BI系统其实是企业信息化发展到一定程度后的产物。企业通过ERP、CRM等系统将生产和销售环节的信息汇总到数据库里面，自然而然的就希望从中分析出一些规律，帮助企业发现哪些地方还需要进一步改善。BI就是来解决这个问题的。
举一个例子，对于一个快消品公司来说，数万个经销门店里数百个SKU的销量数据每天都在更新，但是，如何发现哪一类商品在哪个地区的销量突然增长或下降了呢？有了BI系统，管理会计或销售主管就可以建立一个模型（有的BI系统，比如Wyn Enterprise会称之为文档），让系统去采集每周/月的销售数据，将SKU汇总到商品品相，将门店汇总到地区，然后按照时间对比两者的增减，最后生成一张柱状图，这个问题就一目了然了。比如，销售主管发现在西北区，X商品销量增长迅速，而南区却在下降，就可以及时调整促销及物流策略了。
商业智能特点
1、即时性
传统手工数掘处理，从数掘收集、整理到分类、汇总，都需要经历漫长的时间过程。但是，商业智能使用的技术，可以实时地从业务系统中获得最新的数据。在对时间性敏感的决策分析中，这一点尤其重要。
2、准确性
在准确性方面，因为计算机数据处理，避免了手工操作中存在的失误，所以计算结果是绝对准确和可靠的。
当然，这其中会存在因为业务逻辑关系的缺失而导致的错误，即程序中设定的限制条件不充分而导致数据失误。所以，对待重要的决策信息，应同时建立数据核对机制，以保证建立在即时信息的准确性基础上的决策的正确。
3、自动化
商业智能，包括一个数据抽取、转换、装载（ETL）的过程，这个过程可以按照用户的要求，设定ETL的时间和周期，因此，整个基础数据的获得、数据的处理，以及数据的展现，都是一个自动化的过程，无需手工参与。使用者每同甚至每时获得的信息，都可以是最新数据。这就为决策分析信息提供者的工作带来了极大的便利。
4、灵活性
决策支持的展现方式灵活多样，充分体现了智能的特点。
商业智能技术
技术点
商业智能首先是基于信息的大规模生产和数据库技术的运用。商业智能在技术上可以分为数据处理、业务模型、操作界面、用户管理、业务仪表板多个模块。涉及到的技术集中在大数据、OLAP、多维数据模型、图形页面交互（GUI）等。BI过程以来自业务系统的数据为基础，经过数据仓库技术的处理，整合数据并将其转化为有序的信息；这些信息经过联机分析处理技术（OLAP）的分析后，可以表达出数据内部的各种关联， 这是对商业管理活动有很大帮助的知识；经营活动中很多时候还要进一步明确数据中隐藏 的规则，这要靠数据挖掘技术。
将商业智能系统工作的这一 过程 进行技术上的抽象，可以 把商业智能的体系结构分为源数据层、数据转换层（ ETL）、数据仓库（数据集市）层、OLAP 及数据挖掘层和用户展现层。
1、数据源
即数据仓库中的数据来源，既包括组织内部的业务数据、历史数据、办公数据等，也包括互联网的相关web数据，以及部分其他数据结构的数据。
2、ETL过程
即抽取（Extraction）、转换（Transformation）和装载（Load）。
ETL过程负责将业务系统中各种关系型数据、外部数据、遗留数据和其他相关数据经过清洗、转化和整理后放进中心数据仓库。
3、数据仓库的应用
包括联机在线分析处理（OLAP）和数据挖掘（DM）
数据仓库主要是对分散在不同系统的数据进行收集、整理和分析，用于克服常常出现的信息孤岛问题，使机构对客户和自己内部有一个完整、准确的理解，更好地服务于客户，有效的管理内部。它是管理信息的基础工程，是企业和政府走向智能管理的关键和基石。联机分析处理和数据挖掘是数据仓库上获取两种不同的数据增值技术，将这两类技术在一定程度上融合，会使分析操作智能化，使挖掘操作目标化，从而全面提高商业智能技术的实用价值，一方面，联机分析技术可以为数据挖掘提供预期的挖掘对象和目标，避免挖掘的盲目性。另一方面，数据挖掘技术可以使联机分析处理智能化，减少分析人员的负担。把联机分析处理技术和数据挖掘技术进行融合和互补，将是商业智能技术发展的未来走向。
通过对数据仓库中多维数据分析操作，可以完成决策支持需要的查询及报表；通过数据挖掘可以发现隐藏在数据中的潜在规则。
4、数据仓库的数据展示窗口
BI前端展示可以提供各种能帮助人们快速理解数据内涵的可视化手段，包括：各种报表工具、查询工具和数据分析工具以表格或图形化的手段对数据的展现
这些技术可以用多数程序语言实现，比如Wyn Enterprise选择了微软最新的跨平台开发语言.NET Core，支持Windows、Linux平台，开发和运行效率都有保障。
信息系统正在经历着“MIS → ERP →BI”的演变过程
- MIS:管理信息系统－快速收集和处理商业信息
- ERP：企业资源计划系统－准确监控信息流
- BI：商业智能系统－大数据辅导企业经营决策
企业决策实现过程的信息需求
管理就是决策，决策需要信息。决策过程实际上就是一个信息输入、信息输出及信息反馈的循环过程。
使用计算机辅助商业系统进行决策需要经过5个步骤：
1）提出决策信息请求
2）调用商业智能应用程序 （基于数据仓库的BI可辅助决策）
3）基于已发布的模型、规则或是策略确定适当的决策（关键步骤）
4）发布决策
5）采取行动
企业信息化系统中的商业智能
定义：商业智能的概念最早是 Gartner Group 于1996年提出来的。 当时将 商业智能定义为 一类由数据仓库（或数据集市）、 查询报表、 联机分析、 数据挖掘、 数据备份和恢复等部分组成的， 以帮助企业决策为目的的技术及其 应用。“商业智能——将存储于各种商业信息系统中数据转换为有用信息的技术”
商业智能过程的两个层次：
一、整合系统数据基础上提供灵活的前端展现 （信息处理分析）BI报表，Dashboard等；
二、数据库中的知识发现（数据挖掘）eg.大数据，智能推荐.商业智能系统→客户智能、营销智能、财务智能、销售智能。
对于初级阶段分析的展示，可以使用图标和图形的方式。譬如结构百分比，可以使用饼图、三维饼图的方式；对于趋势百分比、同比、定比、环比，可以使用折线图、柱状图等；对于KPI指标，可以使用仪表盘管理；其他的散点图、泡泡图等，都可以根据实际业务的需要而建立。
在图表数据方面，可以进行数据的钻取、旋转和切片操作。当需要进一步了解明细数据的时候，需要使用数据钻取功能，当需要从不同的角度观测数据以发现数据变动规律时，需要利用多维数据的旋转功能，而当需要关注特定数据的时候，可以对特定区域的数据进行切片分析。商业智能分析的灵活性，建立在分析模型设计时周全的考虑。
总之，BI分析系统就是帮你发现数据的价值。对于已经有了足够数据的公司，上BI系统真的很有必要，而BI系统中国内比较好的也就亿信华辰的亿信BI了。
（部分内容来源网络，如有侵权请联系删除）
