推動BI行業對AI熱捧的最主要因素是，一些企業躺著賺錢的日子結束了，並已經進入對ROI（Region of Interest，投資回報率）更精細化的階段，比如車企，以往是把車造出來就賣得出去，但是現在，即便是造出了車也不那麼好賣，這時企業就需要用BI+AI的方法來看看是渠道、銷售還是員工等等哪個方面可以最佳化一下以及ROI和Planning該怎麼走。危機感越強的企業越早使用BI+AI的產品。市場需求也在倒逼BI服務商逐步向AI化、視覺化、雲化的方向演進。從定量、定性的角度來看，傳統的BI可以看做是定性分析，它可以從一些圖形資料中告訴我們事件的發展趨勢以及之所以這樣發展的相關因素。而融入了AI之後，BI就會變成定量分析，它會告訴你造成這種趨勢的原因，以及所有的影響因子的權重是什麼樣的，甚至是每一項後面的財務回報。
目前AI的資料問診雖然仍處於一個初級的發展階段，但是BI（Business Intelligence，商業智慧）領域，從企業到服務商都已經摩拳擦掌，開始了BI+AI的融合程序。
推動BI行業對AI熱捧的最主要因素是，一些企業躺著賺錢的日子結束了，並已經進入對ROI（Region of Interest，投資回報率）更精細化的階段，比如車企，以往是把車造出來就賣得出去，但是現在，即便是造出了車也不那麼好賣，這時企業就需要用BI+AI的方法來看看是渠道、銷售還是員工等等哪個方面可以最佳化一下以及ROI和Planning該怎麼走。危機感越強的企業越早使用BI+AI的產品。市場需求也在倒逼BI服務商逐步向AI化、視覺化、雲化的方向演進。從定量、定性的角度來看，傳統的BI可以看做是定性分析，它可以從一些圖形資料中告訴我們事件的發展趨勢以及之所以這樣發展的相關因素。而融入了AI之後，BI就會變成定量分析，它會告訴你造成這種趨勢的原因，以及所有的影響因子的權重是什麼樣的，甚至是每一項後面的財務回報。
透過企業積累的資料，用AI演算法把脈企業未來的業務增量，對症下藥，這就是BI AI化了之後人們期待看到的變化。
很多BI服務商都在探索AI與各業務線的融合，但是AI演算法與資料之間仍然需要一個漸入佳境的過程。例如，現在一些AI在BI上的應用雖然做得很不錯，卻需要提供大量的資料來訓練，而這些本來就不多的資料也是需要被標籤化或者識別之後才能用於訓練。理想很豐滿，現實很骨感。目前，各個企業對BI+AI的需求就像各家的數字化轉型程度一樣貧富差距明顯，也會有企業會因為資料量的不足難以走出BI的第一步。
BI是因果，AI是未來，所有AI問診都要先定因果。企業需要先把物理世界發生的結果數字化為虛擬世界，然後透過AI的方式做預測，才能看到未來可能的物理世界的結果。從過去看未來，企業級AI革命或許就是這樣一個從數字化到業務化穿越的過程。