隨著數(shù)字化的發(fā)展，越來越多的企業(yè)意識到數(shù)據(jù)應用扮演了至關重要的角色，因此引入商業(yè)智能（Business Intelligence）變得十分重要。 商業(yè)智能是一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術解決方案，能夠實現(xiàn)業(yè)務流程和業(yè)務數(shù)據(jù)的規(guī)范化、流程化、標準化，打通ERP、OA、CRM等不同業(yè)務信息系統(tǒng)，整合歸納企業(yè)數(shù)據(jù)。簡單來說，商業(yè)智能分為數(shù)據(jù)報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘三個應用層面。

隨著數(shù)字化的發(fā)展，越來越多的企業(yè)意識到數(shù)據(jù)應用扮演了至關重要的角色，因此引入商業(yè)智能（Business Intelligence）變得十分重要。

商業(yè)智能是一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術解決方案，能夠實現(xiàn)業(yè)務流程和業(yè)務數(shù)據(jù)的規(guī)范化、流程化、標準化，打通ERP、OA、CRM等不同業(yè)務信息系統(tǒng)，整合歸納企業(yè)數(shù)據(jù)。簡單來說，商業(yè)智能分為數(shù)據(jù)報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘三個應用層面。

第一層面：數(shù)據(jù)報表

報表是企業(yè)管理的基本措施和途徑，是企業(yè)的基本業(yè)務要求，也是實現(xiàn)BI戰(zhàn)略的基礎。報表可以幫助企業(yè)訪問、格式化數(shù)據(jù)，并把數(shù)據(jù)信息以可靠和安全的方式呈現(xiàn)給使用者。報表常規(guī)呈現(xiàn)就是使用柱狀圖、餅狀圖、折線圖、二維表格等圖形可視化的方式將企業(yè)日常的業(yè)務數(shù)據(jù)（財務、供應鏈、人力、運營等）全面呈現(xiàn)出來，再通過各種維度（看數(shù)據(jù)的角度）篩選、關聯(lián)、跳轉、鉆透等方式查看各類分析指標，業(yè)務分析圖表按照主題劃分，圖表之間存在一定的邏輯關系。

這個層次的報表分析就是呈現(xiàn)企業(yè)日常經(jīng)營、業(yè)務的情況，讓報表用戶對日常的業(yè)務有一個清晰、直接、準確的認知，其次解放了他們自己手工通過 EXCEL 通過各種函數(shù)做匯總分析、制圖的工作。比如，財務部門會關心今年的營業(yè)收入、目標完成率、營業(yè)毛利潤率、凈資產(chǎn)收益率等；銷售部門會關心銷售金額、訂單數(shù)量、銷售毛利、回款率等；采購部門會關心采購入庫金額、退貨情況、應付賬款等等。

在這個階段系統(tǒng)價值就顯得非常有限，數(shù)據(jù)的作用僅僅是從一個可視化的角度對業(yè)務做出了另一種形式的解讀，用戶僅僅是被動的接收來自可視化報表上傳遞的信息。

第二層面：數(shù)據(jù)分析

數(shù)據(jù)分析是指用適當?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，提取有用信息和形成結論而對數(shù)據(jù)加以詳細研究和概括總結的過程。數(shù)據(jù)分析可以被分為描述性統(tǒng)計分析、探索性數(shù)據(jù)分析以及驗證性數(shù)據(jù)分析。

商業(yè)智能 BI 是先通過第一層的報表呈現(xiàn)，將很多業(yè)務運營情況直觀的反映出來，讓用戶可以直觀的看到在我們經(jīng)驗之外的數(shù)據(jù)表現(xiàn)情況。商業(yè)智能BI在這里體現(xiàn)的價值就是要對這些異常數(shù)據(jù)進行有目的的分析，通過相關聯(lián)的維度、指標使用鉆透、關聯(lián)等分析方式探索出可能存在的原因。

在這個層次中，可視化報表的分析是帶著問題找問題的，通過一次或者多次的維度和指標圖表構建，逐步形成了一種比較可靠的、固化的分析模型。這個階段的用戶不再是被動接受來自圖表中反映的信息，而是通過異常數(shù)據(jù)來定位到背后的一個業(yè)務問題，數(shù)據(jù)和業(yè)務在這個層次開始有了聯(lián)系，數(shù)據(jù)圖表之間的邏輯性更強。

第三層面：數(shù)據(jù)挖掘

數(shù)據(jù)挖掘，它是數(shù)據(jù)庫知識發(fā)現(xiàn)中的一個步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。

數(shù)據(jù)挖掘階段區(qū)別于第一層的全面數(shù)據(jù)呈現(xiàn)和第二層的異常分析和被動分析，它是一種更深層次的業(yè)務數(shù)據(jù)的主動設計和探索分析。這層分析的提出更加深入業(yè)務，圍繞一個一個業(yè)務分析場景展開，對業(yè)務的認知要足夠深。