商业智能
曾鸣 商业智能20讲
曾鸣商业智能20讲曾鸣商业智能20讲第一讲：什么是商业智能商业智能（Business Intelligence，缩写为BI）是一种通过技术和工具来收集、整理、分析和展现企业内部和外部数据以及相关信息的过程。
它能帮助企业管理层做出更明智的决策，并提高企业的效率和竞争力。
1.1 商业智能的定义和背景商业智能是指利用数据分析技术、数据仓库和数据挖掘等手段，将海量的数据转化为有价值的信息，为企业管理层提供决策支持和业务洞察。
商业智能的发展背景是信息技术的快速进步和企业数据爆发式增长，以及对数据分析的需求不断增加。
1.2 商业智能的领域和应用商业智能的应用领域广泛，包括但不限于市场营销、供应链管理、客户关系管理、风险管理等。
通过商业智能，企业可以更好地了解市场趋势，优化业务流程，提高客户满意度，降低风险等。
第二讲：商业智能的组成和基础知识商业智能由多个组成部分构成，其中关键的组成部分包括数据仓库、数据集成、数据挖掘、数据可视化等。
2.1 数据仓库数据仓库是存储大量数据的集中式库，用于支持商业智能分析和决策。
数据仓库通常包括数据提取、转换、加载（ETL）等过程，确保数据的准确性和一致性。
2.2 数据集成数据集成是将来自不同源头的数据整合到统一的数据仓库中的过程。
数据集成可以通过ETL工具、API接口等方式进行。
2.3 数据挖掘数据挖掘是指通过对大量数据进行分析和探索，发现隐藏在数据背后的规律和模式。
数据挖掘可以帮助企业发现市场机会、评估风险、挖掘潜在客户等。
2.4 数据可视化数据可视化是指以图表、图像等形式展示数据结果和分析，以便更直观地理解数据和发现新的洞察。
数据可视化可以通过报表、仪表盘、数据图表等方式呈现。
第三讲：商业智能工具和技术商业智能工具和技术是支持商业智能实施的关键。
常用的商业智能工具和技术包括数据分析工具、数据可视化工具、数据挖掘工具等。
3.1 数据分析工具数据分析工具可以帮助企业对数据进行探索和分析，并提供各种算法和模型来支持决策制定。
商业智能的概念和应用
商业智能的概念和应用商业智能（Business Intelligence，简称BI）作为一种运用数据分析技术为企业决策提供支持的解决方案，在当今商业世界中担负着重要的角色。
本文旨在探讨商业智能的概念和应用，并分析其优缺点。
一、商业智能的概念商业智能的概念最早在上世纪八十年代被提出，它是指运用数据挖掘、OLAP、数据仓库等技术，将企业内部和外部的各种数据进行收集、分析和应用，以帮助企业管理者及决策者对业务发展的趋势、市场需求、客户行为等方面做出科学合理的决策。
商业智能的实现需要采用专业软件和硬件设备，使得数据集成、数据处理、数据分析和数据展示得以高效完成。
商业智能的核心理念是将企业内部和外部的海量数据转化为有用的信息，让数据发挥作用。
简单地说，就是让企业在决策时能够准确、及时、全面地了解其内部和外部环境，以便迅速调整策略或决策方案，从而增强企业的核心竞争力。
二、商业智能的应用商业智能的应用非常广泛，覆盖了几乎所有的行业和领域。
下面我们分别介绍其主要应用领域。
1、销售分析销售分析是商业智能运用的一个重要领域。
通过采集和分析客户信息、市场信息、销售数据等，企业可以更好地洞悉市场需求，把握商业机遇，提高销售业绩。
2、供应链管理供应链管理是对企业供应链中各个环节进行分析和优化的一项重要工作。
商业智能的运用可以加强对供应链上游和下游的控制，降低成本，提高效率。
3、客户关系管理客户关系管理一直是企业研究的重点，其运用商业智能可以更好地了解客户需求，有效地改进客户服务，并及时调整产品或服务策略，提高用户满意度。
4、财务分析财务分析是企业管理中不可或缺的环节，它是对企业收入和支出、经营成本和财务状况等方面展开分析。
商业智能的运用可以为企业提供全面的财务数据，及时反映企业财务状况，为管理者及决策者提供有力的数据支持。
三、商业智能的优缺点商业智能在应用中，其优点和缺点都比较明显。
1、商业智能的优点一方面，商业智能采用数据集成的方式，整合了企业内部和外部的各种数据源，减少了数据收集和管理的时间和成本。
2024版商业智能(BI)介绍
•BI概述与背景•BI核心技术组件•BI实施方法论与流程目•BI在各行业应用案例分享•BI挑战及未来发展趋势录01BI定义及发展历程BI定义发展历程BI在企业中应用价值提高决策效率优化业务流程增强市场竞争力市场需求与趋势分析市场需求趋势分析02数据集成数据存储数据管理030201数据预处理关联规则挖掘分类与预测联机分析处理技术多维数据分析数据钻取与聚合实时数据分析可视化展现技术数据可视化利用图表、图像、动画等可视化手段，将数据以直观、易懂的形式展现出来。
交互式操作提供丰富的交互式操作功能，如拖拽、缩放、筛选等，方便用户对数据进行探索和分析。
定制化展现支持根据用户需求定制个性化的数据展现形式，满足不同用户的分析需求。
03明确项目目标和范围确定项目目标明确BI项目的业务目标，如提升销售额、优化运营流程等。
定义项目范围明确项目的涉及范围，包括数据源、分析维度、报表需求等。
评估项目资源对项目所需的人力、物力、时间等资源进行评估和规划。
从各种数据源中收集所需数据，包括数据库、文件、API 等。
数据收集数据清洗数据转换数据验证对数据进行清洗和处理，包括去除重复值、处理缺失值、异常值处理等。
将数据转换为适合分析的格式和结构，如数据聚合、维度转换等。
验证数据的准确性和完整性，确保数据质量符合分析要求。
数据准备和预处理模型构建与优化选择合适的模型模型训练模型评估模型优化系统部署系统测试用户培训系统维护系统部署与测试04金融行业：风险管理与客户分析风险管理客户分析制造业：生产优化与供应链管理生产优化通过BI对生产线数据进行实时监控和分析，制造企业可以及时发现生产过程中的瓶颈和问题，调整生产计划和资源配置，提高生产效率和产品质量。
供应链管理BI技术可以帮助制造企业实现供应链的可视化管理，通过对供应链各环节的数据进行分析，优化库存管理和物流配送，降低运营成本。
零售业：精准营销与库存管理精准营销库存管理其他行业：教育、医疗等教育行业医疗行业通过BI工具对医疗数据进行分析，医疗机构可以提高诊疗效率和准确性，实现医疗资源的优化配置和患者满意度的提升。
商业智能大数据分析的应用
商业智能大数据分析的应用一、商业智能（BI）和大数据分析的基本概念和内涵商业智能（BI）是对企业内部和外部数据进行分析、整合，为管理层和业务人员提供决策支持并优化业务流程的一种技术和应用。
商业智能的基本组成部分包括数据仓库、数据挖掘、查询和报表、分析和预测等。
大数据分析是一种基于大数据技术和算法，通过对数据进行收集、处理和分析，获取数据背后的价值和意义的一种分析方法。
大数据分析覆盖范围广泛，包括数据挖掘、机器学习、自然语言处理、模式识别等领域。
商业智能和大数据分析的结合，可以充分利用企业内外部数据资源，挖掘潜在的商业价值和市场机会，提高企业的决策水平和核心竞争力。
二、商业智能和大数据分析的应用场景和案例商业智能和大数据分析的应用场景广泛，包括市场营销、客户服务、财务管理、供应链管理等领域。
以下是几个典型的案例。
1、市场营销企业可以通过商业智能和大数据分析，了解潜在客户的需求和偏好，并制定符合客户需求的销售策略和产品定位。
比如，通过数据挖掘和分析，了解不同地区消费者的消费行为和偏好，为企业的销售策略提供决策支持。
同时，利用商业智能的查询和报表功能，对市场营销活动的效果进行实时监测和分析，及时调整销售策略和活动方案。
2、客户服务商业智能和大数据分析还可以帮助企业提高客户服务水平。
企业可以通过分析客户反馈数据和交易数据，快速了解客户需求和问题，提供更加精准的服务。
此外，利用商业智能的可视化分析工具，将客户数据进行可视化展示，帮助客户更好地了解自身业务状况和客户服务质量。
3、财务管理商业智能和大数据分析也可以提高企业的财务管理水平。
通过对财务数据的收集、处理和分析，企业可以及时发现问题，并对财务状况进行评估和决策。
比如，利用商业智能的可视化分析工具，将公司财务数据进行可视化展示，帮助管理人员更好地理解公司的财务状况和财务运营情况。
4、供应链管理商业智能和大数据分析可以优化企业的供应链管理。
通过收集和分析供应链上游和下游信息，如库存情况、销售数量、交货时间等，企业可以更好地管理供应链风险和资源。
商业智能的名词解释
商业智能的名词解释
嘿，朋友们！今天咱来聊聊商业智能呀！这商业智能啊，就好比是一个超级厉害的军师！你想想看，在商场上就如同在战场上，各种信息错综复杂，让人眼花缭乱。
而商业智能呢，它能把那些乱七八糟的信息都给整理得清清楚楚，明明白白的。
它能帮企业发现好多隐藏的宝藏呢！比如说，通过分析大量的数据，它能找到顾客的喜好和购买习惯，这不就像你特别了解你的好朋友喜欢吃啥一样嘛！然后企业就能根据这些来调整产品或者服务，让顾客更满意，这生意不就越做越红火啦！
商业智能还能让企业看到自己的优势和劣势在哪里。
就好像你知道自己哪门功课学得好，哪门需要加把劲一样。
企业可以针对这些来改进自己，变得更强更厉害呀！
而且哦，商业智能可不是随便说说的，它是有真本事的！它有各种厉害的工具和技术，能把那些海量的数据快速处理好，这速度，简直了！这就好比是一辆超级跑车，嗖的一下就冲出去了，快得让人惊叹。
你说企业要是没有商业智能，那不就像在黑夜里走路，摸不着方向嘛！有了它，就像是有了一盏明灯，照亮了前进的道路。
它能帮助企业做出更明智的决策，避免走弯路，少踩坑。
咱再打个比方，商业智能就像是一个经验丰富的老船长，能带着企业这艘大船在商海中稳稳地航行，避开那些暗礁和风浪。
它能让企业提前看到危险，做好准备，这多重要啊！
你看看那些成功的大企业，哪个不是把商业智能运用得炉火纯青的？他们靠着商业智能了解市场，了解客户，不断创新，才能一直走在前面呀！
所以啊，商业智能可不是什么花架子，它是实实在在能给企业带来好处的。
它能让企业变得更聪明，更有竞争力。
朋友们，你们说这商业智能是不是很神奇？是不是很值得我们去好好了解和利用呢？反正我是这么觉得的！。
商业智能是什么意思？
商业智能（Business Intelligence，简称BI）的概念最早是Gartner Group于1996年提出来的。
当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。
当时，Gartner Group预测说：到2000年，信息民主（注：指组织内信息共享的无差别性）将在具有前瞻性思维的企业中浮现。
借助商业智能，员工、咨询员、客户、供应商以及公众能够有效地运用信息。
其实，商业智能所涉及的技术与应用，在Gartner Group命名之前就有，起初被称为经理信息系统（EIS），在羽化成商业智能之前叫决策支持系统（DSS）。
目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。
这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。
而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。
为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。
因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
为此，把商业智能看成是一种解决方案应该比较恰当。
BI的关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
商业智能的这个基本过程如图所示。
商业智能原理
商业智能原理商业智能（Business Intelligence）是一个综合系统，它将数据分析、业务知识和决策支持等领域结合在一起，帮助企业从大量的数据中提取有价值的信息，并以此为基础做出战略和经营决策。
商业智能的原理涵盖了数据的收集、加工、分析和应用等方面，本文将详细介绍商业智能的原理与应用。
1. 数据收集商业智能的第一个步骤是数据收集。
在此阶段，企业需要收集各种来源的内部和外部数据，包括销售数据、客户数据、竞争对手数据、市场数据等等。
这些数据来自不同的渠道，包括企业内部系统、第三方数据供应商、社交媒体等。
数据收集是商业智能的基础，只有拥有准确、完整的数据，才能进行后续的分析和应用。
2. 数据加工数据加工是商业智能的重要环节。
在此阶段，企业需要对收集到的数据进行清洗、整合和转换，以确保数据的准确性和一致性。
数据清洗包括处理缺失值、重复值和异常值等；数据整合是将来自不同来源的数据进行统一，确保数据能够进行比较和分析；数据转换包括将数据转化为可分析的形式，例如将文本数据转化为数值型数据。
3. 数据分析数据分析是商业智能的核心环节。
通过应用各种分析方法和技术，企业可以从大量数据中发现有价值的信息和模式，并从中获取商业洞察。
数据分析的方法包括统计分析、数据挖掘、机器学习等。
通过数据分析，企业可以对市场趋势、竞争对手、产品表现等进行深入了解，为决策提供科学依据。
4. 数据应用数据应用是商业智能的最终目标。
通过将数据分析的结果应用于实际业务环境中，企业能够优化业务流程、改进决策过程、提高业务绩效。
数据应用可以是生成报表和可视化图表，为管理层和决策者提供直观的数据呈现；也可以是构建预测模型和优化算法，帮助企业进行有效的资源分配和运营管理。
商业智能的原理基于数据的价值和应用。
通过收集、加工、分析和应用数据，企业可以获取战略和竞争优势，提高决策的准确性和效率。
商业智能不仅可以帮助企业识别问题和机会，还可以为企业决策者提供实时的决策支持，使企业能够快速应对市场变化和竞争挑战。
商业智能与商务数据分析研究
商业智能与商务数据分析研究商业智能（Business Intelligence，简称BI）是指利用先进的数据分析、数据挖掘、数据可视化等技术，在海量数据中获取有价值的洞见，为企业决策提供支持的一种信息化工具。
商务数据分析（Business Data Analysis，简称BDA）则是对企业数据、客户行为等信息进行分析，识别业务机会、发现隐含问题，优化决策过程的过程。
商业智能和商务数据分析，在业务应用上具有显著的优势，并在实践中取得卓越成果。
一、商业智能概述商业智能是企业管理的核心组成部分，它通过数据规划、数据仓库和数据挖掘等技术手段，实现数据信息的汇聚和分析。
商业智能包含的核心技术，主要包括数据收集、数据仓库、数据挖掘、数据分析、数据可视化等。
它可以帮助企业经理人员实现决策优化、市场营销、客户关系管理、财务管理等业务目标。
商业智能系统的建设，需要从数据收集开始，通过数据采集、数据清洗、数据转化等过程，将不同来源的数据集成在一起，并建立数据仓库。
在此基础上，通过BI分析工具，可以对数据进行多维度、多层次的分析，以发现其中隐含的业务规律、逻辑关系和趋势变化。
最后，通过数据可视化技术，将分析结果以报表、图表等可视化方式呈现出来，让企业的管理人员可以及时获得决策所需的信息。
二、商务数据分析的作用商务数据分析是企业使用数据工具分析研究，并探索其中的业务价值。
商务数据分析需要使用多种技术，例如数据挖掘、机器学习、统计分析等等。
通过对商务数据进行分析，可以发现客户偏好、市场需求、产品创新等机会，最终进一步提高企业竞争力。
商务数据分析的过程包括：1.数据收集：收集内部和外部来源的数据。
包括企业、市场、社交等多方面的数据。
2.数据清洗：对数据进行清理、格式化。
对数据进行过滤、排空、去噪、剔重等清理工作，保证数据的有效性和可用性。
3.数据挖掘：采用机器学习、数据挖掘等算法，从庞大复杂的数据中提取业务价值，探索数据内部的关联性和趋势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
商业智能系统的功能构架来自：中国计算机用户作者：cgd007 日期：2004年02月02日浏览次数：2096作者：滕桂法发表：2003.11.12目前，很多厂商活跃在商业智能（下面称BI）领域。
事实上，能够满足用户需要的BI产品和方案必须建立在稳定、整合的平台之上，该平台需要提供用户管理、安全性控制、连接数据源以及访问、分析和共享信息的功能。
BI平台的标准化也非常重要，因为这关系到与企业多种应用系统的兼容问题，解决不了兼容问题，BI系统就不能发挥出应有效果。
这里我们通过对一个实验室的BI系统模型（我们将其称为D系统）进行功能解剖，来介绍BI系统。
D系统是一个面向终端使用者，直接访问业务数据，能够使管理者从各个角度出发分析利用商业数据，及时地掌握组织的运营现状，作出科学的经营决策的系统。
D系统可实现从简单的标准报表浏览到高级的数据分析，满足组织内部人员的需求。
D系统涵盖了常规意义上商业智能（BI）系统的功能，主要构架包括以下几个方面。
读取数据D系统可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 (对应ODBC)中的数据。
在读取文本和数据的基础上，D系统还可以完成：连接文本把2个CSV文件中的共同项目作为键（Key），将所需的数据合并到一个文件，这样可以象操作数据库一样方便，但无须用户编程即可实现。
设置项目类型作为数据的项目类型，除按钮(button)（文字项目）、数值项目以外，还可以设置日期表示形式的日期数据项目、多媒体项目和不需要生成按钮但在列表显示中能够浏览的参照项目。
期间设置日期项目数据可以根据年度或季度等组合后生成新的期间项目。
同样，时间项目数据可以根据上午、下午或时间带等组合后生成新的时间项目。
设置等级对于数值项目，可以任意设置等级，生成与之相对应的按钮。
例如，可以生成与年龄项目中的20岁年龄段、30岁年龄段的等级相对应的按钮。
分析功能关联/限定关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。
关联分析的重点在于快速发现那些有实用价值的关联发生的事件。
其主要依据是，事件发生的概率和条件概率应该符合一定的统计意义。
D系统把这种关联的分析设计成按钮的形式，通过选择有/无关联，同时/相反的关联。
对于结构化的数据，以客户的购买习惯数据为例，利用D系统的关联分析，可以发现客户的关联购买需要。
例如，一个开设储蓄账户的客户很可能同时进行债券交易和股票交易。
利用这种知识可以采取积极的营销策略，扩展客户购买的产品范围，吸引更多的客户。
显示数值比例/指示显示顺序 D系统可使数值项目的数据之间的比例关系通过按钮的大小来呈现，并显示其构成比，还可以改变数值项目数据的排列顺序等。
选择按钮后，动态显示不断发生变化。
这样能够获得直观的数据比较效果，并能够凸显差异，便于深入分析现象背后的本质。
监视功能预先设置条件，使符合条件的按钮显示报警（红）、注意（黄）信号，使问题所在一目了然。
比如说：上季度营业额少于100万元的店警告（黄色标出），少于50万元的报警（红色标出）。
执行后，D系统就把以店名命名的按钮用相应的颜色表示出来。
按钮增值功能可将多个按钮组合，形成新的按钮。
比如：把[4月]、[5月]、[6月]三个按钮组合后得到新的按钮[第2季度]。
记录选择功能从大量数据中选择按钮，取出必要的数据。
挑出来的数据可重新构成同样的操作环境。
这样用户可以把精力集中在所关心的数据上。
多媒体情报表示功能由数码相机拍摄的照片或影像文件、通过扫描仪输入的图形等多媒体文件、文字处理或者电子表格软件做成的报告书、HTML等标准形式保存的文件等，可以通过按钮进行查找。
分割按钮功能在分割特定按钮类的情况下，只需切换被分割的个别按钮，便可连接不断实行已登录过的定型处理。
程序调用功能把通过按钮查找抽取出的数据，传给其他的软件或用户原有的程序，并执行这些程序。
查找按钮名称功能通过按钮名查找按钮，可以指定精确和模糊两种查找方法。
另外，其他的按钮类也可以对查找结果相关的数据进行限定。
丰富的画面列表画面可以用and/or改变查找条件，可以进行统计/排序。
统计对象只针对数值项目，统计方法分三种：合计、件数、平均，而且可以按照12种方式改变数值的显示格式。
视图画面提供切换视角和变换视图功能，通过变换与设置条件相应的数值（单元格）的颜色表示强调。
依次变换视角可进行多方面的数据分析。
视图的统计对象只针对数值项目，统计方法有合计、平均、构成比（纵向、横向）、累计(纵向、横向)、加权平均、最大、最小、最新和绝对值等12种。
数值项目切换通过按钮类的阶层化（行和列最多可分别设置8层），由整体到局部，一边分层向下挖掘，一边分析数据，可以更加明确探讨问题所在。
图表画面 D系统使用自己开发的图形库，提供柱形图、折线图、饼图、面积图、柱形+折线五大类35种。
在图表画面上，也可以像在阶层视图一样，自由地对层次进行挖掘和返回等操作。
数据输出功能打印统计列表和图表画面等，可将统计分析好的数据输出给其他的应用程序使用，或者以HTML 格式保存。
定型处理所需要的输出被显示出来时，进行定型登录，可以自动生成定型处理按钮。
以后，只需按此按钮，即使很复杂的操作，也都可以将所要的列表、视图和图表显示出来。
D系统应用范围商业智能系统可辅助建立信息中心，如产生各种工作报表和分析报表。
用作以下分析：销售分析主要分析各项销售指标，例如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；同时根据海量数据产生预测信息、报警信息等分析数据；还可根据各种销售指标产生新的透视表。
商品分析商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。
主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。
通过D系统对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。
人员分析通过D系统对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购人员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，并为人力资源的合理利用提供科学依据。
主要分析的主题有，员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。
业智能的支撑技术来自：中国计算机用户作者：cgd007 日期：2004年01月09日浏览次数：2584作者：北京大学信息管理系李艳发表：2003.11.17正像我们对商业智能概念界定的那样，“商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
为此，把商业智能看成是一种解决方案应该比较恰当。
”深入认识商业智能，必须从这些支撑技术入手。
那么，支撑商业智能的各项技术的工作原理是什么？它们各自的功能如何？带着这些问题，请看本文《商业智能的支撑技术》。
由于商业智能只是数据仓库、OLAP和数据挖掘等技术的综合运用，所以我们有必要先来了解一下这些BI的支撑技术。
BI的数据存储技术——数据仓库和数据集市数据仓库（DataWarehouse）是将从多个数据源收集的信息，按照单一的模式进行存储，并通常将这些信息驻留在单个站点。
数据仓库通过数据清理、数据变换、数据集成、数据装入和定期数据刷新来构造其内容。
数据仓库收集了整个组织的主题信息，因此，它是企业范围的数据存储。
宽松地讲，数据仓库是一个数据库，组织可以将它与组织机构的操作数据库分别进行维护。
数据仓库系统允许将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。
按照W.H.Inmon这位数据仓库系统构造方面的权威设计师的说法，“数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程”。
这个简短而又全面的定义指出了表明数据仓库主要特征的四个关键词：面向主题的、集成的、时变的、非易失的，将数据仓库与其他数据存储系统（如关系数据库系统、事务处理系统和文件系统）区别开来。
让我们进一步看看这些关键特征。
面向主题的（subject-oriented）：数据仓库围绕一些主题，如顾客、供应商、产品和销售组织。
数据仓库关注决策者的数据建模与分析，而不是集中于组织机构的日常操作和事务处理。
因此，数据仓库排除对决策无用的数据，提供特定主题的简明视图。
集成的（integrated）：通常，构造数据仓库是将多个异种数据源，如关系数据库、一般文件和联机事务处理记录集成在一起。
使用数据清理和数据集成技术，确保命名约定、编码结构和属性度量等指标的一致性。
时变的（time-variant）：数据存储从历史的角度（例如过去5-10年）提供信息。
数据仓库中的关键结构，隐式或显式地包含时间元素。
非易失的（nonvolatile）：数据仓库总是物理地分离存放数据；这些数据源于操作环境下的应用数据。
由于这种分离，数据仓库不需要事务处理、恢复和并发控制机制。
通常，它只需要两种数据访问：数据的初始化装入和数据访问。
概言之，数据仓库是一种语义上一致的数据存储，它充当决策支持数据模型的物理实现，并存放企业战略决策所需信息。
数据仓库也常常被看作一种体系结构，通过将异种数据源中的数据集成在一起而构造，支持结构化的和专门的查询、分析报告和决策。
数据集市(datamart)则是数据仓库的一个部门子集。
它聚焦在选定的主题上，是部门范围的。
通过提供多维数据视图和汇总数据的预计算，数据仓库非常适合联机分析处理（OLAP）。
OLAP 操作使用数据的领域背景知识，允许在不同的抽象层提供数据。
这些操作适合不同的用户。
尽管数据仓库工具对于支持数据分析是有帮助的，但是仍需要更多的数据挖掘工具，以便进行更深入的自动分析。
BI的分析技术——OLAP、数据挖掘OLAP根据OLAP委员会的定义，联机分析处理(Online Analytical Processing，简称OLAP)是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维度特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。
它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。