هوش تجاری

هوش تجاری

هوش تجاری یا Business Intelligence یا BI مجموعه‌ای از دانش‌ها، مهارت‌ها و ابزارهای کاربردی برای جمع‌آوری و پردازش و دسترسی به داده‌های سازمان است. هوش تجاری یک نوع ساختار و معماری و شامل گروهی از برنامه‌های کاربردی است و به عنوان محصول یا سیستم شناخته نمی‌شود.

هوش تجاری (BI) یک فرایند مبتنی بر فناوری است که به‌منظور تحلیل  داده‌ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران جهت اتخاذ تصمیمات بهینه به‌کاربرده می‌شود. هوش تجاری (BI) شامل مجموعه‌ای از ابزارها، برنامه‌های کاربردی و متدولوژی‌ها است که با جمع‌آوری داده‌ها از منابع  درون‌سازمانی و  برون‌سازمانی، داده‌ها را برای تجزیه‌وتحلیل آماده می‌کند، امکان اجرای پرس‌وجو (Query) را مهیا می‌سازد، گزارش‌ها و داشبوردها را ایجاد می‌کند به‌نحوی‌که این گزارش‌ها در اختیار تصمیم گیران و همین‌طور کارکنانBPMS  قرار گیرد.

تعریف دیگر هوش تجاری یا هوش سازمانی مجموعه‌ای از روش‌ها و فرآیندهای تبدیل داده‌های خام به اطلاعات و دانش است.

ابزارهای مختلف که در فرآیند هوش تجاری به کار گرفته می‌شوند تنها نقش ابزار را دارند و به تنهایی هوش تجاری به حساب نمی‌آیند.

پیاده‌سازی صحیح هوش تجاری در سازمان سبب می‌شود تا تصمیم‌گیری بر اساس واقعیت‌های موجود سریع و دقیق به انجام برسد و هزینه‌های ناشی از تصمیمات نادرست به حداقل کاهش پیدا کند. با استفاده از هوش تجاری، شناخت موقعیت‌ها و تهدیدها آسان‌تر از گذشته امکان‌پذیر خواهد بود.

تصمیم‌گیری سنتی در مقابل تصمیم‌گیری با هوش تجاری

در تصمیم‌گیری سنتی، ارتباط کامل میان بخش‌های مختلف سازمان وجود ندارد و بسیاری از تصمیمات به صورت بخشی و یا با اطلاعات ناقص و برآوردهای ذهنی توسط مدیران به انجام می‌رسد.

در یک فرآیند تصمیم‌گیری سنتی، حتی ممکن است بخش‌های مختلف از ابزارهای هوشمند مانند CRM و حتی ERPاستفاده کنند و در تصمیم‌گیری‌های درون بخشی از آن استفاده کنند. ولی اثر این تصمیم‌ها بر سایر بخش‌های سازمان به آسانی یا در زمان مناسب قابل شناسایی نیست.

با استفاده از هوش تجاری، اثر هر فعالیت یا تصمیم در بخشی از سازمان روی عملکرد کلی یا متغیرهای تعریف شده خروجی قابل محاسبه است و در نتیجه حتی تصمیم‌گیری‌های بخشی و جزئی نیز می‌توانند هوشمندانه و بهینه اتخاذ شوند.

نکته‌ی دیگر در هنگام پیاده‌سازی هوش تجاری، کاهش وابستگی و کم کردن اثر تصمیمات شخصی و سلیقه‌ای افراد در سازمان است. با آمدن و رفتن افراد به سازمان، رفتارهای بهینه که در BI طرح‌ریزی شده‌اند، کمترین تغییر را خواهند داشت.

انواع مختلف داده‌های خام

داده‌های سازمان از بخش‌های مختلف آن شامل مواد اولیه، طراحی، تولید، فروش، منابع انسانی، حسابداری و تمامی بخش‌های دیگر سازمان جمع‌آوری می‌شوند. این داده‌ها می‌بایست با یکدیگر مرتبط شوند و در محلی یکپارچه شوند. پردازش بخشی از داده‌ها ممکن است پیش از یکپارچه‌سازی یا پس از آن به انجام برسد.

نقش نرم‌افزار در هوش تجاری

نرم‌افزارهای مدیریتی شامل داشبوردها، سیستم‌های جمع‌آوری، یکپارچه‌سازی و پردازش و گزارش‌گیری از اطلاعات خام ابزار اصلی در هوش تجاری به شمار می‌روند. در اختیار داشتن ابزار مناسب، تضمین‌کننده‌ی موفقیت برای رسیدن به اهداف مورد نظر در هوش تجاری است.

بخش‌های جمع‌آوری داده، یکپارچه‌سازی آن‌ها، پردازش و تبدیل داده‌های خام به دانش هر یک ممکن است به نرم‌افزارهای مختلف و توسعه‌ی ابزارهای جدید نیازمند باشد.

شناخت مناسب از ابزارهای موجود و تصمیم صحیح برای توسعه‌ی ابزارهای سفارشی به تجربه‌ی زیاد و دانش کافی در زمینه‌ی نرم‌افزار و سخت‌افزار نیازمند است.

پیچیدگی‌های فنی در هوش تجاری یا سازمانی

هرچند سخت‌افزار و نرم‌افزار به صورت مستمر در حال بهبود هستند ولی حجم و پیچیدگی اطلاعات هم به همین مقدار یا بیشتر افزایش پیدا کرده است. امروزه منابع تولید اطلاعات خام مانند دوربین‌های مدار بسته، سنسورهای دما، رطوبت و حرکت، رفتار و خریدهای مشتریان در فروشگاه اینترنتی، بازخوردهای شبکه‌های اجتماعی، رویدادهای بورس و بسیاری منابع دیگر تولید اطلاعات خام به صورت مستمر در حال تولید داده هستند. توانایی جمع‌آوری و پردازش لحظه‌ای این اطلاعات به دانش فنی بالا در زمینه‌ی Big Data یا کلان داده( جهت آشنایی با کلان داده به آرشیو مقالات نادین پردازش مراجعه کنید) نیازمند است. همچنین سخت‌افزارها هرچند قدرتمند به تنهایی نمی‌توانند این حجم اطلاعات را مدیریت کنند و برای این کار می‌بایست از سیستم‌های پردازش موازی بهره‌برداری شود.

از مزایای استفاده از هوش تجاری می‌توان به موارد زیر اشاره نمود:

§         تسریع و بهبود فرایند تصمیم‌گیری

§         بهبود فرایندهای داخلی

§         شناسایی فرصت‌های جدید

§         دستیابی به مزیت‌های رقابتی جدید

سیستم‌های هوش تجاری (BI) هم‌چنین می‌توانند به شرکت‌ها در شناسایی روندهای بازار و مشکلاتی که باید موردتوجه قرار بگیرند، کمک نمایند.

داده‌های هوش تجاری (BI) می‌تواند شامل اطلاعات قدیمی و یا داده‌های جدیدی باشند که از سیستم‌های منبع داده تولیدشده‌اند و تحلیل گران هوش تجاری را قادر به پشتیبانی از فرایندهای تصمیم سازی استراتژیک و تاکتیکی می‌سازند. در ابتدا، ابزارهای هوش تجاری توسط تحلیلگران داده و سایر متخصصین IT استفاده می‌شدند به صورتی که آن‌ها تحلیل‌ها را بر روی‌داده‌ها اجرا می‌کردند و گزارش‌ها را به‌عنوان نتایج پرس‌وجو (Query) برای کاربران کسب‌وکار تولید می‌نمودند. پس‌ازآن با توجه به توسعه ابزارهای خویش خدمت هوش تجاری (Self-Service BI) و جستجوی داده، مدیران سازمان و کارمندان نیز در استفاده از ابزارهای هوش تجاری (BI) توانمند شدند.

هوش تجاری (BI) شامل مجموعه وسیعی از برنامه‌های کاربردی نظیر تحلیل‌های موردی و پرس‌وجو (Query)، گزارش ساز، پردازشگر تحلیلی آنلاین (OLAP)، هوش تجاری موبایل، هوش تجاری بلادرنگ، هوش تجاری عملکردی، هوش تجاری و سرویس های ابری، هوش تجاری متن ‌باز، هوش تجاری اشتراکی و هوش منطقه‌ای هست.

فنّاوری هوش تجاری همچنین شامل نرم‌افزارهای بصری سازی داده برای طراحی نمودارها و سایر داده نمایی‌ها ابزارهایی برای ساخت انواع داشبوردها می‌شود. برنامه‌های کاربردی هوش تجاری را می‌توان از کمپانی‌های متفاوتی خریداری نمود و یا آنکه به‌صورت یک پلتفرم مجتمع از یک کمپانی تهیه کرد.

برنامه‌های هوش تجاری همچنین می‌توانند ترکیبی از انواع تجزیه‌وتحلیل پیشرفته را ارائه دهند، مانند داده‌کاوی، تحلیل‌های پیشگویانه، متن‌کاوی، تحلیل‌های آماری و تحلیل کلان داده‌ها.  در بسیاری از موارد، پروژه‌های تجزیه‌وتحلیل پیشرفته به‌وسیله گروه‌های جداگانه‌ای از کارشناسان داده، متخصصین آمار، مدل‌سازان و سایر متخصصین تحلیل رهبری و مدیریت می‌شوند، درحالی‌که گروه هوش تجاری بیشتر بر پرس جوها (Query) و تحلیل‌های داده‌های کسب‌وکار نظارت می‌کند.

داده‌های هوش تجاری معمولا در یک انبار داده یا یک داده‌گاه (Data mart) کوچک‌تر که زیرمجموعه‌ای از اطلاعات شرکت است ذخیره می‌شوند. به‌علاوه، سیستم‌های Hadoop به‌صورت گسترده به‌عنوان انباره‌ها در معماری‌های هوش تجاری و مخصوصا برای داده‌های بدون ساختار، فایل‌های لاگ و گونه‌های دیگر کلان داده‌ها استفاده می‌شوند. قبل از آنکه این سیستم در برنامه‌های کاربردی هوش تجاری استفاده شود، داده‌های خام از منابع مختلف بایستی مجتمع می‌شدند و به‌وسیله ابزارهای کیفیت داده بررسی می‌شدند تا از صحت داده‌های تحلیلی اطمینان حاصل می‌گشت.

گروه‌های هوش تجاری، علاوه بر مدیران هوش تجاری، به‌صورت عمومی شامل ترکیبی از معماران هوش تجاری، توسعه‌دهندگان هوش تجاری، تحلیل گران کسب‌وکار و متخصصین مدیریت داده هستند. البته کاربران کسب‌وکار  نیز به‌عنوان نماینده کسب‌وکار جهت ایجاد اطمینان از پوشش نیازهای کسب‌وکار در فرایند توسعه هوش تجاری، مشارکت می‌کنند.

در همین راستا تعداد رو به رشدی از سازمان‌ها در حال جایگزینی توسعه آبشاری با رویکردهای هوش تجاری چابک هستند. این رویکردها از فن‌های توسعه نرم‌افزار چابک  جهت تقسیم پروژه به بخش‌های کوچک‌تر و ارائه کارکردهای جدید به کاربران نهایی به‌صورت افزایشی و تکرارپذیر استفاده می‌نمایند. این نحوه عملکرد، سازمان‌ها را در زمینه ارائه سریع‌تر توانمندی‌های هوش تجاری و بهبود روند توسعه هوش تجاری هم‌زمان با تغییر نیازمندی‌های کسب‌وکار توانمند می‌سازد.

بنابراین هدف از هوش تجاری تفسیر آسان حجم زیادی از داده‌ها  با استفاده از مجموعه‌ای از ابزارها هست.شناسایی فرصت‌های جدید و اجرای مؤثر یک استراتژی با بینشی عمیق، می‌تواند مزیت‌های رقابتی جدید و توسعه پایدار را برای سازمان‌ها به ارمغان آورد.

سه بخش کلی فرآیند تصمیم‌گیری نیازمند به هوش تجاری

مهم‌ترین نیاز یک مدیر، داشتن اطلاعات دقیق برای اتخاذ تصمیم درست است. فرایند تصمیم‌گیری می‌تواند به سه بخش کلی زیر تقسیم شود. با توجه به انواع مختلف تصمیم‌گیری (بر اساس میزان ساخت‌یافته بودن آن) هر یک از بخش‌های اهمیت متفاوتی خواهند داشت.

1.       دسترسی، جمع‌آوری و پالایش داده‌ها و اطلاعات موردنیاز؛

2.       پردازش، تحلیل و نتیجه‌گیری بر اساس دانش؛

3.       اعمال نتیجه و نظارت بر پیامدهای اجرای آن.

در هر یک از موارد فوق، سازمان‌های قدیمی که از هوش تجاری استفاده نمی‌کنند، دارای مشکلاتی هستند که اغلب از عواملی چون حجیم بودن داده‌ها، پیچیدگی در تحلیل‌ها و ناتوانی در ردگیری نتایج فرایندها و پیامدهای تصمیمات گرفته‌شده، نشات می‌گیرند.

هوش تجاری با کمک به حل مشکلات فوق، به دلیل ساختاری که در سازمان به وجود می‌آورد، فرصت‌های جدیدی نیز برای رشد سازمان ایجاد می‌کند و نه‌تنها عامل حذف مشکلات است، بلکه با صرفه جویی در زمان و هزینه، شرایط کاری را دگرگون می‌سازد.

هر کس در یک شرکت تنها می‌تواند کارش را به بهترین نحو انجام دهد. اگر تصمیم‌گیری‌ها در سازمان‌ها بر مبنای اطلاعات واقعی باشد تا بر مبنای بهترین حدسیات و یا اینکه چگونه درگذشته آن کار را انجام می‌داده‌اند، کارها به‌درستی پیش نخواهد رفت. دراین ‌باره نیاز به مستندات است، مستندات از همه عوامل یک سازمان، مجموع این مستندات و آمارها است که مانع از سعی و خطا می‌گردد

چرا باید برایمان مهم باشد؟

نتایج پژوهش های اخیر گروه SMB –تحت عنوان "راه های SMB به سوی مطالعات بازار"- نشان می دهد که نظر SMBمبنی براینکه «از داده های موجود، دید بهتری به دست بیاوریم» بزرگترین چالش آنها در زمینه فناوری است.

راهکارهای هوش تجاری می تواند این مسئله را با فراهم نمودن چارچوب و ابزارهای اندازه گیری و مدیریت اهداف تجاری و نیز هدایت سناریوهای "در صورت وقوع این مسئله، چه خواهد شد" در زمینه ارزیابی اقدامات ممکن، حل و فصل نماید.

در سازمانهای بسیار خرد، اغلب برنامه های صفحه گسترده و نیز ابزارهای موردی برای این امر کافی است، لیکن هنگامی که سازمانها بزرگتر می شوند، مقدار داده هایی که افراد تصمیم گیر بدان نیاز دارند، نیز افزایش می یابد: محصولات و خدمات جدید، فروش، بازاریابی و سایر سیستم هایی که برای پشتیبانی از این افزایش موردنیاز می باشند.

در نتیجه، افراد بیشتری (در بخش هایی نظیر فروش، بازاریابی، مالی و ...) درگیر جمع آوری داده ها و تحلیل فرآیندها بوده و لازم است به شیوه های متفاوتی به داده ها بنگرند. مشکلاتی که در بکارگیری صفحه گسترده ها رایج است، به شرح ذیل می باشد:

·         راه اندازی و نگهداری از آن، کاری زمانبر، فشرده و سخت است. ایجاد مدلی برای یک سازمان، برنامه های سازمانی، توزیع و جمع آوری اطلاعات از مدیران مختلف، یکپارچه سازی صفحه گسترده های مختلف و نیز رفع خطای ماکروها و فرمول ها، کار بسیار مشکلی است.

·         عدم کفایت همکاری و نیز توانایی در بازخورد. صفحه گسترده های رومیزی، انفرادی بوده و امکان اشتراک گذاری و به روز رسانی لحظه ای داده ها را ندارند. بنابراین، فراهم شدن دیدی یکپارچه و دقیق، مشکل خواهد بود.

·         در معرض خطا. پژوهش ها نشان می دهند که 20 تا 40 درصد از کل صفحه گسترده ها، حاوی خطا بوده و هر چه پیچیده تر شوند، ضریب نرخ خطا در آنها نیز افزایش خواهد یافت. بدون ممیزی و پیگیری، ممکن است تغییرات و خطاها پنهان مانده و سازمان بر مبنای اطلاعات بد، تصمیم گیری نماید.

·         تحلیل و گزارش دهی ناکافی. جمع آوری اطلاعات و سرهم نمودن آنها با صفحه گسترده ها، امری طاقت فرساست. شاید اطلاعات جزئی که افراد تصمیم گیر بدان نیاز دارند، به سختی کسب شده و یا حتی تهیه آن ممکن نباشد.

راهکارهای هوش تجاری، مسیری را در اختیار سازمان ها می گذارد تا فرآیندهای گزارش دهی، تحلیل، تجمیع و یکپارچه سازی اطلاعات برای ایشان روان و هموار گردد. این راهکارها مبتنی بر پایگاه های اطلاعاتی یکپارچه بوده تا تمامی افراد درگیر در این فرآیند، دیدی واحد و در لحظه از داده ها به دست آورند.

بسیاری از این راهکارها، دارای داشبوردهای خویش خدمت و ابزارهای گزارش دهی بوده تا مشارکت در فرآیندها و نیز مدیریت آنها تسهیل گشته و در زمان، صرفه جویی گردد.

چه مواردی را در نظر بگیریم

تا همین اواخر، راهکارهای هوشمندی کسب و کار برای بسیاری از کسب و کارهای متوسط و کوچک، بسیار گران و البته پیچیده بودند. اخیرا فروشندگان تمام تلاش خود را به کار بسته اند تا این راهکارها را ساده تر، در دسترس تر و البته از نظر قیمت، منطقی تر نمایند. به طور مثال:

·         راهکارهای هوش تجاری برای موارد خاص. بسیاری از فروشندگان، نرم افزارهایی را عرضه نموده اند که در زمینه نیازهای تحلیلی مختص یک بخش ویژه یا یک فرآیند خاص متمرکز می باشد. با تمرکز بر روی نیازی خاص، می توان راهکارهایی را ارائه نمود که ساده تر و مقرون به صرفه ترند. به طور مثال، فروشندگانی مانند Adaptive Planning و Host Analyticsبه طور خاص بر روی مدیریت عملکرد شرکت تمرکز می کنند، Cloud9 Analytics بر روی مدیریت عملکرد فروش متمرکز است،Xactly در زمینه تحلیل های جبرانی فروش فعالیت دارد و Rosslyn Analytics تحلیل و مدیریت هزینه ها را هدف قرار داده است.

·         راهکارهای آماده همراه با هوش تجاری. برخی شرکتهای نرم افزاری بزرگ، بسته های جامعی را ارائه می دهند که شامل هوش تجاری، انبار داده ها و قابلیت های تحلیل است، در بسته های راهکاری خود تجدید نظر و تلاش نموده اند تا بر روی نیازهای مشخص و خاص، تمرکز کنند. به طور مثال شرکت SAP Business Objects Edge ماژول هایی برای برنامه ریزی و تثبیت و همچنین برای مدیریت استراتژی و امتیاز دهی از طریق کارت های امتیاز و شرکت Brist راهکارهای از پیش تعیین شده برای فروش، بازاریابی و مالی ارائه می کند.

·         تولیدکنندگان برنامه ریزی منابع سرمایه ای(ERP) و مدیریت ارتباط با مشتری(CRM) راهکارهای یکپارچه با هوش تجاری را فراهم می سازند. در حال حاضر، بسیاری از فروشندگان ERP و CRM برای کاهش زمان و هزینه و نیز تسهیل در اجرای هوش تجاری -سازگار با سیستم های موجود- راهکارهای یکپارچه ای ارائه می نمایند. مانند شرکتNetSuite  که با شرکت های Adaptive Planning و MyDials و Salesforce.com و Xactly همکاری داشته و راهکارهایی را برای مدیریت جبران فروش ارائه می دهند.

·         راهکارهای هوش تجاری "نرم افزارهای موردی(SaaS)"  در صورت نیاز مدل SaaS، هزینه های زیرساختی (در زمینه فناوری اطلاعات) را حذف نموده و به طور چشم گیری، مخارج سرمایه گذاری آتی را کاهش می دهد. بسیاری از فروشندگان و تولیدکنندگان نرم افزار، راهکارهای هوش تجاری خود را از طریق مدل SaaS ارائه می دهند.

امروزه، انتخاب های گسترده تری با توجه به نیازها و بودجه های SMB کسب و کارهای متوسط و کوچک وجود دارد. با این وجود، فروشنده ها بازار SMB را به گونه های متفاوتی ارزیابی و هدف قرار داده و تفاوت در قیمت، توانایی های راهکار و پیچیدگی آن را مشخص می نماید. پس ابتدا با ارزیابی دقیق از نیازهای داخلی خود شروع کرده و سپس با دقت، تحقیق و ارزیابی کنید که چگونه پیشنهادات مختلف، منطبق بر نیازها و محدودیت های سازمان شما است.

بسیاری از فروشندگان، امکان دسترسی به نسخه های رایگان، آزمایشی، نمایشی و غیره را فراهم نموده تا راحت تر بتوانید بررسی نمایید که این راهکار خاص، نیازهای شما را برآورده می سازد یا خیر. با صرف زمانی بیشتر برای ارزیابی آینده، انتخاب هایتان را مقایسه و ارزشیابی کنید. بدین ترتیب احتمال انتخاب راهکاری مناسب - که نیازهایتان را برآورده و بیش از نیاز و بودجه تان نباشد- را بالا می برید.

جایگاه هوش تجاری در ایران کجاست؟
به واقع یکی از نقش های تاثیرگذار BI در مدیریت کسب و کارها، روش گزارش دهی هوش تجاری است؛ از دید سنتی، گزارش دهی به عنوان فرآیند ایستا شناخته می شود که برای مثال مدیران در آخر هفته یا در یک زمان مشخص و با استفاده از این گزارشات تنها تصویری کلی از مکان اطلاعات به دست بیاورند. این در حالی است که  نرم افزارهای BIامروزی با خلق محیط پویاتر در مقایسه با گزارش های سنتی، مدیریت اطلاعات را به صورت هوشمندانه تری فراهم می آورند. این قابلیت، اجازه نظارت "به هنگام" اطلاعات را بدون نیاز به استخراج اطلاعاتی محیا می کند.

امروزه در دنیای پیشرفته تکنولوژی، به کارگیری هوش تجاری به عنوان ابزار تصمیم گیری آینده نگرانه امری مرسوم محسوب می شود و این در حالی است که در ایران هنوز BI به چشم ابزاری لوکس و مختص سازمان های بزرگ دیده می شود، اما واقعا جایگاه BI  در ایران کجاست؟
مهران رضایی، متخصص BI و استاد دانشگاه اصفهان به خبرنگار ایسنا می گوید:   BIهنوز نتوانسته به جایگاه واقعی خودش در ایران دست یابد، زیرا سازمان های ایرانی هنوز به قابلیت های BI اعتماد نکرده اند و مدیران هنوز برای اتخاذ تصمیم های مهم تجاری بر تجربه های مدیریتی اکتفا کرده اند.
به گفته وی، مدیران بخش خصوصی در زمینه به کارگیری BI نسبت به سازمان های دولتی در پله های بالاتری قرار دارند، چرا که دولت همواره پشتیبان مالی سازمان های دولتی بوده و به همین خاطر هیچ گاه طعم ورشکستگی برای این سازمان ها محقق نشده است، در واقع صرف هزینه های هنگفت مالی برای حل مشکلات جایگزین به کارگیری روش های موثر علمی نظیرBI شده است.
این استاد دانشگاه اصفهان می گوید: شرکت هایی در ایران هستند که مدعی استقرار هوش تجاری هستند، اما متاسفانه به صورت تخصصی در این حیطه حرفه ای نیستند و تنها کاری که می کنند لطمه به واقعیت قابلیت های هوش تجاری است، چرا که در صورت عدم صحیح استقرار هوش تجاری، ممکن است پروژه ای به شکست مختوم شود؛ در این صورت کسی متخصص BI را مقصر این رخداد نمی داند بلکه هوش تجاری را مسبب شکست می پندارند و با ادامه این روند است که اعتماد به هوش تجاری کم رنگ و ضعیف تر می شود.

ایران در زمینه فناوری اطلاعات حرف زیادی برای گفتن دارد، چه بسا که در دانشگاه های تراز اول ایران نظیر دانشگاه اصفهان، صنعتی اصفهان و شریف دانشجویانی با پتانسیل بالقوه ای وجود دارند که به محض فارغ التحصیلی می توانند بازار فناوری اطلاعات را متحول کنند، اما متاسفانه به دلیل عدم سرمایه گذاری و جهت دهی صحیح به این افراد، با خروج این نخبگان از ایران و استخدام آن ها در سایر کشورها و البته بهترین کمپانی های دنیا مواجه هستیم؛ البته در این بین نیز شرکت های خصوصی نظیر "رهنما کالج" وجود دارند که به طور خیرخواهانه خروجی های دانشگاه ها را پذیرفته و سپس پس از گذراندن دوره های چند ماهه آن ها را به برنامه نویسان حرفه ای و تمام عیار تبدیل می کنند که می توانند کیفیت دنیای فناوری را در ایران به سطح های بالاتری برسانند.

در دنیای پیشرفته، سازمان های مشاوره زیادی در حوزه BI وجود دارند، اما در ایران هنوز نهادی وجود ندارد که به طور ویژه از "هوش تجاری" حمایت کند، چرا که متاسفانه هنوز مفهوم BI در کشور ما به جایگاه درست خود دست پیدا نکرده است و این در حالی است که سازمان های خدماتی بزرگ بسیاری نظیر بانک و بیمه که ارتباط مستقیمی را با مشتری و ارزش های مالی دارند می توانند بیشترین بهره را از آن ببرند؛ البته باید اضافه کرد که با استفاده از self-service BI  یا همان ابزارهای خویش خدمت هوش تجاری، امکان گزارش گیری و مدیریت داده ها بدون نیاز به پشتیبانی مستقیم واحد IT، سازمان های کوچک و متوسط مقیاس نیز می توانند از مزایای BI بهره مند شوند.
 آینده هوش تجاری در ایران خوش بینانه است و این سازمان های مرتبط با فناوری اطلاعات هستند که می توانند در این زمینه یاری رسان باشند و رسالت خود را در حوزه  BI به جای آورند.