在企業實際的應用過程當中，商業智能的失敗率達到70%，這又是什麽原因呢？對於此，復旦大學軟件學院副教授趙衛東認為，商務智能在國內實施成功率不高主要以下幾個方面的原因：
1、起步晚，很多人對商業智能了解不多，意識不強、參與度不高
商業智能1996年最早由加特納集團（Gartner Group）提出，據今也有十幾年的歷史，但最早起步於國外，國外成熟的信息系統以及管理理念比較成熟，所以，對於商業智能的理解以及價值非常認可， 而國內則不同，由於國內信息化起步比較晚，導致了商業智能的建設要比國外的商業智能建設晚，很多人對於商業智能並不是很了解，現在壹直處於報表的階段，同時也無法正確理解商業智能的價值，從而導致了商業智能這種老技術壹直不能得到大規模的普及。
國內對於商業智能的需求更多的是老板所提出的，但老板對於商業智能的期望值壹般比較高，而商業智能無論是在技術方面、還是在產品方面還存在壹定的不足，導致了現階段企業並不是非常信任商業智能。
2、技術不成熟，目前只有報表、OLAP、儀表盤和統計分析等用的比較成功，而其他方面的 應用還處於研發、摸索階段。例如非結構化數據的處理、數據質量不高的數據處理， 目前還缺少有效地實用工具。
不在創新中爆發，就在沈默中死亡！數據顯示，目前在商業智能的業務中70%是在做報表，25%做多維分析，只有不到5%做數據挖掘。報表是商業智能套件中應用最為廣泛的產品，在幾乎所有的業務系統中都能看到報表工具應用的影子，報表工具在經歷了最早的條帶式報表、流式報表到目前的類excel報表發展歷程，已經日漸成熟。
數據挖掘也不是什麽新鮮的技術了，其挖掘算法基本穩定了，機器學習技術也逐步成熟，但是數據挖掘也面臨著如何處理日益龐大的數據量，如何提高挖掘的智能水平的問題。
3、目前在中高端市場，國外商務智能解決方案提供商壟斷市場，但其業務模型與國內企業不完全適應，國內的商務智能解決方案提供商無論從產品的完整性和實施能力上也沒有多大優勢。
IBM收購Cognos、SAP收購Sybase等等壹系列的並購加大了對於商業智能市場的壟斷，有觀點認為ERP的普及波過後，未來商業智能將會成為市場的主導，從商業智能市場來看，目前國外的的商業智能服務商無論是在產品還是在技術方面都具有壹定的優勢，但國外的產品明顯具有國外的特點，在業務模式方面與國內企業的模式並不能完全適應，所以，國外的商業智能產品如何 與國內企業業務模式相互融合，將成為CIO關心的壹個焦點。
從國內商業智能服務來看， 雖然具備本土化的優勢，但總體的實力不足，在創新方面還要略遜色於國外的服務商，因此，種種因素導致了在商務智能市場上，現在還是國外的商務智能服務商“說了算”，商業智能在短時間內難以形成“氣候”。
4、缺乏既懂商業智能技術，又熟悉企業業務的人員，在商務智能市場逐年有很大增長的情況下，無論從數量上還是質量上都無法滿足企業的需求。
21世紀最重要的是人才！沒錯，如果沒有人，那麽什麽也做不好。 從現狀來看， 雖然做IT的人員多了，但既懂商業智能技術又懂企業業務人員的人員確非常少， 正如企業信息化的建設壹樣，商業智能缺得是復合型人才，而不是單壹的技術或者業務人員。
企業需要復合型的人才，目前這類人才確非常奇缺，壹方面培養人才的成本較高，另壹方面相應的人才風險也比較大，導致了企業對於商業智能的人才更多的是希望可以直接接手項目的人員，而不是從底層做起，這也就阻礙商業智能的前進因素之壹，有產品沒有人會實施，那麽只能失敗。
5、商業智能項目的軟硬件和實施費用很高，風險也比較大。
當前，商業智能的主要服務商幾乎都是國外的，相對於國內的商業智能產品來講，國外的商業智能產品費用較高，企業在實施壹套商業智能系統所需要的軟硬件成本較高，在加上目前的成功率並不是很高， 因此，給企業帶來的風險也是很大。
國內的商業智能產品雖然在價格以及本地化具有很大的優勢，但也存在很多的不足，比如產品方面在遜色於國外的產品，同時對於大量的數據處理，更多的依靠第三方所提供的工具。對於大型企業來講，國內的商業智能很難滿足其需求，因此，對於企業來講，上壹套商業智能的風險不亞於上壹套ERP的風險，所以， 在這方面投資還是比較謹慎。 高風險未必能帶來高回報，所以，歸其壹點還是要幫助企業降低風險，才能更好的推動商業智能的普及。
6、商業智能項目的需求比壹般應用系統復雜，難以把握。
把握市場動向，提高銷售利潤是企業的最終目標。在企業管理日趨科學化的今天，如何準確及時地進行生產經營決策是企業老總面臨的嚴峻問題。這要求決策者準確及時地捕捉到銷售信息，分析銷售情況，隨時根據歷史的銷售情況，對下壹步的生產經營科學地進行決策。銷售分析需要的基礎數據涉及到的模塊有銷售、庫存、財務和人事，能夠圍繞銷售合同，從人員績效、應收款、財務、庫存等多角度進行分析，並給出如銷售趨勢、產品需求趨勢等輔助決策信息。
商業智能系統根據企業需要解決的問題，幫助企業建立相應的分析主題和分析指標，從業務系統的基礎數據庫中抽取需要的數據，按預先建立的業務模型進行分析決策，分析結果顯示直觀、形象。
理論上來看，比較簡單，但在實際的應用過程中， 由於業務的不斷變化，企業的商業智能項目很難在短時間內隨著業務的變化而及時調整，這就導致了商業智能項目的需求要比OA等壹般的應用系統復雜。 如果沒有專業、並且具備多年實施運維的BI人才，很難把控整個BI項目。
總結發現，商業智能系統是壹項復雜的系統工程，整個項目涉及企業管理， 運作管理， 信息系統， 數據倉庫， 數據挖掘， 統計分析等眾多門類的知識。 因此用戶除了要選擇合適的商業智能軟件工具外還必須按照正確的實施方法才能保證項目得以成功。
商業智能系統的建設是壹項長期的任務，不能壹蹴而就。應該在“邊建設，邊應用，邊見效”的思想指導下，從業務部門的實際需求出發，選擇統計報表作為項目的第壹階段目標。從數據分析到數據挖掘，逐步完成從信息到知識的轉變，最終得到競爭優勢和實實在在的利潤。