商业智能的概念在1996年最早由加特纳集团（Gartner Group）提出 ， 加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法 ， 通过应用基于事实的支持系统来辅助商业决策的制定 。 商业智能技术提供使企业迅速分析数据的技术和方法 ， 包括收集、管理和分析数据 ， 将这些数据转化为有用的信息 ， 然后分发到企业各处 。

文章插图

商业智能的来源
商业智能又名商务智能 ， 英文为Business Intelligence ， 简写为BI 。
提到“商业智能”这个词 ， 网上普遍认为是Gartner机构在1996年第一次提出来的 ， 但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念 。 他将“智能”定义为“对事物相互关系的一种理解能力 ， 并依靠这种能力去指导决策 ， 以达到预期的目标 。
”在1989年 ， Howard Dresner将商业智能描述为“使用基于事实的决策支持系统 ， 来改善业务决策的一套理论与方法 。 ”商业智能通常被理解为将企业中现有的数据转化为知识 ， 帮助企业做出明智的业务经营决策的工具 。 这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据 。 而商业智能能够辅助的业务经营决策 ， 既可以是操作层的 ， 也可以是战术层和战略层的决策 。 为了将数据转化为知识 ， 需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术 。 因此 ， 从技术层面上讲 ， 商业智能不是什么新技术 ， 它只是数据仓库、OLAP和数据挖掘等技术的综合运用 。
可以认为 ， 商业智能是对商业信息的搜集、管理和分析过程 ， 目的是使企业的各级决策者获得知识或洞察力（insight） ， 促使他们做出对企业更有利的决策 。 商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成 。 商业智能的实现涉及到软件、硬件、咨询服务及应用 ， 其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分 。
因此 ， 把商业智能看成是一种解决方案应该比较恰当 。 商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理 ， 以保证数据的正确性 ， 然后经过抽取（Extraction）、转换（Transformation）和装载（Load） ， 即ETL过程 ， 合并到一个企业级的数据仓库里 ， 从而得到企业数据的一个全局视图 ， 在此基础上利用合适的查询和分析工具、数据挖掘工具（大数据魔镜）、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识） ， 最后将知识呈现给管理者 ， 为管理者的决策过程提供支持 。
提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等 。
商业智能功能综述
很多厂商活跃在商业智能（下面称BI）领域 。 事实上 ， 能够满足用户需要的BI产品和方案必须建立在稳定、整合的平台之上 ， 该平台需要提供用户管理、安全性控制、连接数据源以及访问、分析和共享信息的功能 。 BI平台的标准化也非常重要 ， 因为这关系到与企业多种应用系统的兼容问题 ， 解决不了兼容问题 ， BI系统就不能发挥出应有效果 。 这里我们通过对一个实验室的BI系统模型（我们将其称为D系统）进行功能解剖 ， 来介绍BI系统 。 D系统是一个面向终端使用者 ， 直接访问业务数据 ， 能够使管理者从各个角度出发分析利用商业数据 ， 及时地掌握组织的运营现状 ， 作出科学的经营决策的系统 。 D系统可实现从简单的标准报表浏览到高级的数据分析 ， 满足组织内部人员的需求 。 D系统涵盖了常规意义上商业智能（BI）系统的功能 ， 主要构架包括以下几个方面 。