BI作为IT的一个分支，技术上的考虑也是一个很重要的方面。在这里我们讨论几个对项目成败影响最大的几个技术层面。
BI极少是一个独立的系统。首先，作为一个数据处理和信息呈现工具，任何BI的实现都是建立在其它系统的基础之上的。在计划一个BI项目时，我们必须对现有的软件架构有一个十分完整的理解。什么样的产品可以最好的嵌入到现有的架构里?什么接口可以最容易和高效地提取数据?BI工具是否提供了足够的集成功能?
在确定了架构的选择之后，第一个需要面临的是对数据仓库的选择和设计。数据的整合，清理，及存取是BI项目成功与否的决定性因素。传统上BI的最佳模式往往是建立在一个高度集中的大型数据仓库基础上的。在Agile BI的理念影响下，近年来也出现了一些其它的解决方案。比如用全内存数据处理的(Qlikview)及时汇总技术，采用云计算技术的分布式运算系统(Hadoop，StyleScope)。总体来讲，传统的数据仓库最大的优点是技术成熟，但比较复杂和昂贵。新兴的技术往往着重于快速的处理大数据量，但在系统的稳定性上可能还没有这么成熟。
于数据有着同等重要性的是信息呈现和互动功能。作为最终用户直接使用的界面，一个BI软件所提供的前端界面直接决定了商业用户可以得到什么信息和怎么使用信息。如果没有一个强大的客户界面，无论数据处理解决得多好，用户也不可能受益。
在前端功能选择方面，不仅需要考虑当前的用户需求，也应该考虑到以后的扩展。在一个BI项目实现之后，后续工作往往都集中在前端的增强。因为用户使用中会很自然提出很多建议和新的要求，而这些通常都集中在用户面对的界面。所以，在考虑BI功能时不要只是限制在传统的报表层次，同时应该考虑一些更先进的技术，比如可视化，Dashboard，数据预测(Tableau，StyleScope，SAS)等等。
四、设立符合现实的预期(Set Realistic BI Expectations)
BI项目往往是一个涉及很广的工作。从数据的收集，清理，存储，到数据的计算，呈现，分析，和信息的发布和监控。根据企业不同的现状，BI的实现往往需要分成几个阶段来实现。假设一个企业还没有建立起一套相关的架构，一个BI项目就必须首先解决数据收集和存储，建立数据仓库。在数据得到了保障之后，再进行报表设计，Dashboard，及数据分析等工作。
在一些新引进BI概念的企业里，用户往往会产生一些过度乐观的想法。常常会把目标定得很高。这样不仅会对项目的预算和时间造成影响，在把范围扩大太多后，也常常不能有效地计划和利用人员和资源。
五、企业级BI(EntERPrise-Class Business Intelligence)
我们开始时提到，在实施BI项目时，最好是从小到大，一步一步的进行。但BI往往最终会发展到一个企业级的应用。所以在项目的计划和技术的选择上，我们必须把眼光放得长远一点。不要只局限于当前的需求和一个部门的用户。
一个精心设计和执行的策略是任何一个成功的商业智能（BI）项目的基石。通过使用一个务实的措施，与企业的目标协调一致并结合业务的所有因素，对于任何商业智能（BI）项目，无论它有多么复杂，首席信息官都可以减少项目的交付时间和风险。当然，一个BI项目所涉及到的远远不止本文所讲述的这几个方面。这里所提到的只是一些BI所独有的特点。要保证一个BI项目的顺利实施，其它管理措施也是同样重要。