莫妮卡贝鲁奇限制照在很久以前我就试图把IT所承担的角色简化，经过几年的实践，其间包括成功和失败以及几次反复，最终我达成了目的：IT简化成了两个相互依存的角色：战略提升和高效运维。

　　这个原则确定了在商业智能战略方面的指导思想。就我个人而言，其中的逻辑是这样的：商业智能的价值就在于对决策水平的提升;相应地，更好的决策能够直接推动战略的实施。

　　Michael Porter是商业战略方面的大师之一，他认为：战略的本质就是要形成企业的竞争优势。因此，如果CIO们的任务之一是提升战略，那么他们就应该在构建并维持企业竞争优势方面进行直接地支持。

　　构建竞争优势的一个途径就是持续地进行决策优化包括产品、市场、运作和客户关系等以此来领先于竞争对手。在方法正确的前提下，更优的决策是商业智能助力企业发展的关键因素。

　　无论何时，当我考虑一个商业智能项目时，我都把它放到如何驱动更优决策的语境下。我会对自己和我的团队提出两个问题：1.如果没有阻碍的话，你预期将做出什么样的决策?;2.为了做出这些决策，你需要哪些方面的信息?

　　找到这两个问题的答案能够使我们避免将商业智能和报表工作相混淆，从而误认为商业智能是由IT部门来主导。相反，商业智能直接和决策优化相关 承担决策者的角色。我们的本职是提供决策优化所需的工具。

　　从小处着手。通常来说，提升决策水平的商业智能会涉及令企业感到畏惧的巨大变革，而决策本身就意味着责任的担当。当不能确定自己能够胜任相关工作时该怎么办呢?为了回避这种风险，我宁愿从小处开始 有时是非常微小的方面。我一般基于确定的原型开展有限的试点工作。

　　在确定试点范围方面，我一般找最愿意尝试新事物的团队，或者是正在面临最大困境的团队，然后围绕试点团队面临的决策及所需的信息来开始工作。在这些决策中再选取出一个子集作为我们的测试案例，并且针对这些案例设计商业智能。在确定取得了正面的效果后，我们再致力于下一个子集或者试点团队。

　　这种原型-试点的方法带来的另一好处就是能够降低投资风险。通常针对决策优化的投资是很难量化的，而相应的过程也充满不确定性。通过试点工作，我们能把项目控制在一个较小的规模上，同时能够以试点团队所取得的成果来充分证明收益。

　　基于未来的设计。在设计决策优化的过程中面临一个永恒的难题是：我们受限于技术本身或者无法获得相应权限来访问所需信息。我是这样来解决这个问题的：基于未来的某一时间点(技术和信息访问权限问题都不再存在)来进行商业智能设计。只有在不受限制的情况下展望可能的决策，我们的商业智能设计才能在技术和信息障碍消失时仍然有效。

　　以决策为中心来进行商业智能设计可以带来惊人的回报。比如，我们试图在新产品开发方面提升决策水平。首先我们思考对于这方面的决策需要哪些信息，然后通过交易系统的外部信息来更好地理解客户的需求。这也相应地增强了我们与客户之间的关系。

　　另外一个例子是，我们要在供应链管理方面进行决策优化。在搜集所需信息时，我们发现了一些信息方面的壁垒。因此在提供商业智能工具之外，通过打通信息通路，我们还实现了流程的改进。

　　最后一个例子：在假设能够知道零售端客户位置的前提下，我们设计了商业智能系统。于是，当有朝一日智能手机技术的障碍消除后，我们就可以利用用户的位置信息，并且已经设计好如何用这些信息来提升决策水平。

　　从事信息化20年，擅长信息系统的规划和整合，打通各种信息孤岛，从集团公司的 战略出发，使系统与业务紧密结合，去除无效工作，重塑价值链...

　　舍得酒业CIO，拥有超过15年世界一流跨国公司和专门从事信息化领域的管理经验，对现代企业信息化和数字化管理领域实践有独到的见解。