企业发展离不开信息技术的融合应用。如何提高数据的质量，以及提供有效数据支持企业规避在决策中带来的风险，也是目前商业智能与应用系统领域的研究重点。
商业智能BI的特点及发展方向
商业智能一般由数据仓库、数据分析、数据挖掘、在线分析、数据备份和恢复等部分组成。商业智能的工作原理主要是两大部分：首先对源数据的抽取、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。
企业对信息系统(IS)存在两个不同方面的需求：一是结合先进管理思想，能够高效集成企业内外部资源为企业战略目标服务的事务处理系统;二是将来能够使企业内部事务处理和企业外部的数据转化为信息。有需求就会有发展，到了20世纪90年代，IS技术发展出现了两个新的方向。企业资源计划(ERP)和数据仓库(Data Warehousing) ，这两种IS技术应用在企业中就能够解决上面提到的企业新遇到的问题，而这两种技术的相互融合与支持，也成为支持未来商业智能发展的一个基点问题。
ERP和数据仓库简介
企业资源计划(ERP)这一概念是由Gartner公司于20世纪90年代初提出的。ERP是一个融合了多种先进管理思想的信息系统，其核心管理思想就是实现对整个供应链的有效管理。如果我们从另外一个角度来看ERP，其发展过程也是将企业各种资源逐步集成到企业IS系统的发展过程。
数据仓库的概念则是由Bill Inmon提出的，目的就是为了解决企业遇到的“企业应用蜘蛛网”现象和更好地支持管理决策。数据仓库技术，简单地说就是将企业内外部的数据进行全面地集成、清洗和整理，去除一些纯事务性的数据，将企业数据按主题放置到一个“仓库”中，然后再在此基础上建它各种决策支持应用为企业服务。ERP和数据仓库这两种信息技术能够分别提供企业的事务处理和决策支持功能，将两者集成，就形成一个完整的企业IS系统体系结构。
基于ERP的数据仓库
前面提到企业信息系统要能提供事务处理和决策支持两方面的功能。当企业实施了ERP之后，企业所遇到的第一个问题就可以得到解决，剩下的问题就是如何把ERP系统事务数据和其它外部数据集成转化为信息。
ERP是一个技术型信息系统，也是一个包含了多种先进管理思想的社会型信息系统，它强调的是管理的先进性、及时性、安全性、可靠性等。虽然，现在的ERP软件系统都提供了部分的管理决策支持功能，如各种报表等，但这些并不能完全解决企业对管理决策的需要，因为毕竟ERP在系统设计时关注的是数据的“入”而非“出”，要从中实时取得有价值信息是比较困难的。
如果将ERP的事务数据经过清理转入数据仓库，再在数据仓库基础上建立各种分析型应用的话，那将是一个绝佳组合，ERP处理企业事务，数据仓库辅助企业管理决策，各司其职。建立基于ERP的数据仓库，首先是分析ERP的数据模型，在其基础上建立相应的数据仓库数据模型，这时对关键数据的识别、整理、清洗、转化和主题域的确定非常重要，之后的数据抽取程序建立等下作也不容忽视。企业决策所需的信息也不仅仅全部来自ERP系统中，还有一部分数据来自于企业内部其它系统和企业外部，在建立企业数据仓库时，也必须将之和ERP数据进行整合放入数据仓库中。
有了基于ERP的数据仓库系统，就可以建立各种商业智能应用。针对企业各部门和ERP系统模块，对外可以建立供应商分析、客户分析。内部可以建立生产、库存、销售、人事和财务等分析系统，并且这些系统可以进行交叉分析，例如可以对某员工在某时间段对某客户的销售情况进行交叉多维分析，还可以进行一些高级的数据挖掘分析等。
建立基于ERP的数据仓库需要注意的问题
分别建立ERP和数据仓库的目的是将企业事务处理和决策支持相分离;而两者集成的目的是为了更好的把ERP中的事务处理数据和外部数据转化为管理决策所需的信息。并能够对这些数据进行多维深度挖掘。
但是，要真正建立一个良好的基于ERP的数据仓库却不是件容易的事。建立基于ERP的数据仓库面临的问题总的来说集中在两个方面：一是如何将事务处理逻辑模型和数据仓库模型对应起来，并将ERP事务处理和外部数据转入数据仓库中，即数据仓库的建立;二是在数据仓库基础上如何构建企业的商业智能来支持企业的管理决策活动，即数据仓库的应用。
ERP系统中，一般数据库的表会达到几千张，要将数据从ERP向数据仓库迁移，构建这种数据转换抽取程序也是非常困难的。在建立商业智能应用时，如报表查询、多维分析和数据挖掘等，要结合企业具体的需求和一些高级商业应用系统所提供的功能进行考虑，还有可能要针对各个部门需要建立各自相应的分析应用系统。
由于ERP和数据仓库都是近十年出现的新的信息技术，因此，对ERP和数据仓库的集成研究不是很多。部分ERP厂商也推出了自己的一些产品，以提供这方面的支持，但这些都是针对一些具体的ERP产品所推出的数据仓库解决方案。