Не думаю, что все проекты не отбивают затраты и их эффективность около нуля.
Это зависит от организации, от менеджеров и сотрудников в ней, насколько они готовы принимать решения ориентируясь на цифры и изучая внутренние процессы.
Во многих компаниях цифры готовят только аналитики. От поставленной бизнес-задачи анализа до принятия решения может происходить многие дни и часы, что не способствует быстрому принятию решения.

В одной интернет компании BI аналитика была встроена во все процессы принятия решений.
Это были не просто дашборды для менеджмента или отчеты, или презентации, которые готовят аналитики. Это был работающий инструмент для руководителей и сотрудников.
Как это работало на примерах.
1) График онлайн заказов. Заказы на сайте собирались и считались каждые 2 минуты.
По ним так же онлайн считался ожидаемый % выкупа, выручка и прибыль.
На основе этих показателей смотрели насколько эффективно работает сайт (если были резкие провалы на графике, это означало проблему с сайтом)
В течение дня включали и отключали рекламные акции. Это позволяло повышать заказы и продажи, при этом не опуская сильно наценку и прибыль.
Таким образом, в течение дня поддерживали трафик и наценку.
Делаем рекламную рассылку, даем скидку +5% например. Получаем,например,+5% к обороту.
При обороте 1-2 млрд в день изменение в +0,1% наценки от оборота дает прибыль в 1 млн руб.

Можно уменьшать "плохие" остатки, чтобы потом закупить хороший товар или привлечь новых клиентов.
Или по договоренности с поставщиком увеличить оборот поставщика и получить от него доп премию.
Bi система здесь помогает(включая хранилище данных):
помощь в аналитике клиентов - кому делать рассылку и давать скидку
помощь в расчете оборачиваемости остатков, выявления "хороших" и "плохих" остатков
Сравнения поставщиков и прогнозирование наценки и прибыли.

Пример:
Обычная выручка 1 млрд в день с прибылью 20%.
После акции:
Выручка 1,05 млрд руб. Прибыль 15%.
Себестоимость 85% от выручки.
Прибыль 15% 157,5 млн руб.
Получаем доп премию от поставщика + 50млн
Итого прибыль 207,5 млн

2) Контроль затрат. Например, СМС рассылки.
Логи СМС рассылок собирались, по ним был сделан Tabular mode куб.
СМС на основе текстов группировались по назначению.
В кубе видно какой отдел, сколько ои каких типов отправлял и сколько это стоило.
Сначала делали рассылки миллионами штук, что стоило соотв-но десятки млн рублей в день.
Проанализировали в кубе назначение рассылок, поняли что многие из них были нецелевые, а рекламные и клиентские можно уменьшить или частично заменить пушами.
Стали уменьшать рассылки, экономим много млн в месяц.
Один такой куб за месяц полностью окупил стоимость работы BI отдела за неск месяцев.

3) Контроль затрат, анализ транспортных расходов.
Сделали куб по транспортным затратам.
Выявили воровство ГСМ и неэффективное использование. Цена вопроса млн руб в мес.
Ответственный рук-ль контролирует расходы теперь каждый день.
4) Контроль затрат использования упаковочных материалов.
Сделали куб штуки драйвера бизнес процесса, сколько на 1 ед расход материалов, стоимость (по факту пред деятельности). Посчитали, посмотрели увидели, что есть перерасход. Стали вводить меры по экономии.
Расход был миллионы руб в мес, в результате экономии снизили затраты.

5) Повышение прибыли. Чтобы повысить прибыль можно: повысить оборот (выручку), уменьшить накладные затраты, снизить себестоимость.
Оборот (выручку) повышаем за счет целевого рекламного трафика, увеличение ассортимента, увеличения клиентской базы.
При этом контролируем:
- оборачиваемость складских остатков (по факту наличия остатков. «плохие товары» выводим из продажи).
- Себестоимость – на этапе заключения договоров и поступления товаров.
Сравниваем качество (по факту продаж и возвратов) и стоимость товаров относительно разных брендов и поставщиков. «плохие» товары выводим из ассортимента.
При обороте в миллиарды руб, повышение точности на 1% дает экономический эффект намного превышающий стоимость обслуживания BI системы.
- Затраты во всех подразделениях. Смотрим структуру расходов по периодам, по причинам. Выявляем что можно сократить.

Основное требования, в том чтобы BI система стала реально рабочим инструментом принятия решений. Т.е. бизнес руководство и обычные сотрудники реально жили в этих данных. Ежедневно и ежечасно пользовались ими. Исследовали тренды и детальные данные (происхождение данных). Это повышало доверие к данным и позволяло увидеть скрытые зависимости. Делали по ним прогнозы. Находили новые точки роста.

L_argo,

Нет, проблема в объеме данных. Обычные классические ЕРП системы не позволяют
- объединить данные с разных источников
- сделать быструю аналитику, чтобы можно было смотреть на явление в разных разрезах.

"Будет желание и полит.воля - будет и порядок. И не будет неожиданных потерь и расходов."
Вот и интересно, как узнать были расходы, потери или нет? Были расходы обоснованы или нет?
Как это будете делать без DWH + BI ?
И нет , BI это только не про визуализацию.
Почему у нас говорят BI, понимают дашборды и графики, хотя BI - это и есть бизнес - аналитика.
Вся эта бизнес - аналитике во всем проявлении, в анализе бизнес процессов.
И при чем тут отчеты. Отчеты потом вообще особо не нужны, когда принято решение.
Только формально, чтобы смотреть что хуже не стало и все работает как ожидается.

"Менеджеры, аналитики, тех.писатели, программисты, дорогое ПО и железо, аренда офиса, руководство этим всем... Сколько ушло времени, пока это все будет создано и выверено, чтобы этой отчетности потом верить ?"

БОльшая часть этой бизнес аналитики делалась 3-4 людьми. + 1 руководитель, он же заказчик, он же проверяльщик.
Зачем вся эта толпа народа нужна? Есть гипотеза, проверили посчитали (как вообще adhoc задачу)
1 руководитель + 1 программист.
Поняли, что это правильно направление, + еще 1-2 программиста, неделя работы и руководитель принимает работу. Все.
Проверили, приняли решение, потом через месяц это уже в 80% случаев не нужно и можно выкинуть.
Зачем это все "на века" писать, когда бизнес меняется и через полгода - года, это будет не актуально?

"А сколько раз все это переделано с нуля ?" - 0 раз.
"На самом деле это колоссальные ресурсы, которые гарантировано отнимаются из прибыли."
Относительно не большие, и в результате прибыль увеличивается, т.к. экономим на затратах.


"BI это всё визуализация" - нет. Это прежде бизнес - аналитика.
Визуализации вообще может не быть.
Или может быть потом только для упрощения контроля.

"BI это всё визуализация" - нет. Не понимаю, почему говорят BI (Business intelligence - бизнес аналитика), понимают картинки.

Bi это прежде всего анализ показателей бизнес процессов.

"Непонятно какой она всё-таки даёт эффект в конечном результате. " - по поводу результата я написал выше. В цифрах это миллионы по каждому решению.
"Почему этот анализ нельзя провести в самом хранилище, где это можно сделать более гибко?" - можно, только дольше и нужно хорошие знания SQL. Мы делали на SSAS , анализ проводился бизнесом. Обычно делал непосредственный руководитель бизнес направления.

"Почему увеличение\уменьшение рассылок СМС и всё остальные результаты не автоматизированы?"
Автоматизировано. Только надо посчитать, кто (какие отделы) и зачем шлют столько СМС. Т.е. сколько СМС , кто и зачем столько послал.
Потом кому то запретить рассылку или ограничить.

"Какой точно можно получить денежный результат от BI - закрыть управление BI и всех этих рисователей картинок."

У нас не было рисователей картинок, анализ (BI анализ) делали сами бизнес руководство и были в этом больше всех заинтересованы
( в сокращении затрат и повышении эффективности)

Бумбараш, L_argo - если у вас в компании делают BI и ограничивается только рисованием картинок, наверно руководство не понимает зачем им BI и как с этим работать.
Внедряют опять модную штуку BI (как раньше с ЕРП было), а зачем им это, как это использовать не знают. И даже процессы не хотят менять.

Кстати, если про перспективность, это гибрид NLP ( natural language processing) и DWH базы знаний .
Когда в ХД накапливаются данные - знания, а пользователь с помощью голосового управления может получать данные, детализировать, создавать ML модели по датасетам, задавать команды на аналитику.