商业智能行业与下游行业的关系分析

中国产业研究报告网讯：

    商业智能行业的下游行业覆盖面较广。目前，国内商业智能行业的下游主要为电信、金融、能源、交通和政府等信息化程度相对较高的领域，本公司最主要的下游为电信行业。近年来，这些领域在IT 系统建设方面的投资保持着较高的增长率，对商业智能行业的发展具有较大的拉动作用。随着国内企业信息化水平的普遍提升，以及企业对商业智能接受程度的提高，商业智能行业的下游覆盖面将日益拓宽，对商业智能产品与服务的刚性需求将保持稳定增长。 

    商业智能让数据拥有智慧 

    商业智能是支持企业决策分析的一系列软件、技术、方法的集合。1989年Gartner首次提出了商业智能 (BI)的概念，将其定义为一类由数据仓库、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。随着商业智能应用范围的拓展，使用者从不同角度对商业智能提出了各自的理解。综合各种理解的核心，商业智能是指从数据中发现有价值的规律、模式，将数据转化为知识，支持企业的决策、营销、服务的一系列软件、技术、方法的集合。简单地说，是指对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识和洞察力，帮助他们做出对企业更有利的决策。
 

    数据孤岛/新兴技术/数据资产化凸显商业智能的重要意义。在商业智能的产生和发展过程中，如下二个因素有着重要作用：第一，企业出现了越来越多的数据孤岛，如何理顺这些数据并使其发挥作用，是企业思考的一个关键问题；第二，随着移动互联网、电子商务等新兴IT技术的产生，企业运行方式正在逐渐改变，新的数据产生方式和表现形式层出不穷，如何有效整合利用这些新数据值得思考;第二，数据资产化的理念正深入人心，如何把数据转化为资产备受瞩目，相关技术和方法必然成为IT投资的热点领域。商业智能的木质正是把数据转化为知识，致力于知识发现和挖掘，减少数据孤岛、适应新兴技术、实现数据的资产化。

    数据仓库十联机分析处理十前段分析展示十数据挖掘，让商务智能从管理数据到发现知识。商业智能的实现过程是通过收集来自企业内部和外部各种数据源的不同数据，提取有用信息，经过数据清洗、转换、重构存入数据仓库或数据集市，然后通过合适的查询和分析工具、数据挖掘工具、联机分析处理工具对数据进行加工处理，最终转化为知识。从商业智能系统建立的技术角度来看，构建一个完整的商业智能系统涉及到的核心技术主要有数据仓库(DW)技术、联机分析处理(OLAP)技术、前端分析展示技术以及数据挖掘(DM)技术等组成。

    商业智能让数据拥有智慧，从数据管理到分析预测。从数据的最终利用深度来看，商业智能划分为数据报表、数据分析、数据挖掘二个层次。其中，报表系统只是简单地进行数据管理，描述企业已经发生的事件，比如Excel、水晶报表、Reporting Service和润乾报表等报表系统;数据分析是对数据进行优化分析，解析造成企业目前状况的深层次原因，比如OLAP技术;数据挖掘则是对数据进行分析预测，发现知识、预测未来。

    内容选自产业研究报告网发布的《2012-2016年中国商业智能(BI)市场评估与投资趋势研究报告》