商業(yè)智能（BI）工具是利用一組方法和技術來準備，呈現和幫助分析數據的工具。通過此過程，數據將轉化為可操作的業(yè)務信息，幫助決策者和最終用戶做出更有效的數據驅動決策。

商業(yè)智能使用的一套方法和技術根據解決方案的目的而廣泛多樣化。有些工具專注于數據準備方面，可能包括ETL（提取，轉換，加載）層，以更好地組織和利用數據。有些工具專注于更廣泛的企業(yè)使用，可能專注于數據混搭，以幫助企業(yè)根據來自不同部門系統(tǒng)的信息做出組織決策。有些工具更側重于自助服務功能和最終用戶體驗。有些工具專注于支持其他應用程序的分析，這些工具專注于所謂的“嵌入式BI”或“嵌入式分析”，并包含各種附加功能，使其更易于集成到現有系統(tǒng)中。

數據分析與商業(yè)智能：有什么區(qū)別？
自20世紀80年代后期以來，“商業(yè)智能”這一術語一直廣泛使用，當時Gartner顧問霍華德·德雷斯納（Howard Dresner）提議將其用于包含當時幫助決策者的新興技術和應用。業(yè)務分析或數據分析通常與商業(yè)智能互換使用，但也可以參考用于統(tǒng)計建模和其他更高級類型分析的更復雜的技術和應用程序。

為何使用商業(yè)智能？
商業(yè)智能工具的使用有多種原因，如果使用得當，可以為企業(yè)或企業(yè)內的各個部門帶來許多好處。BI的一些預期好處是推動更快更好的決策，幫助確定運營改進的潛在領域，幫助識別企業(yè)或市場中的不同類型的趨勢，或幫助創(chuàng)建比其他信息有限的競爭對手更具競爭優(yōu)勢。當與業(yè)務目標和系統(tǒng)完全一致時，所有這些好處都可以在宏觀和微觀層面上實現。

傳統(tǒng)上，BI工具專注于呈現和分析存儲在SQL數據庫，數據倉庫以及其他類型的關系數據源中的不同類型系統(tǒng)的歷史數據。隨著大數據和NoSQL數據源的出現，數據量呈指數級增長，允許進行更復雜的分析。

隨著數據類型隨著時間的推移而改變了BI，BI用戶的類型也發(fā)生了變化，隨著自助服務分析和臨時報告的出現，BI的用戶類型也發(fā)生了巨大的變化和演變。以前，大多數BI工具的工作流程都依賴于開發(fā)人員，數據分析師和數據科學家以及公司的執(zhí)行人員或決策者之間的來回。IT和決策者之間的這種來回創(chuàng)造了決策過程中的低效率，并導致自助服務技術的廣泛采用，使決策者能夠進行變更和調整數據以實時滿足他們的需求，從而更快地做出決策。

如上所述，BI提供各種用例和用途。因此，隨著時間的推移已經開發(fā)的工具類型也變得專門化以最好地滿足這些不同用例的需要。還有各種各樣的分析和統(tǒng)計方法，這些方法已根據用戶的需求納入解決方案。以下是許多現代BI套件中使用的一些主要工具類型：企業(yè)報告，儀表板，自助BI，在線分析處理（OLAP），實時分析，云BI，嵌入式BI，開源BI，預測分析等

所有這些工具都以某種方式使用，以便以可用的方式為決策者可視化數據。這些可視化可以由圖表，小部件，表格，關鍵性能指標（KPI）或其他類型的數據組件組成。

一些BI平臺現在包括其他分析功能，例如使用統(tǒng)計建模的預測分析，完善的統(tǒng)計功能以及利用大數據的能力。

我們現在稱之為“傳統(tǒng)報告”或“傳統(tǒng)BI”功能的出現始于執(zhí)行人員和IT人員之間非常相互關聯(lián)的關系。執(zhí)行人員完全依靠IT人員為他們提供所需的數據，對報告或其他可視化介質的任何更改都意味著對IT的請求和周轉時間。

隨著企業(yè)對更多信息和數據的需求不斷增長，這種關系對雙方來說變得乏味。執(zhí)行人員希望快速制定客觀的，數據驅動的決策，以預測或應對市場趨勢，IT人員還有許多其他重要職責，需要他們的時間和精力。這種關系變得難以為繼。

這并不是說IT不再在數據分析過程中發(fā)揮重要作用。但是，在許多情況下，他們的角色已經從與執(zhí)行人員的持續(xù)直接互動轉變?yōu)橹С郑卫砗桶踩@意味著IT現在專注于使用戶能夠自行決定是否擁有正確的數據，而不是響應和處理請求。

傳統(tǒng)商業(yè)智能可以說適用于兩種不同的分析類別：描述性和預測性分析，后者已經出現并且最近普遍使用。為了過度簡化事物，描述性有助于告訴您發(fā)生了什么以及發(fā)生了什么，預測性有助于說明將會發(fā)生什么（或者更準確地說是什么）。但BI的未來將屬于完全不同的類別，規(guī)定性或可能發(fā)生的事情。現在正在開發(fā)機器學習技術，允許決策者提出“如果？如何？”的問題，以及了解變化如何直接影響未來結果的能力將改變BI在決策過程中的行為方式。