管理软件的实施一直是成功应用管理软件的关键，商业智能软件的实施，同样对商业智能系统的应用起到至关重要的作用。商业智能的工作原理主要是两大部分：首先是对源数据的抽取、转化、集合，将分布在财务、物流、生
产等各个部分的数据集中存储。然后是依据管理模型对存储以后的数据进行多维多点的分析，以找到各数据之间的关联，提出管理的决策依据。本文以博科商业智能--财务智能仓(BI-FIW)在上海帝高绒毛服饰有限公司的应用为例，从商业智能的数据仓库建设和智能系统实施两部分出发，阐述运用“立体解析实施法”实施商业智能系统的主要过程。
上海帝高绒毛服饰有限公司(简称帝高羊绒)是上海市唯一的一家具有从原料精梳加工、染色、纺纱、成衣全套生产能力的专业羊绒衫生产企业，公司创立于1989年1月，其产品“百纯帝高”羊绒衫不仅畅销全国，而且远销欧、美、亚等多个国家与地区。帝高羊绒治理结构为董事会领导下的总经理负责制，在全国十几个省市拥有近200多个营业网点，管理涉及的地域范围和业务范相当广泛。
中国加入WTO以后，帝高羊绒凭借精湛的工艺技术和优良的产品品质，产品的国际市场竞争力日益增强。随着公司不断发展，企业如何面对瞬息万变的市场环境，依据历史经营管理数据做出快速的经营决策，成为帝高羊绒管理者急需解决的问题。2003年10月，帝高羊绒开始使用博科商业智能——财务智能仓系统(BI-FIW)，希望通过商业智能来建立起企业历史管理数据之间的相互关系，满足企业快速决策的管理需要。
数据仓库建设
对企业自身来说，数据仓库的建设是一个系统工程，是一个不断建立、发展、完善的过程，通常需要较长的时间。这就要求各企业对整个系统的建设提出一个全面、清晰的远景规划及技术实施蓝图，将整个项目的实施分成若干个阶段，以“立体建模、分部解析、过程评估”为原则，不仅可迅速从当前投资中获得收益，而且可以在已有的基础上，结合其他已有的业务系统，逐步构建起完整、健壮的数据仓库系统。
2001年帝高羊绒采用博科软件进行企业信息化建设，并着手建立企业的数据仓库，通过3年的逐步建设，帝高羊绒信息化数据已经涉及采购、销售、库存、往来、总账等业务内容。在数据仓库的建设过程中，帝高羊绒以博科资讯独有的立体解析实施法为原则，按照快速原型法予以实施，主要实施内容包括：确定范围、环境评估、分析、设计、开发、测试和运行等几个阶段。帝高羊绒的数据仓库建立后，又经历了在原型的基础上进行不断迭代的过程，特别是2003年10月份以后，博科资讯的实施人员对帝高羊绒的数据仓库进行了进一步升级，以满足商业智能系统的运行需要。
1、确定范围
确定范围的主要任务包括了解方向性分析处理需求，确定信息需求，确定数据覆盖范围。方向性需求包括：决策类型、决策者感兴趣的问题(或对象)等。在确定范围时应该重视的因素是必须用户驱动和数据驱动相结合，同时可以借鉴国内外已有的成功经验。
2、环境评估
环境评估是对企业数据仓库系统建设的硬件环境和软件环境进行选型和准备。在硬件平台选择中需要选择与数据仓库系统规模相适应的核心服务器，同时数据仓库系统平台与业务处理平台应该相分离。软件平台的选择主要包括数据仓库引擎、OLAP引擎、前端分析展现工具的选择。产品进行测试是软件选型的一种有效方法，各个企业可以根据自身的数据状况对各类产品进行测试。
3、分析
分析阶段主要包括两个方面的任务是深入了解数据源和分析数据仓库系统所包含的主题域及其相互之间的关系。分析阶段必须坚持用户参与，并且与原有系统开发或维护人员进行深入的沟通。
4、设计
数据仓库设计的主要任务包括与操作型系统接口的设计和数据仓库本身的设计两个部分的内容。其中与操作型系统接口的设计主要是指数据抽取、清理、转换和刷新策略的设计。从多个不同的数据源中抽取数据，需要解决数据的不一致性，保证数据的质量。其中的不一致性主要包含模式冲突和语义冲突。从操作型数据库模型到数据仓库模型的转变需要大量细致的工作，例如：
◆消除纯粹是操作型的数据;
◆将包含在多个表中的有关数据进行合理合并;
◆适当增加部分导出数据;
◆在码值中增加时间关键字;
◆按照合适的数据粒度进行综合。
5、开发
开发阶段所要完成的主要内容包括数据仓库建模、数据抽取和加载模块、数据访问模块以及开发实际应用。实际应用开发建议从急需的业务开始进行，应该重视的因素包括必须有行业专家的参与，同时必须有数据仓库专家的参与。
6、测试
测试是保证系统可靠性的重要手段。数据仓库测试与一般软件系统测试不同的是数据仓库的测试不仅包括对软件系统的测试，同时包括对数据的测试。在测试阶段必须保证测试的充分性，同时注意测试数据的覆盖范围。
7、 运行
系统运行主要包括用户培训、数据加载、数据访问及应用等。在数据仓库系统的运行过程中，不断收集用户新的需求。数据仓库系统的建设不可能一蹴而就，它是一个不断建立、完善、健全的过程。这个过程是随着业务量、业务范围和客户的不断发展而发展的，其成长的速度非常之快，同时随着业务的发展，数据仓库的价值也将随之增长。