BI （商業智慧）

標籤：

BI（商業智慧）編輯

商業智慧（BI，Business Intelligence）。BI（Business Intelligence）即商務智能，它是一套完整的解決方案，用來將企業中現有的資料進行有效整合，快速準確的提供報表並提出決策依據，協助企業做出明智的業務經營決策。

中文名

商業智慧

外文名

Business Intelligence

目錄

1. 1 簡介
2. 2 BI廠商
3. 3 功能
4. ? 主要架構

1. ? 應用範圍
2. 4 應用科學
3. 5 三個層次
4. 6 發展過程

1. ? 發展趨勢
2. ? 智能控制項
3. 7 BI軟體

簡介 編輯 商業智慧（BI，Business Intelligence）。BI（Business Intelligence）即商務智能，它是一套完整的解決方案，用來將企業中現有的資料進行有效整合，快速準確的提供報表並提出決策依據，協助企業做出明智的業務經營決策。商業智慧的概念最早在1996年提出。當時將商業智慧定義為一類由資料倉儲（或資料集市）、查詢報表、資料分析、資料採礦、資料備份和恢複等部分組成的、以協助企業決策為目的技術及其應用。而這些資料可能來自企業的CRM、SCM等業務系統。商業智慧能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。為了將資料轉化為知識，需要利用資料倉儲、線上分析處理（OLAP）工具和資料採礦等技術。因此，從技術層面上講，商業智慧不是什麼新技術，它只是資料倉儲、OLAP和資料採礦等技術的綜合運用。把商業智慧看成一種解決方案應該比較恰當。商業智慧的關鍵是從許多來自不同的企業運作系統的資料中提取出有用的資料並進行清理，以保證資料的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合并到一個企業級的資料倉儲裡，從而得到企業資料的一個全域視圖，在此基礎上利用合適的查詢和分析工具、資料採礦工具、OLAP工具等對其進行分析和處理（這時資訊變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供資料支援。商業智慧產品及解決方案大致可分為資料倉儲產品、資料幫浦產品、OLAP產品、展示產品、和整合以上幾種產品的針對某個應用的整體解決方案等。 BI廠商 編輯 外資企業中IBM公司、Oracle公司和Microsoft公司產品線覆蓋了全部BI領域，尤其是MicroStrategy獨立的BI廠商。三款產品都有較好的效能，滿足大中小型企業的需求，其中Microsoft的SQL Server產品性價比比其他兩家要高。Informatica在Data Integration領域保持領先，市場表現優異。SAP以ERP為基礎不斷擴大Business Objects市場分額。Sybase和Teradata專註於資料倉儲領域，國內競爭者眾多，然而市場開拓有待加強。SAS軟體在資料採礦領域領先，銷售多以系統整合為主。 功能 編輯 很多廠商活躍在商業智慧（下面簡稱BI）領域。事實上，能夠滿足使用者需要的BI產品和方案必須建立在穩定、整合的平 台之上，該平台需要提供使用者管理、安全性控制、串連資料來源以及訪問、分析和共用資訊的功能。BI平台的標準化也非常重要，因為這關係到與企業多種應用系統 的相容問題，解決不了相容問題，BI系統就不能發揮出應有效果。這裡我們通過對一個實驗室的BI系統模型（我們將其稱為D系統）進行功能解剖，來介紹BI系統。D系統是一個面向終端使用者，直接存取業務資料，能夠使管理者從各個角度出發分析利用商業資料，及時地掌握組織的運營現狀，作出科學的經營決策的系統。D系統可實現從簡單的標準報表瀏覽到進階的資料分析，滿足組織內部人員的需求。D系統涵蓋了常規意義上商業智慧（BI）系統的功能，主要構架包括以下幾個方面。[1]  主要架構 1、讀取資料D系統可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的檔案，同時可讀取關係型資料庫(對應ODBC)中的資料。在讀取文本和資料的基礎上，D系統還可以完成：串連文本 把2個CSV檔案中的共同項目作為鍵（Key），將所需的資料合併到一個檔案，這樣可以象操作資料庫一樣方便，但無須使用者編程即可實現。設定項目類型 作為資料的項目類型，除按鈕(button)（文字項目）、數值項目以外，還可以設定日期表示形式的日期資料項目、多媒體項目和不需要產生按鈕但在列表顯示中能夠瀏覽的參照項目。期間設定 日期項目資料可以根據年度或季度等組合後產生新??下午或時間帶等組合後產生新的時間項目。設定等級 對於數值項目，可以任意設定等級，產生與之相對應的按鈕。例如，可以產生與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。 2、分析功能關聯/限定 關聯分析主要用於發現不同事件之間的關聯性，即一個事件發生的同時，另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。 其主要依據是，事件發生的機率和條件機率應該符合一定的統計意義。D系統把這種關聯的分析設計成按鈕的形式，通過選擇有/無關聯，同時/相反的關聯。對於 結構化的資料，以客戶的購買習慣資料為例，利用D系統的關聯分析，可以發現客戶的關聯購買需要。例如，一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以採取積極的營銷策略，擴充客戶購買的產品範圍，吸引更多的客戶。顯示數值比例/指示顯示順序 D系統可使數值項目的資料之間的比例關係通過按鈕的大小來呈現，並顯示其構成比，還可以改變數值項目資料的排列順序等。選擇按鈕後，動態顯示不斷髮生變化。這樣能夠獲得直觀的資料比較效果，並能夠凸顯差異，便於深入分析現象背後的本質。監視功能 預先設定條件，使合格按鈕顯示警示（紅）、注意（黃）訊號，使問題所在一目瞭然。比如說：上季度營業額少於100萬元的店警告（黃色標出），少於50萬元的警示（紅色標出）。執行後，D系統就把以店名命名的按鈕用相應的顏色表示出來。按鈕增值功能 可將多個按鈕組合，形成新的按鈕。比如：把【4月】、【5月】、【6月】三個按鈕組合後得到新的按鈕【第2季度】。記錄選擇功能 從大量資料中選擇按鈕，取出必要的資料。挑出來的資料可重新構成同樣的作業環境。這樣使用者可以把精力集中在所關心的資料上。多媒體情報表示功能 由數位相機拍攝的照片或影像檔案、通過掃描器輸入的圖形等多媒體檔案、文文書處理或者試算表軟體做成的報告書、HTML等標準形式儲存的檔案等，可以通過按鈕進行尋找。分割按鈕功能 在分割特定按鈕類的情況下，只需切換被分割的個別按鈕，便可串連不斷實行已登入過的定型處理。程式調用功能 把通過按鈕尋找抽取出的資料，傳給其他的軟體或使用者原有的程式，並執行這些程式。尋找按鈕名稱功能 通過按鈕名尋找按鈕，可以指定精確和模糊兩種尋找方法。另外，其他的按鈕類也可以對尋找結果相關的資料進行限定。 3、豐富的畫面列表畫面 可以用and/or改變尋找條件，可以進行統計/排序。統計對象只針對數值項目，統計方法分三種：合計、件數、平均，而且可以按照12種方式改變數值的顯示格式。視圖畫面 提供切換視角和變換視圖功能，通過變換與設定條件相應的數值（儲存格）的顏色表示強調。依次變換視角可進行多方面的資料分析。視圖的統計對象只針對數值項 目，統計方法有合計、平均、構成比（縱向、橫向）、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。數值項目切換 通過按鈕類的階層化（行和列最多可分別設定8層），由整體到局部，一邊分層向下挖掘，一邊分析資料，可以更加明確探討問題所在。圖表畫面 D系統使用自己開發的圖形庫，提供直條圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上，也可以像在階層視圖一樣，自由地對層次進行挖掘和返回等操作。 4、資料輸出功能列印統計列表和圖表畫面等，可將統計分析好的資料輸出給其他的應用程式使用，或者以HTML格式儲存。 5、定型處理所需要的輸出被顯示出來時，進行定型登入，可以自動產生定型處理按鈕。以後，只需按此按鈕，即使很複雜的操作，也都可以將所要的列表、視圖和圖表顯示出來。 應用範圍 商業智慧系統可輔助建立資訊中心，如產生各種工作報表和分析報表。用作以下分析： 銷售分析主要分析各項銷售指標，例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環比等等；而分析維又可從管理 架構、類別品牌、日期、時段等角度觀察，這些分析維又採用多級切入，從而獲得相當透徹的分析思路；同時根據海量資料產生預測資訊、警示資訊等分析資料；還 可根據各種銷售指標產生新的透視表。 商品分析商品分析的主要資料來自銷售資料和商品基礎資料，從而產生以分析結構為主線的分析思路。主要分析資料有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過D系統對這些指標的分析來指導企業商品結構的調整，加強所營商品的競爭能力和合理配置。 人員分析通過D系統對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標、換購銷商品數、代銷商品數、 資金佔用、資金周轉等）的分析，以達到考核員工業績，提高員工積極性，並為人力資源的合理利用提供科學依據。主要分析的主題有，員工的人員構成、銷售人員 的人均銷售額、對於銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、採購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量情況等等。 應用科學 編輯 終端使用者查詢和報告工具專門用來支援初級使用者的未經處理資料訪問，不包括適應於專業人士的成品報告產生工具。 　OLAP工具。提供多維資料管理環境，其典型的應用是對商業問題的建模與商業資料分析。OLAP也被稱為多維分析。 資料採礦（Data Mining）軟體使用諸如神經網路、規則歸納等技術，用來探索資料之間的關係，做出基於資料的推斷。 資料倉儲（Data Warehouse）和資料集市（Data Mart）產品包括資料轉換、管理和存取等方面的預配置軟體，通常還包括一些業務模型，如財務分析模型。線上分析處理 (OLAP) 的概念最早是由關聯式資料庫之父E.F.Codd於1993年提出的，他同時提出了關於OLAP的12條準則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯機交易處理(OLTP) 明顯區分開來。當今的資料處理大致可以分成兩大類：聯機交易處理OLTP（On-Line Transaction Processing）、線上分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統的關係型資料庫的主要應用，主要是基本的、日常的交易處理，例如銀行交易。OLAP是資料倉儲系統的主要應用，支 持複雜的分析操作，側重決策支援，並且提供直觀易懂的查詢結果。OLAP是使分析人員、管理員或執行人員能夠從多角度對資訊進行快速、一致、互動地存取，從而獲得對資料的更深入瞭解的一類軟體技術。OLAP的目標是滿足決策支援或者滿足在多維環境下特定的查詢和報表需求，它的技術核心是"維"這個概念。“維”是人們觀察客觀世界的角度，是一種高層次的類型劃分。“維”一般包含著層次關係,這種層次關係有時會相當複雜。通過把一個實體的多項重要的屬性定義為多個維(dimension)，使使用者能對不同維上的資料進行比較。因此OLAP也可以說是多維資料分析工具的集合。OLAP的基本多維分析操作有切入（roll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等。切入是 改變維的層次，變換分析的粒度。它包括向上切入（roll up）和向下切入（drill down）。roll up是在某一維上將低層次的細節資料概括到高層次的摘要資料，或者減少維數；而drill down則相反，它從摘要資料深入到細節資料進行觀察或增加新維。切片和切塊是在一部分維上選定值後，關心度量資料在剩餘維上的分布。如果剩餘的維只有兩個，則是切片；如果有三個， 則是切塊。 旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。 OLAP有多種實現方法，根據儲存資料的方式不同可以分為ROLAP、MOLAP、HOLAP。ROLAP表 示基於關聯式資料庫的OLAP實現（Relational OLAP）。以關聯式資料庫為核心，以關係型結構進行多維資料的表示和儲存。ROLAP將多維資料庫的多維度結構劃分為兩類表：一類是事實表，用來儲存資料和 維關鍵字；另一類是維表，即對每個維至少使用一個表來存放維的層次、成員類別等維的描述資訊。維表和事實表通過主關鍵字和外關鍵字聯絡在一起,形成了“星型模式”。對於層次複雜的維，為避免冗餘資料佔用過大的儲存空間，可以使用多個表來描述，這種星型模式的擴充稱為“雪花模式”。MOLAP表示基於多維資料群組織的OLAP實現（Multidimensional OLAP）。以多維資料群組織方式為核心，也就是說，MOLAP使用多維陣列儲存資料。多維資料在儲存中將形成“立方塊（Cube）”的結構，在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維資料報表的主要技術。HOLAP表示基於混合資料群組織的OLAP實現的。這種方式具有更好的靈活性。還有其他的一些實現OLAP的方法，如提供一個專用的SQL Server，對某些儲存模式（如星型、雪片型）提供對SQL查詢的特殊支援。OLAP工具是針對特定問題的聯機資料訪問與分析。它通過多維的方式對資料進行分析、查詢和報表。維是人們觀察資料 的特定角度。例如，一個企業在考慮產品的銷售情況時，通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這裡的時間、地區和產品就是維。而這些 維的不同組合和所考察的度量指標構成的多維陣列則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的資料採取切片（Slice）、切塊（Dice）、切入（Drill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析資料，使使用者能從多個角度、多側面地觀察資料庫中的資料，從而深入理解包含在資料中的資訊。主流的商業智慧工具包括BO、COGNOS、Style Intelligence、BRIO。一些國內的軟體工具平台如KCOM也整合了一些基本的商業智慧工具。根據綜合性資料的組織方式的不同，常見的OLAP主要有基於多維資料庫的MOLAP及基於關聯式資料庫的ROLAP兩 種。MOLAP是以多維的方式組織和儲存資料，ROLAP則利用現有的關聯式資料庫技術來類比多維資料。在資料倉儲應用中，OLAP應用一般是資料倉儲應用 的前端工具，同時OLAP工具還可以同資料採礦工具、統計分析工具配合使用，增強決策分析功能。 三個層次 編輯 經過幾年的積累，大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎資訊化系統。這些系統的統一特點都是:通過業務人員或者使用者的操作，最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process，線上交易處理)，指的就是系統運行了一段時間以後，必然協助企事業單位收集大量的曆史資料。但是，在資料庫中分散、獨立存在的大量資料對 於業務人員來說，只是一些無法看懂的天書。業務人員所需要的是資訊，是他們能夠看懂、理解並從中受益的抽象資訊。此時，如何把資料轉化為資訊，使得業務人 員(包括管理者)能夠充分掌握、利用這些資訊，並且輔助決策，就是商業智慧主要解決的問題。 　如何把資料庫中存在的資料轉變為業務人員需要的資訊?大部分的答案是報表系統。簡單說，報表系統已經可以稱作是BI了，它是BI的低端實現。國外的企業，大部分已經進入了中端BI，叫做資料分析。有一些企業已經開始進入高端BI，叫做資料採礦。而我國的企業，大部分還停留在報表階段。資料報表不可取代傳統的報表系統技術上已經相當成熟，大家熟悉的Excel、水晶報表、Reporting Service等都已經被廣泛使用。但是，隨著資料的增多，需求的提高，傳統報表系統面臨的挑戰也越來越多。1. 資料太多，資訊太少密密麻麻的表格堆砌了大量資料，到底有多少業務人員仔細看每一個資料?到底這些資料代表了什麼資訊、什麼趨勢?層級越高的領導，越需要簡明的資訊。如果我是董事長，我可能只需要一句話:我們的情況是好、中還是差?2. 難以互動分析、瞭解各種組合定製好的報表過於死板。例如，我們可以在一張表中列出不同地區、不同產品的銷量，另一張表中列出不同地區、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如“華北地區中青年顧客購買數位相機類型產品的情況”等問題。業務問題經常需要多個角度的互動分析。3. 難以挖掘出潛在的規則報表系統列出的往往是表面上的資料資訊，但是海量資料深處潛在含有哪些規則呢?什麼客戶對我們價值最大，產品之間相互關聯的程度如何?越是深層的規則，對於決策支援的價值越大，但是，也越難挖掘出來。4. 難以追溯曆史，資料形成孤島業務系統很多，資料存在於不同地方。太舊的資料往往被業務系統備份出去，導致宏觀分析、長期曆史分析難度很大。因此，隨著時代的發展，傳統報表系統已經不能滿足日益增長的業務需求了，企業期待著新的技術。資料分析和資料採礦的 時代正在來臨。值得注意的是，資料分析和資料採礦系統的目的是帶給我們更多的決策支援價值，並不是取代資料報表。報表系統依然有其不可取代的優勢，並且將 會長期與資料分析、挖掘系統一起並存下去。八維以上的資料分析如果說OLTP側重於對資料庫進行增加、修改、刪除等日常事務操作，OLAP(Online Analytics Process，線上分析系統)則側重於針對宏觀問題，全面分析資料，獲得有價值的資訊。為了達到OLAP的目的，傳統的關係型資料庫已經不夠了，需要一種新的技術叫做多維資料庫。多維資料庫的概念並不複雜。舉一個例子，我們想描述2003年4月份可樂在北部地區銷售額10萬元時，牽扯到幾個角度:時間、產品、地區。這些叫做維度。至於銷售額，叫做度量值。當然，還有成本、利潤等。除了時間、產品和地區，我們還可以有很多維度，例如客戶的性別、職業、銷售部門、促銷方式等等。實際上，使用中的多維資料庫可能是一個8維或者15維的立方體。雖然結構上15維的立方體很複雜，但是概念上非常簡單。資料分析系統的總體架構分為四個部分:源系統、資料倉儲、多維資料庫、用戶端。·源系統:包括現有的所有OLTP系統，搭建BI系統並不需要更改現有系統。 某案例中對銷售額的解析及當前產品的分類 ·資料倉儲:資料大集中，通過資料幫浦，把資料從源系統源源不斷地抽取出來，可能每天一次，或者每3個小時一次，當然是自動的。資料倉儲依然建立在關係型資料庫上，往往符合叫做“星型結構”的模型。·多維資料庫:資料倉儲的資料經過多維建模，形成了立方體結構。每一個立方體描述了一個業務主題，例如銷售、庫存或者財務。·用戶端:好的用戶端軟體可以把多維立方體中的資訊豐富多彩地展現給使用者。資料分析案例:在實際的案例中，我們利用Oracle9i搭建了資料倉儲，Microsoft Analysis Service 2000搭建了多維資料庫，ProClarity 6.0 作為用戶端分析軟體。分解樹好像一個組織圖。分解樹在回答以下問題時很?最高的銷售額?·在特定的產品種類內，各種產品間的銷售額分布如何?·哪個銷售人員完成了最高百分比的銷售額?在圖1中，可以對PC機在各個地區的銷售額和所佔百分比一目瞭然。任意一層分解樹都可以根據不同維度隨意展開。在該分解樹中，在大區這一層是按國家展開，在國家這一層是按產品分類展開。投影圖(圖3)使用散佈圖的格式，顯示兩個或三個度量值之間的關係。資料點的集中預示兩個變數之間存在強的相關關係，而稀疏分布的資料點可能顯示不明顯的關係。投影圖很適合分析大量的資料。在顯示因果關係方面有明顯效果，比如例外的資料點就可以考慮進一步研究，因為它們落在“正常”的點群範圍之外。 某案例的資料分析投影圖 資料採礦看穿你的需求廣義上說，任何從資料庫中挖掘資訊的過程都叫做資料採礦。從這點看來，資料採礦就是BI。但從技術術語上說，資料挖 掘(Data Mining)特指的是:來源資料經過清洗和轉換等成為適合於挖掘的資料集。資料採礦在這種具有固定形式的資料集上完成知識的提煉，最後以合適的知識模式用 於進一步分析決策工作。從這種狹義的觀點上，我們可以定義:資料採礦是從特定形式的資料集中提煉知識的過程。資料採礦往往針對特定的資料、特定的問題，選擇一種或者多種挖掘演算法，找到資料下面隱藏的規律，這些規律往往被用來預測、支援決策。 發展過程 編輯 早在1958年，人們就在想著讓電腦擁有強大的運算能力並多幫人類做事，在那時，商業智慧就有了雛形，54年過去，多少人多少公司在為這個目標付出自己的努力？以下這張資訊表徵圖以時間軸的方式告訴你商業智慧的艱難道路和即將到來的未來。[2]  發展趨勢 與DSS、EIS系 統相比，商業智慧具有更美好的發展前景。近些年來，商業智慧市場持續增長。IDC預測，到2005年，BI市場將達到118億$，平均年增長率為27% （Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001）。隨著企業CRM、ERP、SCM等應用系統的引入，企業不停留在交易處理過程而注重有效利用企業的資料為準確和更快的決策提供支援的需求越來越強烈，由此帶動的對商業智慧的需求將是巨大的。商業智慧的發展趨勢可以歸納為以下幾點：功能上具有可配置性、靈活性、可變化性BI系統的範圍從為部門的特定使用者服務擴充到為整個企業所有使用者服務。同時，由於企業使用者在職權、需求上的差異，BI系統提供廣泛的、具有針對性的功能。從簡單的資料擷取，到利用WEB和區域網路、廣域網路進行豐富的互動、決策資訊和知識的分析和使用。解決方案更開放、可擴充、可按使用者定製，在保證核心技術的同時，提供客戶化的介面針對不同企業的獨特的需求，BI系統在提供核心技術的同時，使系統又具個人化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的介面和擴充特性；可為企業提供基於商業智慧平台的定製/P>從單獨的商業智慧向嵌入式商業智慧發展這是商業智慧應用的一大趨勢，即在企業現有的應用系統中，如財務、人力、銷售等系統中嵌入商業智慧組件，使普遍意義上的交易處理系統具有商業智慧的特性。考慮BI系統的某個組件而不是整個BI系統並非一件簡單的事，比如將OLAP技術應用到某一個應用系統，一個相對完整的商業智慧開發過程，如企業問題分析、方案設計、原型系統開發、系統應用等過程是不可缺少的。從傳統功能向增強型功能轉變增強型的商業智慧功能是相對於早期的用SQL工具實現查詢的商業智慧功能。應用中的BI系統除實現傳統的BI系統功能之外，大多數已實現了圖2中資料分析層的功能。而資料採礦、企業建模是BI系統應該加強的應用，以更好地提高系統效能。 　ERP系統是典型的OLTP（聯機線上處理）系統，BI系統是OLAP（聯機線上分析）系統，他們的側重點不同，有不同的功能和任務。　ERP系統用於日常快速有效處理商務程序，包含了最原始、最明細的單據。BI系統做海量業務資料的線上分析，用於產生決策資訊和知識，它不僅可以包含明細單據，最重要的是對單據根據決策需求進行匯總分析。從傳統型BI向敏捷型BI轉變SAP Business Objects,IBM Cognos, Microstrategy, Oracle BIEE, Microsoft 等比較成熟的 BI 產品佔據主要市場。BI的概念最早於1996年Gartner提出。BI在國內也是個老生常談的話題了。BI市場在幾年前曾經風起雲湧過，但是隨著IT巨 頭把BI廠商收入囊中，此類市場基本趨於穩定了。傳統BI廠商雖然佔據主流，但是其存在先天不足。傳統BI解決方案基本是兩種思路一種是大資料一體機、另外一種是分 布式資料倉儲。但是，大資料一體機的總體擁有成本高，大多數企業都無福消受，而分布式資料倉儲按流量收費，使用成本不菲，1TB的資料可能就需要幾十萬。 這樣的巨量資料產品，大幅提升了BI應用的整體擁有成本(TCO)。現今的BI市場，正在出現一些新的發展方向，而且勢頭更勁，例如敏捷BI和探索式BI。這一領域在美國近兩年已經有 兩家公司QlikTech和Tableau成功上市並進入主流市場，而在中國也出現了以永洪科技為代表的敏捷BI廠商。相比較其他類型的BI產品，敏捷 BI投入成本更低、更加平民化、更加易於操作，讓更多的企業客戶能以較低的投入享受到最專業的巨量資料服務。[3]  智能控制項 商業智慧控制項[4]  通過對專業的商業智慧功能的封裝，使得開發人員無需系統掌握商業智慧相關的專業知識，就可以在管理系統中實現常用的商業智慧功能。商業智慧控制項使開發人員可以建立滿足企業使用者幾乎所有BI需求的應用程式或系統，可以實現中國式複雜報表（支援網頁式報表）、文字報告、各類資料分析（人力資源、財務、銷售、市場、供應鏈等）、各種圖表展示等，以充分釋放商務資訊的潛力，最大化企業競爭優勢。1、 RadarCube是靈活性高且運算速度快的全功能OLAP控制項集，是BI解決方案最佳的選擇！2、 SharpShooter OLAP包含：OLAP ModelKit™——用於多維資料分析的 OLAP 組件；Chart ModelKit™——用於圖形化資料顯示組件。3、 PivotCube是PivotWare實驗室所開發的最新的OLAP產品。4、 XtraPivotGrid Suite：該產品完全支援使用者自訂，完全支援與DevExpress圖表控制項進行本地整合，終端使用者通過簡單的拖動和點擊就可建立幾乎無限數組的報表。5、 Pivot Table：Pivot Table & Charts Component是一款富網際網路應用程式，它的設計旨在於線上查看，分析和管理多維資料。使用Pivot Table，您可以只需要點擊幾下滑鼠以不同的方式查看同樣的資訊。 BI軟體 編輯 BI軟體是商業智慧（Business Intelligence）軟體的英文縮寫。商業智慧通常被理解為將企業中現有的資料轉化為知識，協助企業做出明智的業務經營決策的工具。商務智能系統中 的資料來自企業其他業務系統。例如商貿型企業，其商務智能系統資料包括業務系統的訂單、庫存、交易賬目、客戶和供應商資訊等，以及企業所處行業和競爭者 的資料、其他外部環境資料。而這些資料可能來自企業的CRM、SCM、進銷存等業務系統。

BI （商業智慧）