商业智能是一个术语，“包括应用程序，基础设施和工具，以及能够访问和分析信息的最佳实践”（Gartner）。它诞生于20世纪60年代的决策支持系统，然后在20世纪80年代得到扩展和发展。商业智能与计算机模型一起出现，用于决策和计划，作为将数据转化为结论的一种方式。虽然商业智能随着时间的推移而发展，但仍然如此重要。
本文应作为该主题的介绍，如果您想了解更多，有大量关于商业智能的书籍。我们还列出了实际商业智能的实际示例。
什么是商业智能？
商业智能是一个技术术语，它忽略了业务运营中的数据，计算和分析。商业智能不仅仅是一个特定的“事物”，而是一个涵盖从业务运营或活动中收集，存储和分析数据以优化绩效的过程和方法的总称。所有这些事情汇集在一起，以创建一个全面的业务视图，以帮助人们做出更好，可行的决策。
商业智能的例子：
数据挖掘
报告
绩效指标和基准
描述性分析
查询
统计分析
数据可视化
数据准备
为什么商业智能很重要？
简而言之，商业智能通过在其业务环境中显示当前和历史数据，帮助人们做出更好的业务决策。它提供了性能基准，使业务运行更顺畅，更高效。它可以帮助人们发现市场趋势，增加销售额或收入。有效地使用它甚至可以帮助合规和招聘工作。通过商业智能可以改善业务的任何方面。
数字化转型创造了大量信息，并没有放慢速度。数据无处不在，而且现在已经深深扎根于各种规模的组织的业务流程中。现在，每个人都希望能够访问和使用新信息来为日常决策提供信息，并解决他们对新的追求途径的商业好奇心。
商业智能如何帮助企业：
确定增加利润的领域或方法
分析客户行为
将数据与竞争企业进行比较
跟踪公司业绩
优化公司运营
预测新企业的成功
确定市场趋势
识别任何业务问题
经济指标仪表板示例，显示了美国经济的长期驱动因素。
商业智能如何运作
企业有问题和目标。为了回答这些问题并跟踪他们如何针对这些目标，他们收集必要的数据，进行分析，并确定他们为推动业务发展所需采取的行动。
例如，金融服务公司Charles Schwab使用商业智能来全面了解他们在美国各地的所有分支机构，以了解绩效指标并确定机会领域。通过访问中央商业智能平台，Schwab可以将所有分支数据整合到一个视图中。现在，分支机构经理可以识别可能会改变投资需求的客户。领导层可以跟踪某个地区的业绩是高于还是低于平均水平，然后点击查看推动该地区业绩的分支机构。这为优化提供了更多机会，同时为客户提供更好的客户服务。
在技术方面，原始数据是从业务活动中收集的。处理数据，然后将其存储在
数据仓库中。一旦存储，用户就可以访问数据，开始分析过程以回答业务问题。
商业智能和业务分析之间的区别
业务分析是商业智能的一个子集。根据Gartner的IT词汇表，“业务分析包括数据挖掘，预测分析，应用分析和统计。”简而言之，组织将业务分析作为其更大的商业智能战略的一部分。
业务分析不应该是一个线性过程，因为回答一个问题可能会导致后续问题和迭代。相反，将该过程视为数据访问，发现，探索和信息共享的循环。这称为分析周期，这是一个现代术语，解释企业如何使用分析来应对不断变化的问题和期望。
在我们的白皮书中阅读有关分析周期和其他商业智能术语的更多信息。
商业智能工具
许多自助式商业智能工具简化了分析过程，使人们更容易理解他们的数据，而没有技术知识来自行翻译数据。
呈现商业智能的一种常见方式是通过数据可视化。人类是视觉生物，非常符合模式或颜色差异。数据可视化以更易于理解的方式呈现数据。编译到仪表板中的可视化可以轻松讲述故事并突出显示在手动分析原始数据时可能不一定容易发现的趋势或模式。此可访问性还可以围绕数据进行更多对话，从而产生更广泛的业务影响。
阅读有关不断发展的商业智能趋势的报告。
传统商业智能与现代商业智能的区别
过去，商业智能工具基于传统的商业智能模型。这是一种自上而下的方法，其中商业智能由IT组织驱动，并且大多数（如果不是所有的）分析问题都通过静态报告来回答。这意味着如果有人对他们收到的报告有一个后续问题，他们的请求将会转到报告队列的底部，他们必须重新开始这个过程。这导致缓慢，令人沮丧的报告周期，人们无法利用当前数据做出决策。
现代商业智能模型中的分析工作流程
现代商业智能模型中的分析工作流程。
亿信华辰是坚持以卓越的智能数据产品与服务商为愿景，从数据的接入到数据的存储，到数据治理以及数据的分析与应用都有对应的产品和服务。
（1）睿治数据治理平台
睿治一套完善的，通过的数据治理工具，是由亿信华辰自主研发的，融合元数据管理、数据标准管理、数据质量管理、数据集成管理、主数据管理、数据交换管理、数据资产管理、数据安全管理、数据生命周期管理九大产品模块，打通数据治理各个环节，各产品模块可独立或任意组合使用，快速满足政府、企业各类不同的数据治理场景。
（2）亿信ABI数据分析平台
亿信ABI是亿信华辰历经15年打造的国产化BI工具，覆盖数据接入、数据整合、数据分析、数据挖掘的全流程，打通数据全生命周期各环节，能满足政企用户各类复杂的分析需求，帮助政企用户实现高效的数字化转型。
（部分内容来源网络，如有侵权请联系删除）
