BI项目由于形成了诸如获取预期分析这样的业务领域而保持了一种业务优先权，公司指望着通过开发它们不断增长的数据源来更好的预测趋势，提高产品质量和创造有竞争力的优势。

　　传统的BI产品包括仪表盘、ad hoc查询和报表工具，利用历史数据和实时数据来确定趋势、回答相关的查询。预期分析，从另一方面讲，就是在大量历史和实时信息中探索，建立一种模型来推测可能会发生什么。

　　尽管IT预算有限，但客户还是乐于在BI和预期分析上投资。根据国际数据机构的2007年关于世界范围内BI工具的厂商份额的报告，2007，BI市场总体增长了12.1%，达到了70.5亿，连续三年保持了12%的增长率。高级分析工具是一个突出的部分，在2007年以13.1%的更高增长率达到了将近14亿。

　　预期分析是BI的未来

　　当数据支持着市场扩展的观点，所谓的预言方法不是真的新。来自诸如SPSS和SAS研究所这些老牌厂商的预期分析工具已经几十年了，最近也有更多来自FICO和KXEN这些小产品厂家的。但这种类别从来未被真正的广泛采纳，主要因为业务高度细化的本质和工具的用途，这些被认为对大量主流用户来说太复杂了。作为一种结果，预期分析工具被高级培训的专家和金融产业的统计师包含进来作为一种识别欺诈行为和潜在信用风险的手段;或者在零售部门，作为一种在现有客户基础上预测交叉销售和提升销售机会的方式。电信部门是另一个对预期分析的早期采纳者，利用工具来预测可能的用户活动比如参与率和支付率。

　　在今天特定的艰难经济时期和高度竞争的商业环境，像制造业这样的非传统部门也在开始关注如此高级分析功能的潜力。业界专家建议，一家企业投资于预期分析工具要有一个产生大量数据的可重复过程，这样的话，在执行上略微的提高就可以节省费用或者产生额外的收益。

　　比如，制造业可以利用这项技术来获得对大量处理过程或者设计平均无故障时间的认识，帮助他们有效地提升质量。通过预测供应链瓶颈和原料管理去了解某些材料的可靠性是另一个潜在的应用场景。

　　“所谓新的，是工商业者最终得出他们需要这些功能，而且他们看到了在日常生活中怎样利用这些工具的实践实例”，Claudia Imhoff说，他是数据仓库智能咨询解决方案的主席。

　　BI厂商增强他们高级分析功能

　　为了应对不断增长的客户要求，BI厂商正在增加费用，开拓性的添加他们的套件来满足预期分析和其他高级分析功能。一些厂商，诸如SAP已与在这个领域的固有领导者建立了伙伴关系;其他，如IBM已在研发主要的增强套件。BI套件已在功能上进行拓展，与此同时，在全面集成上还有大量工作要完成。

　　“这通常要花两年的时间。”TDWI研究组的主管Wayne Eckerson说。“概念版很快产生，接下来是一些虚饰的接口，然后就是对一系列更加健壮的接口和GUI的吸收。”

　　他们持续的努力和对分类增加的关注已使得BI工具更好的适合主流商务专业人士，而不是统计的黑带大师。

　　“这些工具、平台和管理大数据量的能力都已得到改进，不再是那样的令人不快了。” McKnight咨询集团的总裁William McKnight表示。

　　然而，正是因为市场开放并不意味着预期分析在其核心受众之外延伸不会再有挑战。一方面来讲，这需要配备一些人员来完成一些工作，致力于高级分析的小组须对有关的过程和数据有深刻理解和对分析/试验有很好的兴趣。大多数公司不会配备这样的小组却必须雇用正式的统计人员来处理他们的需求，这些人需要与传统的业务分析人员配合工作，或由在这一领域受过专门培训的BI顾问的帮助下工作。

　　与其他的BI倡议相比，数据质量仍然是一个巨大的障碍。

　　“正如利用BI，如果数据是假的那么预测也是假的。” Forrester Research公司的高级分析师James Kobielus说。他估计这些项目所涉及的75%的工作都花在了数据准备和数据清洗上。

　　此外，那些已上线预测分析系统的公司通常以烟道式运作，个别部门或分部分别创建自己的模式即使它们是从企业级数据仓库源中访问数据。

　　“这显然是对资源和带宽的一种浪费，公司并没有分享最佳做法”，Kobielus解释说。 “在一定程度上，现在发生的问题将汇聚在对企业级数据仓库数据进行数据挖掘的时候出现”。

　　针对这种情况，他承认这即使对数据仓库业界的领导者来说也是新的前沿，数据分析、回归和评分模型、数据挖掘逻辑都被转移到了企业级数据仓库，从而使它们可以在整个组织中发挥作用。

　　“这应让组织分享一整套的工具和最佳实践，同时提高建模团队的生产力和的一致性。”Kobielus解释说。