“商業智慧”這個詞，多數人普遍認為是Gartner機構在1996年第一次提出來的，但事實上IBM的研究員Hans Peter Luhn早在1958年就用到了這一概念。

1958年，IBM計算機科學家漢斯·彼得·盧恩（Hans PeterLuhn）撰文討論了利用技術來收集商業智慧的潛力。按照今天的理解，商業智慧就是利用技術來收集和分析資料，將之轉換成有用的資訊，並根據這些資訊，“先於競爭對手”採取行動。從本質上說，現代版的商業智慧利用技術，在正確的時間，依據正確的資訊，迅速且有效地作出決策。

1970年，他發表文章，改變了人們思考資料庫的方式。他關於建立“關聯式資料庫模型”的提議獲得了巨大關注，被全世界所採納。決策支援系統（DSS）是第一個資料庫管理系統，現代版的商業智慧是從DSS資料庫演化而來。

上世紀80年代，商業人士發現了商業智慧的價值，於是BI供應商的數量大增。那期間，各種各樣的工具紛紛面世，目標是以更簡單的方式訪問和組織資料。聯機分析處理（OLAP）、主管資訊系統（EIS）和資料倉庫應運而生，與DSS協同工作。

什麼是商業智慧？

BI（BusinessIntelligence）即商務智慧，它是一套完整的解決方案，用來將企業中現有的資料進行有效的整合，快速準確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。

用一句話就是”使用基於事實的決策支援系統，來改善業務決策的一套理論與方法。”

商業智慧通常被理解為將企業中現有的資料轉化為知識，幫助企業做出明智的業務經營決策的工具。這裡所談的資料包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商等來自企業所處行業和競爭對手的資料以及來自企業所處的其他外部環境中的各種資料。而商業智慧能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。為了將資料轉化為知識，需要利用資料倉庫、聯機分析處理（OLAP）工具和資料探勘等技術。

因此，從技術層面上講，商業智慧不是什麼新技術，它只是資料倉庫、OLAP和資料探勘等技術的綜合運用。可以認為，商業智慧是對商業資訊的蒐集、管理和分析過程，目的是使企業的各級決策者獲得知識或洞察力（insight），促使他們做出對企業更有利的決策。

商業智慧一般由資料倉庫、聯機分析處理、資料探勘、資料備份和恢復等部分組成。商業智慧的實現涉及到軟體、硬體、諮詢服務及應用，其基本體系結構包括資料倉庫、聯機分析處理和資料探勘三個部分。

因此，把商業智慧看成是一種解決方案應該比較恰當。

商業智慧的關鍵是從許多來自不同的企業運作系統的資料中提取出有用的資料並進行清理，以保證資料的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合併到一個企業級的資料倉庫裡，從而得到企業資料的一個全域性檢視，在此基礎上利用合適的查詢和分析工具、資料探勘工具（大資料魔鏡）、OLAP工具等對其進行分析和處理（這時資訊變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支援。

提供商業智慧解決方案的著名IT廠商包括微軟、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。

理解、推理、學習

網路協同，就是大規模、多角色的實時互動來解決一個特定的問題。

兩個例子，第一個是維基百科，人類歷史上第一次出現了一個沒有中央政府協調的、大規模的、自發協同完成的線上知識庫。第二個是淘寶，今天的淘寶賣家已經可以線上，同時和幾百個服務商合作，只需要一個API的連結，就能調動相關資料和相關服務。

網路協同是企業邁向智慧商業最重要的第一步。

資料智慧，本質是機器取代人直接做決策。需要幾個重要前提：雲計算，大資料、演算法、迭代。

以Google搜尋為例，它有三個核心的組成部分，一個是演算法，是機器學習的引擎；一個是資料，非常重要的一點是它要迴圈，形成一個反饋；一個是使用者，兩個極簡的產品介面——搜尋框和結果頁，只需三個步驟——輸入關鍵詞，出結果頁，點選——就能完成一次搜尋。

一個非常重要的推論：未來任何一個企業，都是服務企業，因為客戶真正要的是服務，不是產品。大體量的公司能夠繼續保持多年的高速增長，背後的原因是智慧商業的黑洞效應。

黑洞意味著它有巨大的能量場，它的四個構成：

網路協同具備網路效應，具有指數級增長的天然優勢;資料智慧有學習效應，機器的演算法不斷透過對資料的處理，提高自己的智慧水平;網路天然會產生資料壓強，推動資料智慧的發展；資料智慧具有網路張力，資料和資訊的使用過程，就是一個價值創造的過程。商業智慧、雲計算、大資料之間的區別？

大資料VS雲計算

雲計算就是硬體資源的虛擬化；大資料就是海量資料的高效處理。

雲計算作為計算資源的底層，支撐著上層的大資料處理，而大資料的發展趨勢是，實時互動式的查詢效率和分析能力。

大資料的本質就是利用計算機叢集來處理大批次的資料，大資料的技術關注點在於如何將資料分發給不同的計算機進行儲存和處理。雲計算的本質就是將計算能力作為一種較小顆粒度的服務提供給使用者，按需使用和付費，體現了：

經濟性，不需要購買整個伺服器快捷性，即刻使用，不需要長時間的購買和安裝部署彈性，隨著業務增長可以購買更多的計算資源，可以需要時購買幾十臺伺服器的1個小時時間，運算完成就釋放自動化，不需要透過人來完成資源的分配和部署，透過API可以自動建立雲主機等服務。

雲計算的技術關注點在於如何在一套軟硬體環境中，為不同的使用者提供服務，使得不同的使用者彼此不可見，並進行資源隔離，保障每個使用者的服務質量。在大資料和雲計算的關係上，兩者都關注對資源的排程。

大資料處理可以基於雲計算平臺（如IaaS，容器）。大資料處理也可以作為一種雲計算的服務，如AWS的EMR（Amazon Elastic MapReduce ）阿里雲的ODPS（Open Data ProcessingService）。

商業智慧VS大資料

目前，商業智慧和資料分析常常被混用。這兩個術語都描述了在商業決策過程中使用資料的普遍實踐。

商業智慧代表了為決策者提供輔助的一系列技術，而資料分析則代表了處理資料的一系列工具，並且作為一個統稱，涵蓋了資料倉庫、企業資訊管理、商業智慧、企業績效管理和企業治理。

從概念的角度區分

BI（Business Intelligence）即商務智慧，它是一套完整的解決方案，用來將企業中現有的資料進行有效的整合，快速準確地提供報表並提出決策依據，幫助企業做出明智的業務經營決策。商業智慧BI在資料架構中處於前端分析的位置，其核心作用是對獲取資料的多維度分析、資料的切片、資料的上鑽和下鑽、cube等。透過ETL資料抽取、轉化形成一個完整的資料倉庫、然後對資料倉庫的資料進行抽取，而後是商業智慧的前端分析和展示。大資料（big data）是一種資訊資產，它是無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力。簡單而言，大資料更偏重於發現、預測並印證的過程。

從資料來源的角度區分

大資料的資料來源包括內部資料和外部資料，有很大一部分資料是包括音訊、影片、影象在內的非結構化資料，或是半結構化資料。這類資料透過大資料管理的方式進行整合，然後用BI的方法進行分析挖掘處理。而BI的資料很多是來自資料庫的結構化資料分析。在企業內部實施BI應用就是為了可以更好的對資料進行分享和使用。

從技術的角度區分

從技術方面來看，傳統BI的ETL、資料倉庫、OLAP、視覺化報表技術，都處於淘汰的邊緣，因為解決不了海量資料（包括結構化與非結構化）的處理問題，BI的很多功能都可以被對應的大資料元件所替代。大多數企業即使沒有大資料業務的驅動，大資料技術的優勢依然不容小覷。

從應用的角度區分

BI涉及的應用科學包括：終端使用者查詢和報告工具、資料探勘軟體、資料倉庫產品。主流的傳統商業智慧工具包括BO、COGNOS。一些新型的BI工具如Tableau、Qlikview、帆軟FineBI在目前市場也被廣泛應用。而大資料的應用幾乎涉及到社會生活的方方面面，如醫療行業、金融行業、體育行業、安全執法、城市改善等等。當然，大資料所涵蓋的領域不止這些，未來還會有許多新的行業和領域利用大資料的應用進行規劃和發展。

從決策者的角度區分

BI更傾向於決策，對事實描述更多是基於群體共性，幫助決策者掌握宏觀統計趨勢，適合經營運營指標支撐類問題；大資料則內涵更廣，傾向於刻畫個體，更多的在於個性化的決策。

從人員技能角度區分

大資料的資料處理，涉及很多新的技術，不同的應用場景需要不同的大資料處理方法，需要有人專門進行研究和探索，可見大資料對於BI人員的技能要求有所提高。

從發展趨勢的角度區分

隨著企業CRM、ERP、SCM等應用系統的引入，企業不僅僅關注事務處理過程，而更加註重有效利用企業的資料為準確和快速的決策提供支援。由此帶動的對商業智慧的需求將是巨大的。BI的發展趨勢可以歸納為以下幾點：從單獨的商業智慧向嵌入式商業智慧發展，從傳統功能向增強型功能轉變，從傳統型BI向敏捷型BI轉變。

商業智慧的未來趨勢的猜測

線上化，就是IOT（物聯網），將極大的擴張智慧商業的邊界，我們最終會實現萬物互聯。

全新的互動方式發展，IOT將會出現里程碑式的產品。以語音為代表的家庭智慧中心，以視覺為代表的應用級AR裝置以及以感知為代表的無人駕駛。IOT的集大成的產品，很可能就是無人駕駛汽車。

智慧化，AI（人工智慧）技術將極大增強黑洞效應。

首先，演算法會成為基礎設施。對於大部分企業來說，不需要演算法工程師，只需要人工智慧訓練師。其次，深度學習，包括增強學習會在每一個行業越來越多的被運用。

網路化，協同網路將急劇擴張。

網路協同擴張與重構，廣告、零售、物流、到創意、營銷的全鏈路重構。幾乎在每一個行業都會經歷一個從傳統的封閉的線性供應鏈，走向開放的價值協同網，這中間有巨大的商機。

並且我們能看到的兩個重要趨勢：

第一，新星湧現，現有生態繼續大爆炸，多元物種蓬勃生長。教育、健康、交通，本身都是幾十萬億的大產業，在轉向智慧商業的過程中，會出現平臺級、生態級的領先企業。第二、顛覆式技術形成新黑洞，區塊鏈、AI、AR/VR（增強現實和虛擬現實）。我們如此強調智慧商業，一個重要原因就是源頭技術還在不斷的進步。

要想在智慧商業時代取得成功，戰略的基本思路都要被改寫。

除了傳統的定位之外，新戰略中間一個最重要的概念，我把它叫做點線面體。就是未來的競爭中，一個企業戰略決策的第一核心，是要考慮在一個怎樣的網路去競爭，是作為一個面，作為一個網路平臺，去引領一個生態的發展，還是在一個特定的網路裡面，去做一個點或者去做一條線。企業升級的指南：

能不能儘可能的網路化；能不能儘可能地引入機器學習；能不能夠在網路擴張的過程中間，儘可能的用機器決策取代人工決策；能不能夠讓我的資料跟更多的不同型別的資料產生交換。

結論：資料是這個時代最重要的生產要素，未來的智慧時代，是人腦與機器智慧的連線。

商業智慧需要高質量的大資料，沒有適當的資料或高質量資料太少，任何商業智慧最終都會難以成功實施，無論管理贊助或商業驅動動機如何好，在沒有高質量的資料下，都無濟於事。在實施之前，進行資料分析是很好的，透過分析可以確定資料的內容，一致性和結構，而分析應該在整個流程中儘早完成，如果分析顯示資料不足，那麼就暫時擱置專案，而企業IT部門則應該考慮如何正確收集資料。

在規劃業務資料和商業智慧要求時，始終要考慮適用於特定組織的特定情景，然後選擇最適合該情景的商業智慧功能。

情景通常圍繞不同的業務流程進行，每個業務流程都建立在一個或多個數據源上。這些資料來源用於將資料作為資訊呈現給知識工作者的功能，知識工作者隨後根據這些資訊採取行動。所採用的每個業務流程的組織業務需求都與商業智慧的基本步驟相對應。這些商業智慧的基本步驟包括但不限於：

1，瀏覽商業資料來源以收集所需的資料

2，將業務資料轉換為資訊並適當呈現

3，查詢和分析資料

4，對收集的資料進行應用

商業智慧在質量方面應涵蓋從源資料到最終報告的所有過程。其中源資料的資料要標準，使資料具有可比性，資料倉庫要足夠完成，保證載入了所有逾期的資料。最後的報告用的指標要是唯一性的。好的資料決定了商業智慧這一解決方案能不能順利被應用。