早在1865年，Richard MillarDevens就在其越著作《商業(yè)軼事大全》中提出了“商業(yè)智能”(BI)一詞。他用這一術(shù)語來描述英國銀行家Henry Furnese爵士如何在競爭對(duì)手之前收集信息并采取行動(dòng)，從而從信息中獲利。1958年，IBM公司計(jì)算機(jī)科學(xué)家Hans PeterLuhn寫了一篇文章，描述了通過使用技術(shù)獲得商業(yè)智能的潛力。

正如人們所理解的那樣，商業(yè)智能使用技術(shù)來收集和分析數(shù)據(jù)，將其轉(zhuǎn)化為有用的信息，并在企業(yè)在競爭對(duì)手之前采取行動(dòng)。從本質(zhì)上來說，現(xiàn)代版本的商業(yè)智能側(cè)重于將技術(shù)作為一種在正確的時(shí)間基于正確的信息快速有效地做出決策的方式。

而到了1968年，當(dāng)時(shí)只有具備極其專業(yè)技能的人才能將數(shù)據(jù)轉(zhuǎn)化為有用的信息。當(dāng)時(shí)來自多個(gè)來源的數(shù)據(jù)通常存儲(chǔ)在孤島中，研究通常以碎片化、不連貫的報(bào)告形式呈現(xiàn)，可以對(duì)其進(jìn)行解釋。行業(yè)專家EdgarCodd認(rèn)識(shí)到這是一個(gè)問題，并在1970年發(fā)表了一篇論文，改變了人們對(duì)數(shù)據(jù)庫的看法。他提出的開發(fā)“關(guān)系數(shù)據(jù)庫模型”的建議獲得了極大的歡迎，并在世界范圍內(nèi)被采用。

決策支持系統(tǒng)(DSS)是開發(fā)的第一個(gè)數(shù)據(jù)庫管理系統(tǒng)。許多專家認(rèn)為，現(xiàn)代版商業(yè)智能是從決策支持系統(tǒng)(DSS)數(shù)據(jù)庫演變而來的。隨著商業(yè)人士發(fā)現(xiàn)商業(yè)智能的價(jià)值，商業(yè)智能供應(yīng)商的數(shù)量在20世紀(jì)80年代有所增長。在此期間開發(fā)了各種各樣的工具，以更簡單的方式訪問和組織數(shù)據(jù)。OLAP、執(zhí)行信息系統(tǒng)和數(shù)據(jù)倉庫是為配合DSS而開發(fā)的一些工具。

在線分析處理(OLAP)

在線分析處理(OLAP)是一種系統(tǒng)，它允許用戶分析來自各種來源的數(shù)據(jù)，同時(shí)提供多種范例或透視圖。為OLAP配置的數(shù)據(jù)庫使用多維數(shù)據(jù)模型，支持復(fù)雜的分析和特別查詢。OLAP的標(biāo)準(zhǔn)應(yīng)用包括：

•銷售業(yè)務(wù)報(bào)告

•市場營銷

•管理報(bào)告

•業(yè)務(wù)流程管理(BPM)

•預(yù)算和預(yù)測

•財(cái)務(wù)報(bào)告及相關(guān)領(lǐng)域

•新應(yīng)用，例如農(nóng)業(yè)

OLAP非常流行，因?yàn)樗峁┝硕喾N組裝和組織信息的方式。作為一個(gè)基于SQL的程序，它隨著NoSQL的流行而不再流行。OLAP支持以下三種基本操作：

•整合

•向下挖掘

•切片和切塊

整合涉及組合能夠以多種方式存儲(chǔ)和處理的數(shù)據(jù)。例如，汽車銷售經(jīng)理可以統(tǒng)計(jì)所有分公司的汽車銷售總額，以此來預(yù)測銷售趨勢。另一方面，向下挖掘技術(shù)支持導(dǎo)航和研究細(xì)節(jié)。人們可以通過顏色、款式或耗油量來查看汽車銷售情況。切片和切塊允許人們在OLAP多維數(shù)據(jù)集上取出(切片)特定的數(shù)據(jù)，并從不同的角度(有時(shí)稱為維度，例如多維)查看這些切片。

執(zhí)行信息系統(tǒng)(EIS)

在20世紀(jì)70年代末，企業(yè)的首席執(zhí)行官開始利用互聯(lián)網(wǎng)研究商業(yè)信息。這導(dǎo)致了被稱為執(zhí)行信息系統(tǒng)(EIS)的軟件的發(fā)展，以支持高層管理人員做出決策。環(huán)境影響報(bào)告書旨在提供簡化決策過程所需的適當(dāng)和最新信息。系統(tǒng)強(qiáng)調(diào)圖形化的顯示方式和簡單易用的界面。執(zhí)行信息系統(tǒng)(EIS)的目標(biāo)是將高管轉(zhuǎn)變?yōu)?ldquo;動(dòng)手”用戶，他們可以處理自己的電子郵件、研究、約會(huì)和閱讀報(bào)告，而不是通過中間人接收這些信息。由于執(zhí)行信息系統(tǒng)(EIS)在幫助方面的局限性，它逐漸被淘汰。

數(shù)據(jù)倉庫

數(shù)據(jù)倉庫在20世紀(jì)80年代開始流行，因?yàn)槠髽I(yè)開始定期使用內(nèi)部數(shù)據(jù)分析解決方案。(由于當(dāng)時(shí)計(jì)算機(jī)系統(tǒng)的限制，這項(xiàng)工作通常在下午5點(diǎn)以后和周末進(jìn)行。)在數(shù)據(jù)倉庫出現(xiàn)之前，需要大量的冗余來為決策過程中的不同人員提供有用的信息。數(shù)據(jù)倉庫顯著地減少了訪問數(shù)據(jù)所需的時(shí)間。傳統(tǒng)上存儲(chǔ)在多個(gè)位置(通常以部門豎井的形式)的數(shù)據(jù)現(xiàn)在可以存儲(chǔ)在單個(gè)位置。

數(shù)據(jù)倉庫在20世紀(jì)80年代開始流行，因?yàn)槠髽I(yè)開始定期使用內(nèi)部數(shù)據(jù)分析解決方案。由于當(dāng)時(shí)計(jì)算機(jī)系統(tǒng)的限制，這項(xiàng)工作通常在下午5點(diǎn)以后和周末進(jìn)行。在數(shù)據(jù)倉庫出現(xiàn)之前，需要大量的冗余來為決策過程中的不同人員提供有用的信息。數(shù)據(jù)倉庫顯著地減少了訪問數(shù)據(jù)所需的時(shí)間。傳統(tǒng)上存儲(chǔ)在多個(gè)位置(通常以部門孤島的形式)的數(shù)據(jù)現(xiàn)在可以存儲(chǔ)在單個(gè)位置。

數(shù)據(jù)倉庫的使用也有助于開發(fā)大數(shù)據(jù)的使用。突然之間，各種形式的大量數(shù)據(jù)(電子郵件、互聯(lián)網(wǎng)、Facebook、Twitter等)可以從單個(gè)數(shù)據(jù)存儲(chǔ)中訪問，從而節(jié)省了訪問以前不可用的業(yè)務(wù)信息的時(shí)間和費(fèi)用。數(shù)據(jù)倉庫在數(shù)據(jù)驅(qū)動(dòng)洞察方面的潛力是巨大的。這些見解增加了利潤，發(fā)現(xiàn)了欺詐，并將損失降到了最低。

商業(yè)智能采用高科技

商業(yè)智能(BI)作為一個(gè)技術(shù)概念，在1988年在羅馬舉行的一次國際會(huì)議之后不久就開始了。在這次會(huì)議上達(dá)成的結(jié)論啟動(dòng)了簡化商業(yè)智能分析的工作，同時(shí)使其更加用戶友好。許多商業(yè)智能企業(yè)響應(yīng)會(huì)議的結(jié)論而成立，每個(gè)新企業(yè)都提供了新的商業(yè)智能工具。在此期間，商業(yè)智能有兩個(gè)基本功能：生成數(shù)據(jù)和報(bào)告，并以一種像樣的方式組織和可視化數(shù)據(jù)。

在20世紀(jì)90年代末和21世紀(jì)初，商業(yè)智能服務(wù)開始提供簡化的工具，使決策者變得更加自給自足。這些工具更容易使用，提供了所需的功能，而且非常高效。業(yè)務(wù)人員現(xiàn)在可以通過直接處理數(shù)據(jù)來收集數(shù)據(jù)并獲得見解。

商業(yè)智能與分析

目前，商業(yè)智能與分析這兩個(gè)術(shù)語可以互換使用。兩者都描述了在做出明智的商業(yè)決策時(shí)使用數(shù)據(jù)的一般實(shí)踐。商業(yè)智能這個(gè)術(shù)語已經(jīng)發(fā)展到依賴于一系列提供有用見解的技術(shù)。與其相反，分析代表了可以將原始數(shù)據(jù)轉(zhuǎn)換為可操作的有用信息以用于決策目的的工具和過程。不同形式的分析已經(jīng)被開發(fā)出來，包括實(shí)時(shí)工作的流分析。

（1）描述性分析

描述性分析描述或總結(jié)數(shù)據(jù)，主要關(guān)注歷史信息。這種類型的分析描述了過去，允許理解以前的行為如何影響現(xiàn)在。描述性分析可以用來解釋企業(yè)如何運(yùn)作，并描述業(yè)務(wù)的不同方面。在最好的情況下，描述性分析講述了一個(gè)有相關(guān)主題的故事，并提供了有用的信息。

（2）預(yù)測分析

預(yù)測分析是用來預(yù)測未來的。這種類型的分析使用統(tǒng)計(jì)數(shù)據(jù)為公司提供關(guān)于即將到來的變化的有用見解，例如確定銷售趨勢、購買模式和預(yù)測客戶行為。預(yù)測分析的商業(yè)用途通常包括預(yù)測年底的銷售增長，客戶可能同時(shí)購買哪些產(chǎn)品，以及預(yù)測庫存總量。信用評(píng)分提供了這類分析的一個(gè)例子，金融服務(wù)機(jī)構(gòu)使用信用評(píng)分來確定客戶按時(shí)付款的概率。

（3）規(guī)定性分析

規(guī)定性分析是一個(gè)相對(duì)較新的領(lǐng)域，仍然有點(diǎn)難以操作。這種類型的分析“規(guī)定”了幾種不同的可能行動(dòng)，并指導(dǎo)人們找到解決方案。規(guī)定性分析旨在提供建議。從本質(zhì)上講，它可以預(yù)測多種未來，并允許企業(yè)根據(jù)自己的行動(dòng)評(píng)估許多可能的結(jié)果。在最好的情況下，說明性分析將預(yù)測會(huì)發(fā)生什么，為什么會(huì)發(fā)生，并提供建議。大公司已經(jīng)使用規(guī)定性分析來成功地優(yōu)化調(diào)度、收入流和庫存，進(jìn)而改善客戶體驗(yàn)。

（4）流分析

流分析是對(duì)數(shù)據(jù)的實(shí)時(shí)處理。它的設(shè)計(jì)目的是不斷計(jì)算、監(jiān)控和管理基于數(shù)據(jù)的統(tǒng)計(jì)信息，并立即作出響應(yīng)。這一過程涉及在特定情況發(fā)生時(shí)識(shí)別并做出反應(yīng)。流分析顯著地改善了業(yè)務(wù)信息的開發(fā)和使用。

流分析的數(shù)據(jù)可以來自各種來源，包括移動(dòng)電話、物聯(lián)網(wǎng)(IoT)、市場數(shù)據(jù)、交易和移動(dòng)設(shè)備(平板電腦、筆記本電腦)。它將管理連接到外部數(shù)據(jù)源，允許應(yīng)用程序?qū)?shù)據(jù)組合并合并到應(yīng)用程序流中，或使用處理過的信息快速有效地更新外部數(shù)據(jù)庫。流分析支持：

•最大限度地減少由社交媒體崩潰、安全漏洞、飛機(jī)失事、制造缺陷、證券交易所崩潰、客戶流失等造成的損失。

•實(shí)時(shí)分析日常業(yè)務(wù)操作

•利用大數(shù)據(jù)尋找錯(cuò)過的機(jī)會(huì)

•可以選擇創(chuàng)建新的商業(yè)模式、收入流和產(chǎn)品創(chuàng)新

流媒體數(shù)據(jù)的一些例子是社交媒體提要、實(shí)時(shí)股票交易、最新的零售庫存管理或拼車應(yīng)用程序。例如，當(dāng)客戶呼叫Lyft時(shí)，數(shù)據(jù)流被連接起來，以創(chuàng)建無縫的用戶體驗(yàn)。該應(yīng)用程序合并了實(shí)時(shí)位置跟蹤、定價(jià)、交通統(tǒng)計(jì)和實(shí)時(shí)交通數(shù)據(jù)，為客戶提供最近的可用司機(jī)、定價(jià)，并使用歷史和實(shí)時(shí)數(shù)據(jù)估計(jì)到達(dá)目的地的時(shí)間。

流分析已經(jīng)成為一個(gè)非常有用的短期協(xié)調(diào)工具，以及發(fā)展長期的商業(yè)智能。

當(dāng)前商業(yè)智能的發(fā)展

商業(yè)智能需要的不僅僅是簡單的性能指標(biāo)。它需要天氣報(bào)告、人口統(tǒng)計(jì)數(shù)據(jù)以及經(jīng)濟(jì)和社會(huì)洞察力，為預(yù)測未來提供廣泛的信息基礎(chǔ)。現(xiàn)實(shí)世界的事件會(huì)影響商業(yè)智能以及基于商業(yè)智能的決策。目前的一些發(fā)展提供了有用的資料：

物聯(lián)網(wǎng)：用于接收來自各種設(shè)備的數(shù)據(jù)，從制造業(yè)到移動(dòng)電話。辦公大樓、通信設(shè)備、送貨卡車、辦公設(shè)備——所有的數(shù)據(jù)流都是物聯(lián)網(wǎng)的一部分。

支持業(yè)務(wù)智能的自動(dòng)化:許多組織仍然依賴手動(dòng)流程來支持他們的業(yè)務(wù)智能。自動(dòng)化服務(wù)比人工服務(wù)更少出錯(cuò)，并提供更高質(zhì)量的數(shù)據(jù)。這些服務(wù)促進(jìn)了更好的商業(yè)智能。

分析已經(jīng)成為主流：越來越多的企業(yè)使用目前的三種類型的商業(yè)智能——描述性分析、預(yù)測分析和規(guī)定性分析。描述性分析提供了大部分的商業(yè)智能，但預(yù)測分析分析歷史數(shù)據(jù)作為預(yù)測未來的一種方式。規(guī)定性分析試圖預(yù)測未來的結(jié)果，但也根據(jù)其預(yù)測提供建議。