绝大部分绩效指标都是原始数据归集的结果，具有很强的层次特征。并且这些数据分散于流程中，给企业应用BI等信息系统带来了数据获取方面的阻碍。例如库存周转率可分解为销售收入和平均库存价值，而进一步分解它可以得到某时间跨度内各时点的库存量、单品库存价值、销售量、销售价格等原始数据。如果需要准确获取这样的信息，不能仅仅依靠一次性手工输入，而是需要系统从流程的各个节点获得这些数据。因此，基于层次特征的数据结构化就变得非常重要。

    《2005年第4季度中国笔记本市场数据》研究表明，不同的职能经理可能对同一指标有着不同的分析需求，例如物流经理需要库存周转率用做库位优化，而财务经理则需要库存周转率分析资产表现，这就造成一系列问题，如：物流经理可能需要以5天为跨度的库存周转率，而财务经理则需要以月为跨度的库存周转率；物流经理采用SKU为统计单位，而财务经理需采用品类大类为统计单位；物流经理使用某一时间段的绝对平均数来确定平均库存价值，而财务经理则需使用（期初+期末）/2来确定平均库存水平。

    企业在实际绩效分析中表现出的数据结构化与个性化需求趋势明显，并且具有有实际意义。但目前大多数软件系统只能提供单一的分析指标，无法满足这种个性化的需求，这实际上是限制了管理者的使用效率。目前比较可行的解决办法是个性化的公式编辑功能，但其需要强大的数据结构化基础做支持。否则失真的数据将造成“导入是垃圾，导出仍然是垃圾”的后果。

    易观国际认为，绩效分析的基础是数据的结构化与个性化。目前，大部分SCM、BI等厂商的产品都无法有效支持个性化的数据分析，且在实际业务流程中不能精确获得原始数据。