什么是商业智能？

在Teradata，商业智能（BI）采用有效流程和技术架构去收集、存储和分析公司活动产生的数据，为企业避免产生不准确、不充分数据分析的后果。BI是一个广泛的术语，包括数据挖掘、过程分析、性能基准和描述性分析。BI分析企业生成的所有数据，并提供易于消化的报告、绩效衡量标准和推动管理决策的趋势。商业智能满足临时用户的需求，包括高管、经理、一线员工、客户和供应商。它提供针对每个用户角色量身定做的报告、仪表板和记分卡，并生成与战略目标一致的指标。这种自上而下的风格由经典的数据仓储结构提供动力，该结构通过将共享数据转换为通用数据模型（schema）和BI语义层（元数据）来整合企业数据并实现信息一致性。

作为比较，Gartner将商业智能（也称为BI）定义为“...包括应用程序、基础设施和工具以及能够访问和分析信息以改进和优化决策和绩效的最佳实践”。同样，CIO.com指出，“公司利用BI来改善决策、降低成本和确定新的商业机会。BI不仅仅是企业报告，也不仅仅是一套从企业系统中诱发数据的工具。CIO们使用BI来识别低效的、急需重新设计的业务流程。

商业智能挑战

数十年来，商业智能（BI）专业人员一直试图将不同类型的业务用户、工作负载和数据融入到相同的架构中，结果往往令人失望。问题是BI是一个广泛的领域。从战略上讲，这是关于利用信息做出更明智的决策；从战术上讲，这是关于构建报告和分析应用程序。为了在新的数据世界中取得成功，BI专业人员需要采用新的思维和方法。他们需要摆脱过去的一刀切框架。为了满足新兴的业务需求，他们必须管理多个智能领域及其相关架构，并在每个领域都针对不同类别的用户和工作负载进行优化。

更好的决策需要更好的信息，这就是商业智能的目标：分析符合为更好决策而设置的指标的现有数据。BI通过提高数据准确性、时机和数量来达到此要求。为了获得最大回报，BI必须努力提高数据的准确性、及时性和数量。这些要求意味着找到更多方法来捕获尚未记录的信息，检查信息是否错误，并构建信息结构，以便进行广泛的分析。

在现实世界中，许多甚至大多数公司的数据都是非结构化的或多格式的，这使得收集和分析变得困难。这促使软件开发人员需要提供商业智能解决方案，从而优化从可用数据中提取的信息。这些企业级软件应用程序旨在统一公司的数据和分析生态系统。

软件解决方案以稳定的速度增长和演变，但数据科学家面临着在报告速度和深度之间进行拉锯战。由于组织可以通过物联网获得巨大数量的数据，数据分析师必须对调查结果进行排序，以精确定位代表整个业务领域或特定流程强度的选定数据点。这减少了花时间捕获和重新格式化数据进行分析的需要，从而节省了时间并提高了报告速度。

要使组织通过分析提高竞争力，它必须为员工提供BI和分析应用程序——这些应用程序需要不仅能够理解要求并优化数据选择，还需要满足现代用户的全部需求，让所有用户都能从数据中实现价值，并利用分析开发见解。设计师和开发人员必须超越传统的需求收集方法，转而与用户协作，了解他们的需求。组织必须投入同样强度的精力，让内部用户体验像客户体验一样得到完善。