移动商务RFID技术的应用推广，能有效提高企业数据采集的速度和精度。数据的采集和集中是商业智能的重要基础，毫无疑问RFID技术对商业智能在企业的推广发展是件好事。
随着商业周期的不断缩短和采取措施的紧迫性不断增强，决策制订已经延伸到整个企业中，上至决策主管成员，下至生产线工人，越来越多的人需要迅速准确地访问对比参考数据信息，以使他们可以做出更富建设性的决策和采取最合理的措施。
商业智能让ERP系统 产生投资回报
尽管目前的ERP系统增加了大量的信息和报告，但在企业用户中的抱怨声仍不绝于耳。原因在于数据遍及企业各个角落，而他们无法有效、迅速、准确获得他们需要的信息；同时由于数据的分析样式不可复用，使得决策者、执行者每次都必须求助于IT人员来帮助解决问题。
商业智能已经成为企业利用ERP系统解决基础数据归集之后最迫切的应用部分。很多企业认为上ERP、HR、OA等基础信息事物处理系统后，就可以依靠系统改善企业的业务流程提高决策能力，实现IT投资的回报。但最终发现这些系统是通过业务人员的操作，对数据库进行增加、修改、删除等操作实现的是在线事务处理（Online Transaction Process）功能。
ERP事务处理系统的汇总、查询、输出等方面比手工业务方式具有一定的便捷性， ERP事务处理系统为商业智能应用提供的是基础的数据源，但无法提供决策信息功能。
商业智能（BusinessIntelligence）是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合，是在ERP等基础业务系统上产生的更高层次分析决策系统。
商业智能应具有以下功能：
● 数据管理功能：从多个数据源ETL（抽取、转换、转贮）数据、清洗数据、数据集成能力；大量数据高效存储与维护能力。
● 数据分析功能：具备OLAP、Legacy等多种数据分析功能；终端信息查询和报表生成能力；数据可视化能力。
● 知识发现功能：从大型数据库中的数据中提取人们感兴趣的知识的能力。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念（concepts）、规则（rules）、规律（regulations）、模式（patterns）等形式。
● 企业优化功能：辅助企业建模的能力。
商业智能的技术体系主要由数据仓库（DW）、在线分析处理（OLAP）以及数据挖掘（DM）三部分组成。
● 数据仓库是商业智能的基础，许多基本报表可以由此生成，但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子，数据仓库能供给它们所需要的、整齐一致的数据。
● 在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来，能够真正为用户所理解的，并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
● 数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
基于以上商业智能的功能特性，大家认同商业智能的决策分析功能是上ERP业务处理系统的根本目标。商业智能将成为继企业ERP系统普及热潮之后新的应用热点。
IBM公司表示将加强与软件厂商SAS在商业智能领域的合作，吹响了进军商业智能市场的号角。
智能导航帮助ERP 实施应用成功概率增加
商业智能应用对于国内ERP企业而言，目前还略有难度。国内ERP企业缺乏两个主要因素：1、成熟的商业智能开发技术；2、科学合理的国际化需求、规范。
ERP系统实施应用失败的原因是多方面的，厂商和应用者也是众说纷纭各执一词。但有一种情况是目前普遍存在的，即ERP软件的易用性差， ERP软件应用企业的业务人员计算机应用水平普遍较低，没有完整的ERP业务流程知识。这种情况需要双方共同努力谋求改变。如同当年财务软件厂商和客户对财务电算化的共同促进一样。
目前摆在国内ERP软件企业面前有一个可行的智能导航技术应用方案——利用智能引导方式，来引导ERP操作者进行相关流程业务操作。目前，软件企业智能导航应用较多的是在安装、卸载方面，通过逐步引导让用户进行业务操作。而在ERP业务流程处理方面，目前还没有企业采用此种技术方式。
ERP厂商可以利用智能导航技术帮助企业解决问题，通过智能导航设定不同的角色和任务，使得操作人员可以在完成一项操作后自动引导进行下一步工作。从技术角度来讲这是比较容易实现的，采用事件触发下一个事件的操作方式即可实现。
简单的入门门槛，企业迫切的需求，为ERP智能导航技术的应用推广提供了必要的前提条件。
无论是商业智能还是智能导航，两个层次的技术应用都对改变国内ERP市场的现状有着深远的意义。
