与一般 IT 零碎，尤其是 SaaS 产品相比，BI 工具的一大特色就是我的项目制的交付形式，施行周期较长，这其中的起因是多方面的。
首先，并非所有客户都像银行那样有欠缺的数据仓库，BI 我的项目往往要间接面对多个业务零碎的数据源，这些数据源的构造千差万别，数据品质也参差不齐，往往还会呈现“脏数据”。
另外，在 BI 我的项目推动过程中，客户的需要往往并非在开始阶段就十分明确，而是会在我的项目推动过程中依据停顿而发生变化。因而，施行人员与客户之间必须进行大量且重复的沟通，能力齐全确定其最终冀望的数据模型。
因而，施行人员在数据集市建造、ETL 构建等阶段，面临着大量不可控因素，这都使得 BI 工具的交付过程人造就是难以标准化的。面对 BI 我的项目重人力、长周期的现状，不同的 BI 厂商抉择了不同的我的项目策略，局部 BI 厂商抉择扩充施行团队规模，间接服务于最终客户。
但 Smartbi 抉择的策略是深度依附 ISV 生态合作伙伴，将本人的标准化产品交付给 ISV，由 ISV 负责 BI 我的项目的具体实施。这样的形式一方面会升高人力老本，但在另一方面，因为 BI 我的项目对施行人员的要求很高，如果 Smartbi 无奈对施行过程实现无效掌控，那么我的项目成果就难以保障。
为了解决资源占用与施行品质之间的矛盾，Smartbi 提出了“BI+ 行业”的策略，通过对客户场景的深刻了解，为不同的行业场景定制不同的行业模板。
在金融畛域，因为基础设施建设绝对成熟，行业模板很容易来提炼，大量成熟的模板也曾经被积攒下来。但在批发、制造业等畛域，行业模板的积攒依然是欠缺的。针对这种现状，Smartbi 目前的策略是疏导行业 ISV 依照给出的模板格局，在我的项目施行过程中与 Smartbi 来独特积攒和欠缺行业模板。
有了行业模板之后，Smartbi 和 ISV 在遇到同行业客户的时候，就能够将来自异构数据源的数据间接对接到模板中，只需额定在模板根底上定制少部分个性就能实现数据模型构建，在肯定水平上实现了施行流程的标准化。
通过与 ISV 在行业模板标准化上的深度单干，Smartbi 的客户服务周期缩短，这也就意味着 Smartbi 可能依附一支较为精干的施行团队服务于更多客户，规模化效应也将逐渐体现。