商业智能

商业智能（BI）包括企业用于商业信息的数据分析和管理的策略和技术。 商业智能技术的常见功能包括报告、在线分析处理、分析、仪表板开发、数据挖掘、过程挖掘、复杂事件处理、业务绩效管理、基准测试、文本挖掘、预测分析和规范分析。

BI 工具可以处理大量结构化数据，有时是非结构化数据，以帮助识别、开发和创造新的战略业务机会。 他们的目标是允许轻松解释这些大数据。 基于洞察力识别新机会并实施有效战略可以为企业提供竞争市场优势和长期稳定性，并帮助他们做出战略决策。

企业可以使用商业智能来支持从运营到战略的广泛业务决策。 基本的经营决策包括产品定位或定价。 战略业务决策涉及最广泛层面的优先事项、目标和方向。 在所有情况下，当 BI 将来自公司运营所在市场的数据（外部数据）与来自公司内部来源的数据（例如财务和运营数据（内部数据））相结合时，BI 是最有效的。 结合使用时，外部和内部数据可以提供完整的图片，实际上可以创建无法从任何单一数据集导出的智能。

在众多用途中，商业智能工具使组织能够深入了解新市场，评估不同细分市场的产品和服务的需求和适用性，并衡量营销工作的影响。

BI 应用程序使用从数据仓库 (DW) 或数据集市收集的数据，BI 和 DW 的概念结合为 BI/DW 或 BIDW。 数据仓库包含有助于决策支持的分析数据的副本。

商业智能一词的最早使用是在 Richard Millar Devens' Cyclopædia of Commercial and Business Anecdotes (1865) 中。 Devens 用这个词来描述银行家 Henry Furnese 爵士如何通过先于竞争对手接收有关其环境的信息并根据其采取行动来获利：

在整个荷兰、佛兰德斯、法国和德国，他保持着完整而完美的商业情报体系。 因此，他首先收到了打过许多仗的消息，而由于他收到消息的时间较早，那慕尔的陷落增加了他的利润。

—> 德文斯，p. 210

德文斯说，根据检索到的信息收集信息并做出相应反应的能力是商业智能的核心。

当 IBM 的研究员汉斯·彼得·卢恩 (Hans Peter Luhn) 在 1958 年发表的一篇文章中使用商业智能这个术语时，他采用了韦氏词典对智能的定义：以这种方式理解所呈现事实的相互关系的能力，从而指导 朝着预期目标的行动。

1989 年，Howard Dresner（后来成为 Gartner 分析师）提议将商业智能作为总称来描述通过使用基于事实的支持系统改进业务决策的概念和方法。 直到 20 世纪 90 年代后期，这种用法才得到广泛传播。

批评者仅将 BI 视为业务报告的演变以及日益强大和易于使用的数据分析工具的出现。 在这方面，它也被批评为大数据浪潮背景下的营销流行语。

根据 Solomon Negash 和 Paul Gray 的说法，商业智能 (BI) 可以定义为结合了以下各项的系统：

• 数据收集
• 数据存储
• 知识管理

通过分析评估复杂的公司和竞争信息，以呈现给规划者和决策者，目的是提高决策过程输入的及时性和质量。

根据 Forrester Research 的说法，商业智能是一组方法、流程、架构和技术，可将原始数据转化为有意义和有用的信息，用于实现更有效的战略、战术和运营洞察力和决策制定。 根据这个定义，商业智能包括信息管理（数据集成、数据质量、数据仓库、主数据管理、文本和内容分析等）。 因此，Forrester 将数据准备和数据使用称为商业智能架构堆栈中两个独立但紧密联系的部分。

商业智能的一些要素是：

• 多维聚合与分配
• 反规范化、标记和标准化
• 带有分析警报的实时报告
• 一种与非结构化数据源接口的方法