商业智能(Business Intelligence)简单来说就是一套由数据仓库、查询报表、数据分析等组成的数据类技术解决方案，将企业中不同业务系统（ERP、CRM、OA、BPM等，包括自己开发的业务系统软件）中的数据进行有效的整合，并利用合适的查询和分析工具快速并且准确的为企业提供报表展现与分析，为企业提供决策支持。

BI的核心主线是什么？主线就是通过构建数据仓库平台，有效的整合数据并组织起来为分析决策提供支持并实现其价值。还有一种解释就是：将数据转变为信息，信息支撑决策，决策产生价值。 有些人一直有这样的疑惑：“BI是如何产生价值的，价值在哪里，我并没有看到？为什么在我的企业中IT部门或者业务部门完全沦为了做做报表，能体现的价值只是节省了做报表的工作量，仅此而已。”这种质疑带有很大的普遍性，但这样的问题也不是不能解决，比如我们可以不讲技术，就聊聊一些业务场景。 BI的价值到底如何体现的呢？在此探讨一下商业智能的三个分析层次，或许会对BI的认知可能有所改观。 第一个层次是报表的常规呈现。所谓常规呈现指的是使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的业务数据（财务、供应链、人力、运营等）全面呈现出来，再通过各种维度（看数据的角度）筛选、关联、跳转、钻透等方式查看各类分析指标，业务分析图表按照主题划分，图表之间存在一定的逻辑关系。 这些分析展现内容基本上是围绕各个业务部门日常工作展开，里面有很多的业务分析内容可能需要复杂的计算规则，需要从不同的系统取数据，从业务系统软件中这些都是很难直观看到的。这个层次的报表分析就是一种呈现，让报表用户对日常的业务有一个清晰、直接、准确的认知，其次解放了他们自己手工通过EXCEL通过各种函数做汇总分析、制图的工作。 比如，财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率等；销售部门会关心销售金额、订单数量、销售毛利、回款率等；采购部门会关心采购入库金额、退货情况、应付账款等等。因此，达到第一个层次的目标就是：通过可视化分析报表直观、全面的呈现企业日常经营、业务的情况。可以从集团层次出发，也可以从业务线或者部门出发。 第二个层次是数据的异常分析。“异常”是指，通过可视化报表呈现，发现了一些数据指标反映出来的情况超出了日常经验判断。例如，正常情况下每个月的平均用户注册量是10万左右。但是通过报表发现在8月份会员注册量达到23万，这就是一种异常，远远超过经验判断和预期。再比如在1-9月份，产品销售毛利率稳定在30%-40%之间，突然到了10月份，整体的毛利率下降到了20%不到，这也是一种异常。这两种异常数据，一种是企业所追求的的正向异常，一种是极力避免的负向异常。 BI系统是先通过第一层的报表呈现，将很多业务运营情况直观的反映出来，让用户可以直观的看到在经验之外的数据表现情况。商业智能在这里体现的价值就是要对这些异常数据进行有目的的分析，通过相关联的维度、指标使用钻透、关联等分析方式探索出可能存在的原因。 比如会员注册的问题，有哪些因素可能导致会员注册的大幅度增加的可能？是不是最近采取了一系列的线上降价促销、开放式的注册、相关营销活动等，这些支撑分析的数据是否都存在，如果都存在，它们的报表呈现情况如何，促销投入的力度和用户增长的关系等等。 在这个层次中，可视化报表的分析是带着问题找问题的，通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、固化的分析模型。这个阶段的用户不再是被动接受来自图表中反映的信息，而是通过异常数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了联系，数据图表之间的逻辑性更强。 例如，通过分析发现在三种线上促销方式中，促销方式一的投入产出最高，因此回归到业务场景中，这种促销方式以后应该要坚持，它可以有效的提升用户注册增长率。 第三个层次是业务建模分析。业务建模分析通常是由精通业务的用户提出，通过合理的建模找出业务中可能存在的问题，将其反映出来并最后要回归到业务，形成决策并不断优化的一个过程。业务建模可简单，可由一个或多个图表组成，也可复杂，通过一组或多组数据图表支撑。业务建模简单来说也可以理解为一种业务分析的逻辑思维模型，只是用数据、图表化的方式将它们有效组织起来去验证我们对业务分析的逻辑判断。 业务建模分析区别于第一层的全面数据呈现和第二层的异常分析和被动分析，它是一种更深层次的业务数据的主动设计和探索分析。这层分析的提出更加深入业务，围绕一个一个业务分析场景展开，对业务的认知要足够深。 业务分析建模需要由专业的业务人员且具备数据分析思维意识的人员来推进和主导，再辅助合适的数据分析、挖掘或统计工具，这样商业智能BI的价值才能得到充分的发挥，数据的价值也才会得到充分的体现。 商业智能BI系统的价值体现在哪方面？商业智能的表象是可视化分析报表的呈现，但其本质仍然是商业问题和管理问题。商业智能的数据分析来源于商业。通过数据展现，我们可以发现业务问题（好的或坏的，在经验之内或之外），并返回到业务优化的过程中来改进业务操作。这是商业智能中数据到信息、信息生成决策、决策生成价值的真正内涵。