1.1　商业智能简述

我们生活在一个数字化的世界，生活和工作中无时无刻不被各种各样的智能设备、各种数据包围。我们选择智能出行、在线办公、网上购物、网络会议或在线学习、电子银行和各类服务，都会用互联网的各种设备记录各项数据。可以这样讲，数据正在改变我们的工作、生活和娱乐的方式。各行各业的企业内部的各种信息系统以及物联网系统都积累了大量的数据，这些数据是企业的重要资产。

近几年，我们会发现，不仅是互联网公司在利用数据研发各种算法，以增强客户体验感、提升业绩。如何充分挖掘数据中有价值的信息，提高决策水平，满足不同层次、不同部门和行业的需要；如何利用数据来获取客户、开拓市场、提高工作效率、创造新的竞争优势以及更科学高效地制定决策，正成为各行各业关注的焦点。可以这样说，数据正成为企业的重要资产，数据分析技能正成为企业员工的核心竞争力。

商业智能（business intelligence，BI）又称商业智慧或商务智能，逐渐被众多企业和用户关注。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能够迅速分析数据的技术和方法，包括搜集、管理和分析数据，将这些数据转化为有用的信息，之后分发到企业各处。

目前，关于商业智能的概念并没有相对比较统一的定义。从20世纪90年代开始，很多著名的企业和学者对商业智能提出了各自的观点。微软公司认为，商业智能是指任何尝试获取、分析企业数据，以便更清楚地了解市场和客户，改进企业流程，更有效地参与竞争的过程。甲骨文公司认为，商业智能是一种商务战略，能够持续不断对企业的经营理念、组织结构和业务流程进行重组，实现以客户为中心的自动化管理。国际商业机器公司（IBM）认为，商业智能是一系列技术支持的简化信息收集分析过程的策略集合。思爱普公司（SAP）认为，商业智能是指搜集、存储、分析和访问数据，以帮助企业更好地做出决策的技术。

普遍认为，商业智能产业的演进经历了三个阶段：传统的商业智能阶段、大数据时代的商业智能阶段和现代的商业智能阶段。

传统的商业智能阶段：这个阶段的商业智能主要是利用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析，以实现商业价值。此时的数据分析成果很大程度是分析有相对统一规范的历史数据，数据分析结果多以报表和企业驾驶舱等形式进行展示，这种框架大多为管理层和决策制定者提供定量化的数据支撑。

大数据时代的商业智能阶段：这个阶段的商业智能主要体现在数据类型的多样化和分析技术的多样化两个方面，此时的商业智能不仅分析了结构化数据，还涵盖了半结构化数据、非结构化数据和流数据等，从而能适应大数据时代数据来源的多元化和实时性等特征，比如能够对物联网渠道传送的传感器数据、监控数据或一些实时金融交易数据等进行一定程度的加工、组织和分析处理。此时的商业智能更依赖于以分布式系统基础架构（hadoop）生态系统为代表的大数据技术，大数据产品多数还是以信息技术为核心，智能分析结果的“可视化展示”大多采取预先设定的建模方式来呈现，分析方法常常无法从商业信息运用的角度出发，导致实际有价值的业务一线的数据查询和分析需求无法得到及时满足，从而间接制约了商业智能的实际运用和价值体现。

现代的商业智能阶段：这个阶段的商业智能以商业信息价值为导向，业务人员在具有一定的数据分析常识和能力以后，借助由信息技术部门或技术人员构建的现代的商业智能平台直接快速地进行数据分析，则可以使得数据分析流程变得更加敏捷、快速以及交互性更强，从而更能发挥数据分析的价值。同时，依赖于完善的、高度友好的一站式商业智能分析平台，数据分析摒弃了原有的事先固化的报表需求模式，数据分析不再仅对管理者服务。对商业数据感兴趣的人拥有不同数据的权限、站在不同的角度都可以进行各自所需的数据分析，从而真正体现了数据就是财富、数据分析就是竞争力。

现代的商业智能将会成为业界主流的分析范式，依赖于云服务、大数据分析、深度学习、人工智能等技术的完善，商业智能平台的功能逐渐强大，数据分析将逐步“内化”为企业的一种能力，回归到“商业数据分析的价值实质上就是对实际业务过程的支撑力”这一核心宗旨上去。不可避免，非信息技术行业的商业信息管理者和使用者对数据分析能力提升的需求将会越来越强烈。