商业智能是一款软件，用于摄取业务数据并将数据呈现在用户友好型视图中，如报告、仪表板、图表和图形。 BI 工具支持业务用户访问不同类型的数据，包括历史数据和当前数据，第三方数据和内部数据，以及半结构化数据和非结构化数据，比如社交媒体。 用户可以分析此类信息，以获得有关业务执行情况的洞察。

CIO Magazine 指出：“尽管商业智能不会告诉业务用户该做什么或者参加某个课程后会怎么样，但 BI 也绝不仅是生成报告。 相反，BI 为人们提供了一种通过查看数据来了解趋势并获得洞察的方式。”¹

组织可以使用来自商业智能和数据分析的洞察，改进业务决策，找出问题，发现市场趋势，并找到新的收入或业务商机。

传统上，BI 平台依靠数据仓库来获取其衡量标准信息。 数据仓库将多个数据源的数据汇总到一个中心系统，以支持业务分析和报告。 商业智能软件查询仓库并以报告、图表和地图形式为用户呈现结果。

数据仓库可能包含在线分析处理 (OLAP) 引擎，以支持多维查询。 例如：今年与去年相比，东部地区与西部地区的销售销量如何？

“OLAP 为数据发现提供了强大的技术，可推进商业智能、复杂分析计算和预测性分析，”IBM 产品经理 Doug Dailey 在其数据仓储博客中说道。 “OLAP 的一个主要优势在于其挖掘数据所用信息和计算的一致性，从而提高了产品质量、客户交互并改进了流程。”

一些较新的商业智能解决方案可以直接使用 Hadoop 等技术提取和采集原始数据，但大多数情况下，数据仓库 仍是首选数据源。

“商业智能 ”一词由作者 Richard Millar Devens 与 1865 年提出，当时他阐述了一名银行家在竞争对手前面抢先收集市场中的情报。 1958 年，IBM 计算机研究员 Hans Peter Luhn 探索了利用技术收集商业智能的可能性。 他的研究为搭建 IBM 的一些早期分析平台制订了方法。

上世纪 60 年代和 70 年代开发出了第一个数据管理系统和决策支持系统 (DSS)。用于存储和组织不断增长的数据量。

“许多历史学家认为，商业智能的现代版本从 DSS 数据库演变而来。”IT 培训站点 Dataversity 表示。 “在此期间也创立了工具分类，其目的是以更简单的方式访问和组织数据。 OLAP、管理信息系统和数据仓库围绕 DSS 开发的一些工具。 ²

到上世纪 90 年代，商业智能日趋流行，但技术仍然很复杂。 它通常需要 IT 支持，而这常常导致任务积压和报告延迟。 即使不考虑 IT 因素，商业智能分析人员和用户也需要经过大量培训才能成功查询和分析数据。 ³

近期的开发重点在于自助服务 BI 应用，从而让非专业用户也能从自己的报告和分析中受益。 基于云的现代平台还扩展了 BI 的覆盖范围。 许多解决方案现在均可处理大数据，且包含实时处理，实现了基于最新信息的决策流程。

商业智能支持组织以通俗易懂的语言提出问题，并获得他们可以理解的答案。 他们无需使用最佳猜测，而是可以根据业务数据所反映的内容制定决策，其中包括与生产、供应链、客户或市场趋势相关的决策。

此区域的销量为何下滑？ 哪里有多余库存？ 客户在社交媒体上说了什么？ BI 可帮助您回答这些关键问题。

“商业智能可提供对过去和当前业务的洞察，” Maamar Ferkoun 在其 IBM 云计算和商业智能博客 中说道。 “此过程需要借助从分析和报告到数据挖掘和预测分析的一系列技术和实践。 BI 可通过在特定时间点提供准确的业务图，为组织提供基于实际数据设计业务策略的方式。”

商业智能可帮助组织成为数据驱动型企业，提高绩效，并获得竞争优势。 他们能够：

• 通过了解业务并以智能方式分配资源来实现战略性目标，从而提高 ROI。
• 发现客户行为、首选项和趋势，并使用洞察来更好地制定目标或量身打造产品，以适应不断变化的市场需求。
• 在数据洞察的推动下，监控业务运营并持续修复或改进。
• 通过来回监控活动并与合作伙伴和供应商沟通结果，改进 供应链管理。

比如，零售商可以通过比较商店、渠道和区域间的绩效和基准，增加成本节省量。 此外，保险公司也可以通过查看索赔流程，了解哪些地方缺少服务目标，并利用此类信息改进成果。

若组织能够全面评估运营和流程、了解客户、评测市场并推动各项改进措施时，便会从中受益。 他们需要合适的工具来从各处汇总业务信息，分析此类信息，发现模式和找出解决方案。

最佳 BI 软件通过以下方式支持此决策过程：

• 连接到各种不同的数据系统和数据集，包括数据库和电子表格。
• 提供深度分析，帮助用户发现数据中隐藏的关系和模式。
• 在包含丰富信息且令人信服的数据视图（如报告、地图、图表和图片）中提供答案。
• 实现不同场景下数据的横向比较。
• 提供了向下钻取、向上钻取和穿透钻取功能，支持用户调查不同级别的数据。

先进的 BI 和分析系统还集成了人工智能 (AI) 和机器学习，以自动执行和简化复杂任务。 这些功能进一步加速了企业分析数据以及获取更深层次洞察的能力。

比如，考虑 IBM Cognos Analytics  如何结合使用数据分析和可视化工具来支持在报告中创建地图。 该系统使用人工智能自动识别地理信息。 然后它通过添加整个地球的地理空间绘图、个别邻居或之间的任何内容来优化视图。

IBM 商业价值研究院出具的一份有关数字化重塑的报告中指出：“未来 5 年，本次数字化重塑研究中接受调研的 1100 位高管中有 58% 期待利用新技术来降低准入壁垒，有 69% 期望更多参与跨行业竞争。”

“高级分析支持从大数据中提取更深入的商业智能和消费者洞察，从而生成从描述性到预测性的各类信息。”

North York General Hospital
了解该客户如何通过计算日常绩效指标、发现趋势并优化其流程，帮助确保护理质量。