محصول هوش تجاری بانک، محصولی مبتنی بر فناوری برای تجزیه و تحلیل داده‌ها و ارائه اطلاعات عملی برای کمک به مدیران کلان، مدیران میانی و سایر کاربران نهایی در تصمیم گیری‌های تجاری آگاهانه تر است. هوش تجاری شامل برنامه‌ها، زیرساخت‌ها، ابزارها و بهترین روش‌هایی است که دسترسی به اطلاعات و تجزیه و تحلیل آن‌ها را برای بهبود و بهینه‌سازی تصمیمات و عملکرد امکان پذیر می‌کند. BI ابزارها و سیستم‌ها را به نحوی به کار می‌گیرد که نقشی اساسی در روند برنامه‌ریزی استراتژیک در یک بانک داشته باشند. طی پیاده‌سازی سامانه هوش تجاری، داده های مفید جمع‌آوری، ذخیره، پاکسازی، یکپارچه‌سازی و ادغام شده و در نهایت بر بستر انبارداده تولیدی، گزارشات و داشبوردهای مدیریتی در سطوح مختلف اطلاعاتی در اختیاز ذینفعان سامانه قرار می‌گیرد.

بانک‌ محل امن و مناسبی برای نگهداری دارایی‌های نقدی افراد بوده و با ارائه خدمات مناسب مالی و تنوع بخشیدن به خدمات خود با عرضه انواع حساب‌ها، متناسب با نیازهای افراد مختلف در زمان‌های گوناگون به عنوان مرکز جمع‌آوری دارایی‌های نقدی به فعالیت می‌پردازد. سیستم‌های عملیاتی بانک به شکلی است که بیشترین کارآیی و بازدهی را زمانی خواهند داشت که توانایی تحلیل و بررسی دقیق بازار را داشته باشند که این امر می‌تواند با انتخاب یک سیستم هوش تجای مناسب میسر گردد. استفاده از داده‌های مشتریان در سطوح مختلف، جهت کسب حداکثر میزان ممکن در سود دهی و بهبود روش های ارائه انواع سپرده با نرخ سود‌های متفاوت و به تبع آن ارائه انواع تسهیلات به مشتریانی که حداقل ریسک و حداکثر میزان سوددهی را داشته باشد بسیار پراهمیت می‌باشد. با استفاده از راهکارهای هوش تجاری و تحلیل داده‌ها، بانک‌ها می‌توانند علاوه بر بهبود و ساده‌سازی عملیات خود به افزایش بهره‌وری در بازار سرمایه و افزایش میزان سرمایه‌گذاری خود با استفاده از استراتژی های انتخابی بپردازد. با استفاده از این راهکارها میزان خطرات ناشی از مشارکت در سرمایه‌گذاری‌های مختلف، می‌تواند به طرز چشم‌گیری کاهش یابد.

از سوی دیگر، بانک‌ پروژه‌های مختلف سرمایه‌گذاری را تامین مالی می‌کند و هر اقتصاد پویایی برای تداوم رشد و توسعه خود نیاز به جریان دائمی سرمایه‌گذاری دارد. از این رو بانک‌ به عنوان واسطه وجوه، بایستی شناخت کامل از عوامل موثر بر وضعیت سپرده‌های بانکی خود داشته باشند زیرا وضعیت سپرده‌ها بر نقدینگی و ریسک نقدینگی و میزان اعطای تسهیلات و در نتیجه بر هزینه‌ها و درآمدهای عملیاتی بانک تاثیر‌گذاری است.

باتوجه به موارد مذکور، بانک در راستای انتخاب استراتژی‌ بهینه، بررسی عملکرد واحدهای مختلف در کنار اهداف تعریف شده برای هر واحد و همچنین کاهش ریسک،‌ نیازمند پیاده‌سازی و بهره‌برداری از راهکار هوش‌تجاری خواهد بود. طی پیاده‌سازی این سامانه مراحلی طی خواهد شد که عبارتند از:

• مرحله شناسایی نیاز، تحلیل نیاز، شناسایی منابع داده، گردآوری داده‌ها، پالایش داده و …
• مراحل تولید خروجی مانند تحلیل‌های کسب‌وکار، پردازش تحلیلی بر خط، پردازش تراکنشی برخط، پرس و جوها، گزارش‌ها، ابزارهای هشدار و داشبوردهای مدیریتی
• تحویل به بهره‌برداران آن در سطوح مختلف مدیریتی و عملیاتی

یکی از قدرتمندترین ابزارهای مطرح دنیا در حوزه هوش تجاری ابزار Oracle Business Intelligence است. با توجه به قابلیت‌های متعدد این نرم‌افزار و بستر Oracle Fusion Middleware اکثر کسب‌و‌کارهای با حجم اطلاعات مقیاس بزرگ در لایه بصری‌سازی اطلاعات سامانه هوش تجاری،  از این نرم‌افزار بهره می‌گیرند. با توجه به نیاز مجموعه‌های مختلف و به منظور سفارشی و کاربردی‌تر سازی هر چه بیشتر این ابزار مجموعه اقداماتی بر روی آن صورت پذیرفته است که در این مستند به آن اشاره خواهد شد.

ابزار OBIEE یکی از قدرتمندترین ابزارها در مجموعه نرم‌افزارهای ارائه شده برای سامانه هوش تجاری است. با توجه به نیاز مجموعه‌های مختلف نظیر بانک، تلکام، شهرداری، مجموعه‌های فروشگاهی و غیره مجموعه اقداماتی جهت سفارشی‌سازی محیط سامانه یا افزودن ویژگی‌هایی به آن انجام شده است که عبارتند از:

• پیاده‌‍سازی سامانه مدیریت کاربران و سطوح دسترسی به نحوی که مدیریت کاربران از فرآیند فعلی که نیاز به متخصص هوش تجاری با دانش کار با ابزار OBIEE دارد خارج شده و کاربر مدیر دسترسی‌ها با یک نرم‌افزار با کاربری آسان کار کرده و در پس‌زمینه اطلاعات توسط وب سرویس وبلاجیک مدیریت می‌گردد. این نرم‌افزار با اتصال به وب سرویس منابع انسانی بانک و ایجاد نگاشت مابین نقش‌های سازمانی و نقش‌های هوش تجاری امکان لاگین کاربران با نام‌کاربری و رمز عبور تعریف شده خود در سیستم منابع انسانی را میسر می‌سازد
• افزودن زبان فارسی به سامانه هوش تجاری و راست به چپ شدن تمامی محیط سامانه از لایه ساخت گزارشات و داشبوردها تا محیط نمایشی برای کاربر
• افزودن لوگو، انواع فونت فارسی، تولید گزارشات با فرمت مشخص برای ارگان‌های خاص و …
• افزودن CSS ها و قالب های اختصاصی جهت سفارشی سازی محیط OBIEE با توجه به نیازمندی‌های خاص

در این مستند درخصوص سامانه مدیریت کاربران و سطوح دسترسی اطلاعات تکمیلی و توصیفی ارائه خواهد شد و از سایر موارد در بخش نمایی از فرآورده‌های سامانه تصاویری از نحوه پیاده‌سازی ارائه می‌گردد.

طبق تعریف گارتنر کلان‌داده یا بیگ‌دیتا، دارایی‌های اطلاعاتی یک مجموعه یا سازمان است که، حجم بالا و تنوع زیادی دارند، با سرعت زیاد تولید می‌شوند، نیازمند شیوه‌های پردازش نوآورانه با هزینه‌ی مناسب هستند تا بتوان از آن‌ها‌ برای اتوماسیون فرآیندها، انواع تصمیم‌گیری‌‌ها و بهبود شهود و بینش در سازمان بهره گرفت. سازمان‌هایی که قصد رهسپاری در سفر تحول دیجیتال را دارند، داده را به عنوان یک دارایی استراتژیک می‌بینند و به همین دلیل، نیاز به تحلیل، درک و هدایت دارایی داده سازمان به عنوان یک هدف، افزایش می‌یابد. برای تبدیل داده سازمانی به یک داده ارزشمند، نیاز است تا استراتژی داده تدوین گردد. صنعت بانکی در حال حاضر یکی از سرمایه‌گذاران برتر در زمینه کلان‌داده‌ها و تجزیه و تحلیل کسب‌و‌کار در بین صنایع است. میزان داده‌های تولیدشده توسط صنعت مالی بسیار زیاد است. قابلیت استفاده از این داده‌ها برای تصمیم‌گیری در مورد کسب‌وکار و پردازش آن به طور مؤثر برای جمع‌آوری بینش‌های عملی، جهت پیروزی در رقابت‌های آینده بسیار مهم است.

حجم اطلاعات در جهان با سرعت نمايي رشد مي‌کند. نرخ رشد اطلاعات نيز روز به روز سريعتر مي‌گردد. مهمترين علت اين موضوع توليد اطلاعات از طريق منابع مختلف اطلاعاتي جديد مي‌باشد. در گذشته منابع توليد اطلاعات سيستم‌هاي پردازش تراکنش[1] (TPS) بودند. سپس اين سيستم‌ها به سيستم‌هاي مديريت اطلاعات[2] (MIS) تبديل شدند و حجم بيشتري از اطلاعات توليد نمودند. با ظهور سيستم‌هاي هوش تجاري[3] (BI) و نياز به نگهداري اطلاعات بر مبناي زمان، باز هم نياز به حجم بيشتر فضاي نگهداري اطلاعات وجود داشت. اين حجم اطلاعات رفته رفته به حدي رسيد که بيشتر از توانايي‌هاي پردازشي يک گره[4]  گرديد.

توليد روز افزون اطلاعات تنها مربوط سيستم‌هاي پردازش تراکنش (TPS)، سيستم‌هاي مديريت اطلاعات (MIS) و سيستم‌هاي هوش تجاري (BI)، نمي‌باشد. حجم روزافزون اطلاعات دلايل ديگري نيز دارد. دليل اول ظهور ابزارهايي[5] است که با سرعت زيادي توليد اطلاعات مي‌نمايند. از مهمترين اين ابزارها مي‌توان به حسگر[6] ها، ابزارهاي علمي مانند ميکروسکوپ‌ها، ابزارهاي هواشناسي نوين و … اشاره نمود. اين ابزارها داده‌هايي با ابعاد وسيع توليد مي‌نمايند و با سرعت زياد ارسال مي‌کنند. حجم زياد اطلاعات ارسالي توسط اين ابزارها که تعداد آن‌ها معمولاً زياد است باعث ايجاد گلوگاه در ذخيره‌سازي اين اطلاعات مي‌گردد. همچنين بازيابي اين اطلاعات خود مي‌تواند معضل بزرگي را ايجاد نمايد.

اخيرا نيز رشد شبکه‌هاي تبادل و اشتراک‌گذاري ديتا و محتوا مانند شبکه‌هاي اجتماعي[7] (SN) بر ابعاد و پيچيدگي پشتيباني از پردازشي اطلاعات افزود. لذا علاوه بر ابزارهايي که با حجم زياد اطلاعات توليد مي‌کنند، سيستم‌هايي مانند شبکه‌هاي اجتماعي با امکان توليد و تبادل اطلاعات توسط تمام اعضاي شبکه، گردش انبوهي از اطلاعات را شکل داده است. مدل توليد اطلاعات در گذشته به اين نحو بود که يک منبع داده، مثلاً سايت خبري، اطلاعاتي را منتشر مي‌نمود و بقيه کاربران از اين اطلاعات استفاده مي‌کردند. اما در مدل‌هاي شبکه اجتماعي تمامي کاربران محتوا ايجاد و تمامي آن‌ها نيز از اطلاعات استفاده مي‌نمايند، لذا سرعت توليد اطلاعات بسيار بالاتر از گذشته شد. بنابر توضيحات فوق جهان با انفجار اطلاعاتي مواجه گرديده است به نحوي که سيستم‌هاي قبلي ذخيره‌سازي و بازيابي اطلاعات توان مديريت اين سطح از اطلاعات و داده را ندارد. به عبارت ديگر سمپاد  (DBMS) موجود، پاسخگوي نياز ذخيره‌سازي و بازيابي اطلاعات نبودند.

به اين نوع از داده‌ها که توسط سمپادهاي موجود  قابل مديريت نبودند، کلان داده[8] اطلاق مي‌گردد. تعريف ديگري که در مورد کلان داده وجود دارد عبارت است از داده‌اي که داراي سه خصوصيت حجم، سرعت و تنوع در داده‌ها باشد. البته بعضاً خصوصيات ديگري مانند ابهام در داده‌ها نيز به خصوصيات قبلي اضافه شده است که لزوماً قابل اعتماد و اتکا نيستند و از نظر مفهومي ممکن است صحيح نباشد. معناي هر کدام از خصوصيات در ادامه بيان شده است.

• حجم: منظور از اين خصوصيت آن است که حجم داده‌ها به قدري زياد باشد که با سيستم‌هاي مديريت داده کنوني قابل مديريت نباشد.
• سرعت: منظور از اين خصوصيت آن است که اطلاعات با سرعت زيادي توليد شده و اگر در زمان مقتضي مورد پردازش قرار نگيرند ارزش خود را از دست مي‌دهند.
• تنوع: منظور از اين خصوصيت کلان داده آن است که داده‌ها با قالب‌هاي گوناگون وجود دارد. (عدد، رشته، فايل و …) و سيستم مديريت کلان داده بايد بتواند اين گونه اطلاعات را مديريت نمايد.

[1] Transaction Processing System

[2] Management Information System

[3] Business Intelligence

[4] Node

[5] Device

[6] Sensor

[7] Social Networks

[8] Big Data

امروزه سازمان‌های زیادی تلاش می‌کنند تا داده محور (data-driven) شوند. داده محور شدن خیلی فراتر از نصب ابزار و نرم‌افزار مناسب است. داده محور شدن به این معناست که داده و تحلیل در استراتژی کسب و کار، سیستم‌ها، فرایندها و فرهنگ سازمان حضور داشته باشد. به معنای ایجاد ذهنیتی است که در آن تحلیل، پایه تمام تصمیمات کسب و کار را شکل دهد و توسط تمام سطوح سازمان در آغوش گرفته شود.  سازمان‌های داده محور متعهد هستند که داده‌های مرتبط با تمام جنبه‌های کسب و کار خود را جمع‌آوری کنند. آن‌ها این امکان را برای کارکنان در تمام سطوح فراهم می‌کنند که بتوانند به داده‌های درست در زمان درست دسترسی پیدا کنند و تصمیمات قاطع بگیرند. بدین ترتیب داده تبدیل به مزیت رقابتی سازمان می‌شود. یک بانک به عنوان یک سازمان داده محور، داده و تحلیل را در مرکز استراتژی کسب و کار خود قرار می‌دهد و با بهینه‌سازیِ داده محور تمام عملیات روزانه، خود را از سایر رقبا متمایز می‌کند.

برای تبدیل شدن بانک به یک سازمان داده محور، نیاز به یک نقشه راه[1] است. نقشه راه یک برنامه استراتژیک است که یک هدف یا نتیجه مطلوب را تعریف می‌کند و شامل مراحل اصلی مورد نیاز برای رسیدن به آن است. نقشه راه با تشخیص فناوری‌های ضروری و شکاف‌های فناوری، منجر به تصمیمات سرمایه‌گذاری بهتر می‌شود. با استفاده از نقشه راه فناوری می‌توان فهمید که بانک چه کاری را خوب انجام داده است، کجا شکست خورده است و چگونه باید فرایند را بهبود دهد. قبل از تهیه نقشه راه، نیاز است که وضعیت و سطح فعلی سازمان نسبت به یک چارچوب استاندارد سنجیده شود. مدل‌های بلوغ این کار را انجام می‌دهند. یکی از نخستین مدل‌های بلوغ در حوزه IT، مدل بلوغ CMMI است که در سال 1986 توسط دانشگاه کارنگی ملون ارائه شد و فرایندهای یک تیم نرم‌افزاری را ارزیابی می‌کرد. از آن پس مدل‌های بلوغ مختلفی در حوزه‌های مختلف فناوری مانند انبار داده، کلان داده، مدیریت دارایی دیجیتال، زیرساخت مرکز داده و غیره توسعه یافت. همه مدل‌های بلوغ داده شامل سطح[2]، بُعد[3] و خصیصه‌ها[4] هستند. تعداد سطوح بلوغ در مدل‌های مختلف بین 4 و 7 متغیر است اما تعداد سطوح 4 و 5 رایج‌تر هستند. برای تعیین سطح بلوغ سازمان، بر روی زمینه‌های مختلفی مرتبط با افراد، فرایندها و فناوری تمرکز می‌شود و وضعیت سازمان در هر یک از زمینه‌ها ارزیابی می‌شود. به این زمینه‌ها، بُعد گفته می‌شود. هر بُعد، خود با خصیصه‌هایی توصیف می‌شود که بُعد را در یک سطح بلوغ بطور دقیق به تصویر می‌کشند.

[1] roadmap

[2] level

[3] dimension

[4] attributes

بلوغ داده به معنی تکامل تدریجی یک سازمان است بطوری که تمام منابع داده داخلی و خارجی مرتبط را یکپارچه کرده، مدیریت کند و از آن‌ها حداکثر بهره را ببرد. این به معنای ایجاد یک اکوسیستم نوآوری، ایجاد ارزش برای کسب و کار و ایجاد تحول تأثیرگذار با استفاده از داده است. بلوغ داده به معنای داشتن یک فناوری برای مدیریت حجم بالای داده نیست.  بلکه یک سفر است که در طی آن یک اکوسیستم ساخته می‌شود. این اکوسیستم شامل فناوری، مدیریت داده، تحلیل، حاکمیت داده و مؤلفه های سازمانی است. یک مدل بلوغ داده[1] برای یک سازمان به دلایل مختلفی مفید است. اول این که به ایجاد ساختار حول برنامه‌های داده محور و تعیین نقطه شروع کمک می‌کند. هم‌چنین کمک می‌کند تا اهداف سازمان حول برنامه مشخصی تعریف شوند و یک فرایند برای انتقال دید در کل سازمان ایجاد می‌کند. این مدل علاوه بر نظارت بر برنامه و اندازه‌گیری میزان پیشرفت، تلاش مورد نیاز برای تکمیل مرحله فعلی و گام‌های مورد نیاز برای حرکت به مرحله بعدی بلوغ را ارائه می‌دهد.

[1] data maturity model

انباره داده یک مجموعه‌ از داده‌های موضوع‌گرا، مجتمع، تاریخچه‌ای و غیر فرار است که پشتیبان فرآیندهای تصمیم سازی مدیریتی است. انبارداده به عنوان یک دارایی برای بانک می باشد  در صورت وجود بستر انبارداده، سرویس‌های داده‌ای مختلفی قابل پیاده‌سازی است که مهمترین آن‌ها عبارتند از: رتبه‌بندی مشتریان، مدیریت ریزش مشتری، تشخیص تقلب، تشخیص تخلف، مدیریت دارایی و بدهی، مدیریت ریسک و … در این مستند به معرفی این سرویس‌ها پرداخته خواهد شد و در مستندات دیگری به ازای هرکدام از این موارد، اطلاعات تکمیلی هر پیشنهاد قابل ارائه است.

سیستم بانکی در ایران همچون سایر کشورها به روش‌های مختلف ازجمله تجهیز منابع، تدارک نقدینگی، ارائه ابزار پرداخت، اعطای تسهیلات، ایجاد تعامل میان سرمایه‌گذاری و پس‌انداز و ایجاد تعادل در بخش خارجی بر کل عملکرد اقتصاد کشور تاثیر می‌گذارد. در واقع مهمترین فعالیت سیستم بانکی، جمع‌آوری منابع مالی و تخصیص آن به بخش‌های مختلف اقتصادی است. بانک‌ها، سپرده‌های سرمایه‌گذاران را جذب کرده و آن‌ها را در قالب تسهیلات در اختیار متقاضیان قرار می‌دهند. به این ترتیب، از یکسو بانک یکی از ارکان مهم در تجهیز پس‌اندازهای خرد و کلان و هدایت آن به‌ سمت بنگاه‌های تجاری و تولیدی است و از سوی دیگر، عامل تبدیل سرمایه‌های راکد اقتصادی به عوامل مولد می‌باشد. بنابراین، می‌توان گفت که نظام بانکی کشور مهمترین جزء تشکیل دهنده بخش مالی اقتصاد بوده که حجم عملیات آن به مراتب بیش از سایر اجزای بخش مالی (شرکت‌های بیمه، بورس اوراق بهادار، شرکت‌های سرمایه‌گذاری و مؤسسات خصوصی نوپا) است. بنابراین لزوم پیاده‌سازی سیستم‌های داده محور و بررسی اطلاعات حوزه بانکی از ابعاد مختلف بسیار حائز اهمیت است. بر بستر انبارداده جامع بانک، سرویس‌های اطلاعاتی مختلفی قابل پیاده‌سازی است که با توجه به میزان بلوغ مجموعه و اهداف استراتژیک مدیران ارشد، نقشه راه پیاده‌سازی هر یک از این سرویس‌ها معین می‌گردد.

محصول ارزیابی عملکرد سازمانی بانک، محصولی مبتنی بر فناوری برای سازماندهی و ارتباط بین اهداف استراتژیک و نظارت بر پیشرفت آن‌ها براساس حقایق و بینش‌هاست. کارت امتیازی متوازن عملکرد و اقدامات سازمان را معرفی می‌کند، طوری‌که آیا مدیریت به نتایج مورد نظر خود دست یافته است یا خیر. کارت امتیازی متوازن ترجمه بیانیه رسالت و چشم‌انداز سازمان به مجموعه‌ای جامع از اهداف و اقدامات عملکردی است که می‌توانند اندازه‌گیری و ارزیابی شوند.معمولا این اقدامات شامل مقوله‌های عملکردی مانند عملکرد مالی، عملکرد ارزش مشتری، عملکرد فرآیند کسب‌و‌کار داخلی، عملکرد نوآوری و عملکرد کارکنان است.

هر نهاد نظارتی به منظور ساماندهی و ارتباط مابین اهداف استراتژیک و نظارت بر پیشرفت آن‎ها براساس حقایق و بینش‌ها نیازمند پیاده‌سازی نظام ارزیابی عملکرد است. از دیدگاه بین‌المللی امتیازدهی به شاخص‌هایی که برای برنامه‌های توسعه‌ای، تدوین شده اند تا اطلاعات کافی در مورد نحوه عملکرد سازمان را تامین و برنامه‌ای برای تصمیم‌گیرندگان را اندازه‌گیری کند را ارزیابی عملکرد می‌گویند. از جمله اهداف پیاده‌سازی نظام ارزیابی عملکرد در بانک نیل به پاسخگویی بهتر به ذینفعان، بهبود عملکرد و تعیین دقیق منابع و هزینه‌هاست. در پیاده‌سازی مدل ارزیابی عملکرد سه رویکرد مطرح می‌باشد که عبارتند از: روش کارت امتیازی متوازن، روش مدل منطقی و روش الگوبرداری عملکرد. با مقایسه ویژگی‌ها، نقاط قوت و نقاط ضعف هریک از این سه روش، مدل ارزیابی عملکرد با استفاده از کارت امتیازی متوازن گزینه مناسب‌تری برای ارزیابی عملکرد در حوز بانکی است.

در روش کارت امتیازی متوازن بانک از چهار منظر منابع مالی، ذینفعان، فرآیندهای داخلی و رشد و یادگیری مورد ارزیابی قرار می‌گیرد.

با بهره‌گیری از نظام ارزیابی عملکرد امکان سنجش وضعیت موجود ستاد، شعب و کارکنان و مقایسه با وضعیت مطلوب فراهم می‌گردد. همچنین امکان رتبه‌بندی شعب و مقایسه آن‌ها با یکدیگر فراهم می‌گردد.

محصول استانداردسازی و مستندسازی هوش تجاری بانک، محصولی مبتنی بر استانداردهای تولید و نگهداری انبارداده و سامانه هوش تجاری است. در کسب و کار بانک با توجه به گستردگی و تعدد منابع اطلاعاتی مختلف جهت برداشت اطلاعات، مستندسازی منابع و نحوه برداشت اطلاعات از هریک پروسه بسیار مهم و در عین حال بسیار پرچالش است. علی رغم اینکه در پروژه هوش تجاری، مستندسازی امری بسیار حیاتی است، اما اغلب تولید و مهم‌تر از آن، بروزرسانی مستندات امری تقریبا غیرممکن است. در سامانه استانداردسازی و مستندسازی سامانه هوش تجاری مستندسازی امری پویا است که به طور خودکار اطلاعات را از فراداده‌های بخش‌های مختلف استخراج می‌نماید.همچنین در این محصول، استانداردهای تولید و نگهداری سامانه هوش تجاری در لایه‌های مختلف انجام کار ارائه می‌گردد.

مستندات برای مدیریت سامانه هوش تجاری نوعی نقشه راه است که کمک می‌کند وضعیت فعلی شناسایی شده تا بتوان آن را به خوبی مدیریت و بهینه سازی کرد. به طور کلی هرکاری که بیش از یک بار انجام شود یا به وسیله چند نفر انجام شود، باید مستند شود و بدیهی است پروژه هوش تجاری شامل  سلسله فرآیندهایی است که دائما در حال تکرار و تکمیل می‌باشند. مستندسازی صحیح به سازگاری و هماهنگ شدن پروژه با شرایط استاندارد کمک شایانی می‌نماید؛ همچنین این امکان را فراهم می‌نماید تا فرآیندهای مختلف کنترل شده و مراحل کار بازنگری گردد.

در صورتی که مستند سازی و ثبت آن‌ها به درستی صورت گرفته باشد، بخش‌های مختلف انجام کار مدیریت شده و از وابستگی پروژه به اشخاص درگیر در پروژه کاسته خواهد شد و با حذف یا اضافه‌شدن یک فرد به پروژه، انتقال اطلاعات به راحتی امکان‌پذیر خواهد بود.

از جمله مزایای این سامانه ارائه اطلاعات به صورت بصری در قالب گزارشات و داشبوردهای اطلاعاتی است به نحوی که دسترسی به اطلاعات از حالت سنتی خارج شده و امکانات مختلفی از جمله جستجوهای ترکیبی بر روی مستندات فراهم گشته است.

در اغلب پروژه‌های هوش تجاری در سازمان‌های اطلاعاتی بزرگ نظیر بانک‌ها، پروژه هوش تجاری توسط پیمانکاران خارج از مجموعه بانک انجام می‌شود، بهره‌گیری از سامانه استانداردسازی و مستندسازی هوش تجاری در مرحله تحویل پروژه از پیمانکار و انتقال دانش فنی انجام کار به کارفرما بسیار کارا می‌باشد.

در تولید سامانه مستندسازی هوش تجاری توجه به معیارهای زیر جزء اصول اولیه بوده است:

• درست بودن (بدون خطا بودن)
• کامل بودن (تمام داده‌های مورد نیاز وجود داشته باشد.)
• جدید بودن (به روز بودن اطلاعات)
• پوشش کامل (منعکس کردن کلیه امور مرتبط)
• معتبر بودن (مطابقت داده‌ها با دامنه قابل قبول)
• تایید شدن (داشتن مهر و امضای معتبر) و….