率，與之前的大部分文獻得出常數項大部分為負值不同。這由於金融危機後的這個特殊時期的貨幣政策和股市走勢有關，同時也反映出上海股票市場正在逐步邁向成熟的過程之中。
⑧ BI系統是什麼意思呢
BI系統是（行為識別behavior identity）行為識別系統，直接反映企業理念的個性和特殊性，是企業實踐經營理念與創造企業文化的准則，對企業運作方式所作的統一規劃而形成的動態識別系統。
包括對內的組織管理和教育，對外的公共關系、促銷活動、資助社會性的文化活動等。通過一系列的實踐活動將企業理念的精神實質推展到企業內部的每一個角落，匯集起員工的巨大精神力量。
(8)bi股票分析系統擴展閱讀
行為識別系統對內的活動包括：幹部教育、員工教育（這里又包括服務態度、服務技巧、禮貌用語和工作態度等）、工作環境等項目。對外活動包括：市場調查、產品銷售、公共關系、廣告宣傳、促銷活動等。各企業積極參與社會事件和公益文化活動，也屬於活動識別的范疇，其目的主要在於贏得參與活動的社會公眾的認同。
一切BIS活動，應該是從人出發，再回到人本位，使活動充滿人情味，有關心人的親和感。這對包括公關、促銷等活動，是非常重要的。同時，應當讓企業的宗旨、企業精神及形象設計滲入到生活領域中去，因為生活領域比銷售領域更寬廣。
CI 滲入到生活領域應當不是強制性的，而是讓人們在不知不覺中接受的，默默地體味到企業的關懷，樹立起良好的企業形象。
例如福特汽車的關懷是這樣向世人傳達的：在汽車的斑馬線上，一位白發蒼蒼的老人正准備過馬路，但車水馬龍，誰也不肯停下一會兒，這時畫外音：「人人都有老時」。這是一則成功的廣告，雖未直接推銷自己的產品，卻給人留下了深深的思考，並留下了關心他人的福特汽車的企業形象。
⑨ 幾種典型的BI的系統架構分析
幾種典型的BI的系統架構分析
隨著商務智能（BI）理論的不斷發展，商務智能的系統架構已經從單一的理論衍生出多種架構，如分布式商務智能架構，聯合商務智能架構等。下圖是BO公司定義的商務智能的基本架構，它是一種開放式的系統架構，可以分布式集成現有的系統。從這個架構中，我們可以比較清楚的看出目前商務智能架構的模式。包括數據層、業務層和應用層三部分。數據層基本上就是ETL過程。業務層主要是OLAP和DataMining的過程。在應用層里主要包括數據的展示，結果分析和性能分析等過程。在實際應用中，由於每個公司的規模和組織架構的不同，在實施商務智能選擇系統架構的時候要結合公司的特點，選者最合適的架構。下面就介紹幾種現實系統中的幾種BI架構。
BO公司定義的BI架構
1、簡單的BI架構
這是目前比較常用的商務智能架構，所有的數據集中管理，集中分析，最大的優點是容易管理和部署，系統結構簡單，容易維護，適用於小型商務智能系統。缺點是對於跨地域部署比較困難，數據實時性差，可擴展性差。
簡單的BI架構
[page] 2、聯合的BI架構（Federated BI Architecture）
這種架構比較符合實際的需求，能夠集成自定義的數據倉庫，外包的數據倉庫，架構化的數據倉庫，非架構化的數據倉庫，分析系統等。應用於多數據倉庫的集成和管理。特點是適用於加速time-to-market,需要高層力量的驅動。成功關鍵因素：共享一致的的重要的Metrics度量和維度；需要提供統一的標准，擁有企業級的ETL工具和集成的元數據；需要貫穿於整個團隊的溝通。聯合的BI架構包括：集中逆向商務智能架構，分布逆向商務智能架構，集中順序商務智能架構，分布順序商務智能架構及混合架構等。
聯合的BI架構（Federated BI Architecture）
2.1 集中逆向BI架構 （Centralized Upstream BI Architecture）
·通常用於中小組織
·需要良好的保管者的溝通
·需要高級執行者買進
·受限於逆向成功慣例（成功的變化是與任何單一實體的進行嘗試是成反比的）
集中逆向BI架構 （Centralized Upstream BI Architecture）
[page] 2.2 分布式逆向BI架構 （Distributed Upstream BI Architecture）
·中小組織和大型組織都適用
·是大多數從下至上注重實效表現的逼近系統
·更多的考慮多數人意見
·更多的限制於大多數人意見
·實施團隊需要良好的溝通
分布式逆向BI架構 （Distributed Upstream BI Architecture）
2.3 集中式的順序BI架構 （Centralized Downstream BI Architecture）
·適用於長期數據倉庫項目
·用於緊密配合多管道的在巨大組織中到處存在的DW/DM系統
·經常目標設定為特殊功能組織或行政中心
·需要高層在所有的擁有者進行決策
·需要為已有系統在實施團隊和支持團隊建進行良好的溝通
集中的順序BI架構 （Centralized Downstream BI Architecture）
[page] 2.4 分布式順序BI架構（Distributed Downstream BI Architecture）
·適用於大型多元化組織
·容易適應各種不同的沖突
·容易轉換到不同的環境
·需要為已有系統在實施團隊和支持團隊間進行良好的溝通
分布式順序BI架構（Distributed Downstream BI Architecture）
2.5 混合型BI架構 （Hybrid BI Architecture）
·比任何理想化模型更接近現實情況
·更適應自然的聯盟
·元數據集成更具有挑戰性
混合型BI架構 （Hybrid BI Architecture）