BI原意解爲商業智能，但此名詞晦澀，很難在現實中找出真正的含義。咱們不妨回顧在BI這項技術出現以前，數據分析所面臨的問題。算法
在BI出現以前，數據分析領域幾乎被傳統的報表軟件所籠罩，例如潤乾、久其等等，隨着時間及客戶需求的增加，這些報表軟件逐漸顯現出如下不足：數據庫
1. 報表速度慢、顯示形式單一,同時不支持流行的分析手段，如KPI、平衡計分卡等等緩存
記得當時有件頗有意思的事，就是天天上班以後，先把報表打開，這樣下午就能夠看了。雖然未免有點誇張，但傳統報表速度慢倒是不爭的事實。傳統報表大都利用SQL對關係數據庫進行查詢，但隨着數據庫數據量的急劇膨脹，而且每一個SQL查詢都從最低粒度數據進行彙總，不免速度變慢。數據結構
同時傳統的報表展示形式很單一，主要是表格和常規的圖表。隨着分析需求的增加，人們但願從更多的角度及更多的形式來分析數據，包括將數值分析轉換爲狀態和趨勢分析的KPI，分析各指示之間關係的平衡計分卡，以及GIS分析和更豐富的圖表、儀表盤分析等等。工具
2. 展示的數據量有限spa
傳統的報表展示形式可以展示的數據量很是有限，只能展示報表定義時所定義的數據項。當有新的分析需求時，則不得不開發新的報表，致使報表量增長，統計局每一年發佈的年鑑已達500多頁。orm
傳統的報表展示的數據固定，沒法根據分析者的思想發生變化，從而很大程度上限制了數據分析者的思想。xml
3. 不支持數據挖掘，沒法經過數學算法找到規律開發
傳統數據分析只能完成數據的展示，而數據背後的規律只能依賴於分析者的創造，而普通的分析者卻不具有這樣的能力。這樣，傳統的數據分析只能流浮於數字表面。數據分析
在這種背景下，BI爲分析者帶來了但願。我認爲BI的含義是提供更加快速、靈活和豐富的數據支撐。這正好對應於傳統數據分析的三個問題：
1. 報表---更加快速及更多的展示形式
1) 數據源爲多維數據集，並提供緩存機制
多維數據集採起預運算機制，彙總數據在多維數據集中已經有了實際的存儲，而不須要在每次查詢時從最低粒度進行彙總，再加上新的報表軟件提供的緩存機制，從而使報表的展示速度變得很是快。
2) 必定的鑽取、跳轉以及多報表之間的聯動
新的報表展示與傳統報表相比變得更加靈活，包括更豐富的篩選器、必定層次的鑽取、跳轉以及多報表之間的聯動。
但報表仍不如多維數據分析更加靈活。
3) 更多的展示形式
新的報表展示目前已經能夠實現KPI展示、儀表盤、樹形大綱視圖、更豐富的圖表以及更多的自定義展示形式。
2. 多維數據分析---靈活
1) 報表及圖表各元素的靈活定製
多維數據分析最大的特色就是報表及圖表的各元素能夠隨意定製，咱們能夠很輕鬆的設定放置在行或列上的維度或量度，從而實現爲所欲爲的報表。
2) 新成員、新指標的快速建立
多維數據分析工具通常都提供了新的維度成員或新指標的快速建立的方法，從而實如今分析者不瞭解後臺數據結構的狀況下，也能夠隨意建立出本身想要的計算成員或集合等，這一點更清晰的體現出其靈活的特色。
3) 隨意的鑽取及鑽透
隨意的鑽取，尤爲是跨維度的鑽取是多維數據分析很是重要的一項功能，正由於具備這樣的功能，因此多維數據分析所展示的數據能夠隨着分析者的思想而發生變化，例如從產品分析到銷售分析的跳躍性思惟，多維數據分析均可以實現相應的數據支撐。
4) 數據訪問範圍的擴大
多維數據分析能夠訪問的數據範圍幾乎能夠實現所有數據，尤爲是一些新技術出現以後（例如SQL Server 2005的UDM）。
3. 數據挖掘---豐富
將分析者的思想與數據算法相結合，利用數據算法，分析者更容易從海量數據中找到規律，同時分析者的思惟也賦予數據算法更多的活力，使其更貼近於行業規則。
數據挖掘爲分析者帶來了從數字表面沒法發現的規律，提供更加豐富的分析，將數據分析延伸到了新的領域。
數據挖掘更爲重要的是提供了預測的功能，這意味着咱們在將來到來以前，已經得到了將來的數據，能夠說報表和多維數據分析讓咱們更清晰的瞭解過去，而數據挖掘則讓咱們感覺到了將來的氣息。
BI附加價值：
1. 改善數據質量
2. 業務流程規範
3. 觸發更多分析需求
BI項目的實施是對企業數據質量及業務流程的最好的檢驗，能夠暴露不少以往很難發現的問題。同時，它也能夠觸發更多的分析需求，分析師能夠經過BI系統獲取更多的靈感，提供更多更、更好的數據分析結果。
綜述，數據分析＝分析的思想＋BI技術。其中，分析的思想佔70％，BI技術佔30％，足見分析思想在數據分析過程當中的重要性，而技術則是提供更好的支撐。
我認爲BI的真正含義是「利用各類不一樣的應用程序和技術，收集、存儲、分析、共享數據並提供數據訪問，從而幫助企業用戶更容易的、更快速的獲取更豐富的數據，以作出更好的業務決策。」