商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。
商業智能（BI）是一套商業方面輔助決策的解決方案。它通過組建企業級數據倉庫，得到企業數據的全局視圖，在此基礎上，再利用合適的查詢和分析工具、數據挖掘OLAP等工具對數據進行分析和處理，形成有用的信息。商業智能擁有強大的建模能力、多維度的構架體系、專業的數據處理技術和靈活的技術特點，與管理會計對信息平臺的要求十分吻合。
商業智能BI平臺一般包含一下功能：
常見問題
BI軟件應該具備的功能有哪些？
（一）連接多種類型數據源
做數據分析的前提是要獲取數據，現在有各種類型的數據源，包括關系型數據庫、分布式數據庫、文件數據源、接口數據源等。因此，BI軟件的首要功能就是支持連接多種類型的數據源。例如，億信ABI就支持連接以下數據源：
關系型數據庫：oracle、mysql、db2、sqlserver等
分布式數據庫：Petabase、Greenplum、Impala、HBase等
國產化數據庫：達夢、易鯨捷、星環、Gauss DB200等
文件數據源：excel、txt、csv、db等
接口數據源：WebService、Rest、JSON、工業數據URL接口等。
（二）數據處理
數據處理指的是在數據分析之前對數據進行清洗（extract）、轉換（transform）、加載（load），簡稱ETL。ETL的目的是將企業中分散、零亂、標準不統一的數據整合到一起，為企業的決策提供分析依據。
（三）補錄填報與工作流
BI軟件可以對分析表格進行數據回填設置，對缺失的數據進行補錄，也可以設置全新的填報表單用于錄入數據。同時，填報可以與工作流結合使用，實現數據填報補錄后的業務流程審批。
（四）數據可視化
BI軟件一般內置多種可視化元素和統計圖，通過設計與搭配，可衍生出成千上萬種可視化效果。
（五）數據查詢與鉆取
BI軟件支持鉆取和切片功能，即同一張報表可以下鉆查看明細數據或者切片換個角度查看數據。支持在統計圖、地圖、單元格、文字、繪圖等各種數據元素上進行鉆取和切片。
（六）自助式分析
新型的BI軟件是面向業務人員的，就算不具備專業的IT知識，也可以通過簡單的拖拽操作生成各式各樣的分析報告，極大地提升了數據分析的效率。
（七）移動端應用
BI軟件支持通過移動端實現數據的采集與分析應用，用戶可以選擇移動端APP來對數據進行瀏覽和分析，實現移動采集、分析、審批一站式辦公，滿足用戶各種移動分析場景。也可以輕松實現與微信、釘釘等移動辦公軟件或第三方APP的集成。
商業智能bi是什么意思？
商業智能 (BI) 是一個廣義術語，包含將業務數據轉換為可操作信息的各種軟件和服務。它有助于提供對公司數據的可見性，并用于為組織范圍的決策提供信息。
商業智能中的流程包括數據挖掘、報告、數據分析、數據可視化、分析等。這些洞察力使公司能夠做出數據驅動的決策，以更好地支持業務。
求助于數據可視化軟件將數據和指標轉換為圖表和圖形是很常見的。這樣做有助于公司跟蹤各種指標和關鍵績效指標 (KPI)，以更好地了解績效和目標。
商業智能的主要三個技術
一、商業智能技術：數據倉庫
DataWarehouse是一種語義一致的數據存儲，它是指從多個數據源中收集的信息，這些信息以一致的存儲方式被保存下來。
它的特點是面向主題的、綜合的、時間相關的、不可修改的數據集合。執行BI首先要從企業內部和外部收集各種數據源，例如CRM、SCM、ERP系統和其他應用系統，進行轉換和合并，因此需要數據倉庫和數據集市技術的支持。
二、 商業智能技術：ETL系統的數據處理
ETL的英文全名是“擴展(提取)”、“轉移(轉移)”和“裝入”。抽樣調查主要針對各個業務系統和不同服務器上分散的數據，充分了解數據定義，規劃所需的數據源和數據定義，制定可操作的數據源，制定增量抽樣調查和漸變抽樣調查規則。
三、 商業智能技術：在線分析處理(OLAP)
在線分析處理OLAP是一種軟件技術，它能讓分析者快速、一致、交互式地觀察各方面的信息，從而達到深入了解數據的目的。
它具有鉆孔、鉆孔下部、切片、切割和旋轉5種基本功能。現代的OLAP系統一般以數據倉庫為基礎，即從數據倉庫中提取詳細數據的一個子集，然后將子集中的數據集合存儲到OLAP內存中，供前端分析工具讀取。
bi軟件是做什么用的？
首先，作為BI能夠制作復雜的固定報表。
其次，作為BI是能進行自助式分析，幫助企業深度挖掘數據價值。市面上的BI產品圖表展示豐富多樣，都能將企業數據以豐富的圖形展示，幫助企業進行自助式分析。
再者，作為BI能幫助企業將異構系統的數據取數到統一的數據倉庫中。例如，數林BI能將不同的財務賬套數據（用友U8/T6/T3、金蝶K/3 ，金蝶KIS旗艦版/專業版等）合并成集團一套賬（統一的數據倉庫中），便于企業查詢分析。
商業智能的目的是什么？
商業智能（BI）的目的主要表現在如下3個方面：
1.可視化報表的展現
在商業智能（BI）中，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日常的業務數據（財務、供應鏈、人力、運營、市場、銷售、產品等）全面展現出來，再通過各種數據分析維度篩選、關聯、跳轉、鉆取等方式查看各類業務指標。
這些分析展現內容基本上是圍繞各個業務部門日常工作展開的，這里面有很多的業務分析內容可能需要復雜的計算規則，需要從不同的業務系統獲取數據，并且這些數據在業務系統軟件中都是很難直觀看到的。
這個層次的可視化報表分析就是一種呈現，讓用戶對日常的業務有一個清晰、直接、準確的認知，同時解放了業務人員手工利用Excel的各種函數做匯總分析、制圖的工作，提高了工作效率。比如，財務部門會關心今年的營業收入、目標完成率、營業毛利潤率、凈資產收益率等；銷售部門會關心銷售金額、訂單數量、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。
2.數據的“異常”分析
數據的異常分析利用的是對比分析法。業務人員通過可視化報表呈現，如果發現了一些數據指標反映出來的情況超出了日常經驗判斷。這時就需要要對這些 "異常" 數據進行有目的的分析，通過相關聯的維度、指標使用鉆取、關聯等分析方式探索出可能存在的原因。
例如，一個網站或產品，正常情況下每個月的平均用戶注冊量是10萬左右。但是發現在今年的 8 月份，會員注冊量達到了 23 萬，這就是一種 "異常"，遠遠超過經驗判斷和預期。這時我們就要去分析判斷是因為市場部門的推廣，還是做了大型促銷活動導致的。
當然除了正向的異常，也有可能出現負向“異常”，比如注冊量只有5萬，這時也是需要我們通過分析找到原因，并在以后避免發生類似的情況。
最終業務人員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。這個階段的業務人員不再是被動接受來自圖表中反映的信息，而是通過"異常"數據來定位到背后的一個業務問題，數據和業務在這個層次開始有了直接對應關系，這時可以利用數據圖表之間的邏輯性關系。
3.業務建模分析
業務建模分析通常是由精通業務的業務人員提出，通過合理的建模找出業務中可能存在的問題，將其反映在可視化報表上，并最后要回歸到業務，形成決策并不斷優化的一個過程。業務建模簡單來說也可以理解為一種業務分析的邏輯思維模型，只是用數據、圖表化的方式將它們有效組織起來去驗證我們對業務分析的邏輯判斷。它可由一個或多個圖表組成，也可通過一組或多組數據圖表支撐，依據企業的業務模型來確定。
業務建模分析區別于前兩點，它是一種更深層次的業務數據的主動設計和探索分析。需要更加深入業務，圍繞一個一個業務分析場景展開，對業務的認知要足夠深。這里需要注意的是具體的分析場景很難由專業的BI開發人員來提出。業務分析建模需要由專業的業務人員且具備數據分析思維意識的人員來推進和主導，再輔助合適的數據分析、挖掘或統計工具，這樣商業智能BI的價值才能在企業得到充分的發揮，數據的價值也才會得到充分的體現。
商業智能bi行業現狀
（一）眾多玩家涌現
我國經濟的平穩發展給各個行業帶來了信息化提升的強大壓力，但并不是所有行業都能跟上信息化發展的飛快速度。據艾瑞咨詢數據統計，中國約有6600萬家實體店鋪，而90%以上的店鋪所使用的是非智能收銀系統。 這就給商業智能發展提供了很大的市場空間，所以近年來商業智能市場的規模以較高的增長幅度不斷擴大。
面對不斷擴大的市場規模，越來越多提供商業智能服務的公司涌現，目前市面上從事商業智能服務的企業主要分為三種類型。第一種是專門做BI服務的獨立前端廠商；第二種是不缺資源、技術的互聯網大廠；最后一種是對BI 需求更大的銀行。
而通過對比上述三種類型企業的BI產品、市場表現和發展前景，就可以看出，目前誰在商業智能BI行業市場的競爭力更強，而誰的發展前景又會更好。
（二）獨立前端廠商：老將護城河高筑，新來者挑戰重重
從專門做BI行業服務的企業來說，他們不用像互聯網企業和銀行一樣考慮商業智能與原有業務體系之間是否契合，只需要根據市場需求推出自己的產品，當有了一定的市場知名度之后，人才也會源源不斷地涌來。如果考慮到投入與產出比的話，就必須要讓自己的產品得到市場的認可，這樣才會有客戶和收入來源。 因此，市場認可度對于專門從事BI服務的企業來說至關重要。而在行業深耕多年的老牌BI廠商就得益于其逐漸積累起的市場知名度，成為了行業中的佼佼者。
而新入局的商業智能BI行業廠商因為缺乏經驗、技術儲備和資源，就很難和老牌BI行業廠商抗衡，從而在獲客和營收等方面都存在困難。所以，獲得融資對他們來說至關重要，資本的投入可以讓他們招攬更多的人才，從而提高自己的市場競爭力。
在資本的支持下，新來者未來的競爭力不容小覷。但目前來說，相比老牌商業智能行業BI廠商，他們在銷售渠道和交付合作伙伴等生態圈建立方面，還存在不足，所以短時間內難以和商業智能BI行業頭部平臺抗衡。
（三）互聯網大廠：發展優勢得天獨厚，天花板更高
從布局商業智能BI行業服務的互聯網大廠來說，他們發展BI業務主要是出于兩個原因。一是他們在日常的經營中會產生大量的經營數據，有巨大的商業智能BI行業服務需求，但如果選擇合作伙伴的BI系統可能并不適合企業，所以自行發展BI是最合適的選擇；二是業務成熟，還可以向B端開放，豐富自己的生態。
而且相比獨立的BI前端工具廠商來說，他們有資金、人才和生態優勢，因為可以向內部提供服務，所以不用發愁客戶的問題，企業的云服務業務也為其發展商業智能提供了優質的土壤。因此，目前國內互聯網大廠推出商業智能服務的現象并不少見。
總的來看，以阿里為代表的互聯網大廠在BI發展，具有得天獨厚的優勢，能達到的天花板也更高，它們未來或許可以重新定義整個行業。
商業智能的應用方面
1. 銷售分析：
主要分析各項銷售指標，如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環比等；而分析維又可從管理架構、類別品牌、日期、時段等角度觀察，這些分析維又采用多級鉆取，從而獲得相當透徹的分析思路；同時根據海量數據產生預測信息、報警信息等分析數據；還可根據各種銷售指標產生新的透視表。
2. 商品分析：
商品分析的主要數據來自銷售數據和商品基礎數據，從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過系統對這些指標的分析來指導企業商品結構的調整，加強運營商品的競爭能力和合理配置。
3. 人員分析：
商業智能（BI）通過系統對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標為輔）和采購人員指標（銷售額、毛利、供應商更換、購銷商品數、代銷商品數、資金占用、資金周轉等）的分析，以達到考核員工業績，提高員工積極性，并為有力資源的合理利用提供科學依據。主要分析的主要有員工的人員構成、銷售人員的人均銷售額、對于銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、采購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量如何等。
商業智能（BI）會以對企業經營中的各類要素進行綜合分析，用戶可以選擇在某時間段內，對整個CRM數據中的客戶、產品、銷售業績進行分析，形成數據建議報告，提供給決策者審閱，為企業管理人員制定經營管理方法提供了一定的決策依據。
商業智能發展趨勢
數據分析的目的是把隱藏在一大批看似雜亂無章的數據背后的信息集中和提煉出來，總結出所研究對象的內在規律。簡單的說，數據分析就是根據分析目的，使用適當的分析方法和分析工具，對數據進行處理與分析，提取出有價值的信息，形成有效的分析結論的過程。
對于toC類產品，由于覆蓋的用戶范圍廣、用戶基數大，用戶千差萬別，背景各異。我們又很難對用戶進行透徹的了解(問卷調查也只能覆蓋一部分用戶，并且問卷調查得出的結論可能不一定真實反映整體用戶情況)，因此產品怎么更好地服務于用戶、真正對用戶產生價值是每個提供toC產品與服務的公司非常頭痛的問題。
幸好，數據分析為我們了解用戶打開了一扇窗，用戶在產品上的操作行為為我們了解用戶提供了“蛛絲馬跡”，用戶的操作行為也是用戶最真實意圖的反饋，通過分析用戶行為，我們可以對用戶進行更加細致的了解，最終指導我們更好地迭代產品為用戶提供更好的服務體驗，通過用戶行為分析獲得的認知，也可以指導我們更好地運營內容及用戶。通過更好地服務用戶，借助合適的變現手段，最終產生商業價值。
由于技術的進步，商業智能所涵蓋的內容也在不斷演化。在大數據被廣泛應用之前，商業智能指將公司內不同部門的數據進行整合，從而指導決策，這個過程相對線性。 而現在，商業智能可以幫助實現一個決策閉環，不僅通過各種手段讓數據更容工具和易獲得，而且能夠對決策的效果進行迅速追蹤與反饋，從而指導新一輪的決策。
數字經濟下，數據無處不在，我們已經從IT時代邁入DT時代。IT時代以流程來驅動業務，而在DT時代，將以數據來驅動業務。特別是對于互聯網公司來說，擁有海量的數據并充分利用，已經成為其致勝的法寶。
