解读商业智能(商务智能)
随着信息化的发展，商业智能(商务智能)越来越多地成为关注的焦点。然而，对于商业智能的理解五花八门。本文试图系统地整理一下商业智能(商务智能)的概念，解读”什么是商业智能（商务智能）”、”商业智能/商务智能包括什么”的问题。
1、商业智能的定义：
首先看一下常见的几种定义：
引自WIKI的：
商业智能的概念最早在1996年提出。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。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、客户和供应商资料及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ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。
把商业智能看成是一种解决方案应该比较恰当。商业智能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并进行清理，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。
其他一些定义:
IT部门手中掌握了海量的数据，同时拥有多种工具来移动、分析和发送这些数据，将正确的信息提供给需要的专业人士
商务智能 是企业利用现代信息技术收集、管理和分析结构化和非结构化的 商务 数据和信息，创造和累计 商务 知识和见解，改善 商务 决策水平，采取有效的 商务 行动，完善各种 商务 流程，提升各方面 商务 绩效，增强综合竞争力的 智慧 和 能力 。
在这些定义中，抛开一些虚的词汇和没有实际意义的定性，我们总结其关键的共性，应该说最关键的：
- 商业智能是（主要）基于已有数据进行的
- 商业智能主要的作用是辅助企业的业务管理与决策，改进企业运作
- 商业智能主要内涵是对数据进行分析，提供给需要的人
- 商业智能是多种技术的综合体。
可以说上面几点共性是基本的，能够比较准确地帮你理解商务智能是干什么的，与其他的概念例如ERP、CRM、MES、PORTAL等的区别。但这几点共性，并不能让你对到底商业智能是什么样的东西有更深入的概念。可以说，一个更为本质的问题，是商业智能包括哪些东西/技术，这些东西是什么样的、干什么的。
总结一下，一般地讲商业智能包括以下的部分。需要说明一下的是，不同的体系，划分的方法可能有些差别，但仔细看一下，本质是差不多的。
- ETL：即数据的抽取/转换/加载。也就是将原来不同形式、分布在不同地方的数据，转换到一个整理好、统一的存放数据的地方（数据仓库）。
ETL可以通过专门的工具来实现，也可以通过任何编程或类似的技术来实现。
- 数据仓库：一个标准的定义是：数据仓库是一个面向主题、集成、时变、非易失的数据集合，是支持管理部门的决策过程。详细可以参见：http://www.ithao123.com/datawarehouse/0003.html
简单理解，数据仓库就是储存数据的地方。它既可能是原始的业务数据库，也可能是另外生成的。既可能是标准的关系型数据库，也可能是包括了一些特定面向分析特性的专门产品。
- 查询：找出所需要的数据。
由于需求的多样性和复杂程度的差异，查询可能是最简单的从一张表中找出”所有姓张的人”，到基于非常复杂的条件、对关系非常复杂的数据进行查找和生成复杂的结果。
- 报表分析：以预先定义好的或随时定义的形式查看结果和分析数据。
将人工或自动查询出来的数据，以所需要的形式（包括进行各种计算、比较，生成各种展现格式，生成各种图表等）展现给用户，甚至让用户可以进一步逐层深入钻取这些数据，乃至灵活地按照各种需求进行新的分析并查看其结果。在这个领域，报表已经由原来狭义的做好固定报表发展为灵活地按业务要求随时制作各种报表、进行各种分析和数据研究处理。
- OLAP分析：多维数据分析，从多个不同的角度立体地同时对数据进行分析。
理解OLAP分析，最简单的例子是Excel中的数据透视表。需要指出的是，OLAP有广义与狭义之分，广义的OLAP是相对OLTP而言，可以说包括了查询、报表分析、OLAP分析和数据挖掘，但真正大家所讲的实际是狭义的OLAP，即多维数据分析。OLAP分析一般讲应该是通过建模和建立立方体（CUBE）来实现，但现在也有一些简单的OLAP工具可以不建模即进行小数据量、低复杂度的分析（EXCEL的数据透视表即是一例）。
- 数据挖掘： 数据挖掘是一种在大型数据库中寻找你感兴趣或是有价值信息的过程。
相比于上面几个部分，数据挖掘是最不确定的。如果理解它与查询的区别，似乎是数据如果容易查出来，就是查询。如果费很大劲才能找出来，就是挖掘。
上面这若干部分，并不是每一部分都必不可少，而是要根据应用的实际情况，具体问题具体分析。一般地讲，数据仓库（这里是广义的，其中相当一部分情况就是指标准的关系型数据库）和查询、报表分析是必不可少的，而其他一些功能则视应用的需要可能有不同程度的应用。
除了上面所讲的这些实质性、技术性的组成部分外，与商业智能相关的还有很多应用层面的概念，如EPM（企业绩效管理）、DashBoard（仪表盘）、预警、决策支持等等。这些概念在应用上有很大意义，也有一些相关的辅助技术，但本质上还是基于上述的几个组成部分。
从上面的解读我们可以看到，商业智能既不神秘，也不简单。不神秘，是指即使你简单地拿一个数据库，需要的话做几个视图或用存储过程转换一下数据，写个程序让用户可以查数据，写些程序或用个免费报表工具把报表做出来，用EXCEL做一下OLAP分析，也完全可以称得上是一个商业智能应用。但另一方面，随着数据量和复杂性的增大，随着用户功能的增强，上述每一项功能都可能非常复杂，都有各个领域功能非常强大的产品来实现。
还有一点要指出的，与ERP有很大的差别，商业智能的各个组成部分之间的独立性非常强，因为里面的数据是标准化的。你完全可以用Informatica做ETL，用ORACLE做数据仓库，用润乾做查询与报表分析，用Cognos做OLAP分析，从而在各个领域都达到较佳的效果。