商業智能（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使用，可能專注于數據混搭，以幫助企業根據來自不同部門系統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中。

數據分析與商業智能：有什么區別？
自20世紀80年代后期以來，“商業智能”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。業務分析或數據分析通常與商業智能互換使用，但也可以參考用于統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。

為何使用商業智能？
商業智能工具的使用有多種原因，如果使用得當，可以為企業或企業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，幫助識別企業或市場中的不同類型的趨勢，或幫助創建比其他信息有限的競爭對手更具競爭優勢。當與業務目標和系統完全一致時，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人員，數據分析師和數據科學家以及公司的執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，例如使用統計建模的預測分析，完善的統計功能以及利用大數據的能力。

我們現在稱之為“傳統報告”或“傳統BI”功能的出現始于執行人員和IT人員之間非常相互關聯的關系。執行人員完全依靠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揮重要作用。但是，在許多情況下，他們的角色已經從與執行人員的持續直接互動轉變為支持，治理和安全，這意味著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。

傳統商業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生了什么以及發生了什么，預測性有助于說明將會發生什么（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，規定性或可能發生的事情。現在正在開發機器學習技術，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。