摘要：
商業智慧，英文名字叫Business Intelligence，英文簡稱BI。
BI這詞看上去很神祕，給人很高科技的感覺，但真正瞭解的人不多，又加上某些廠商亂用BI來胡弄人，將好好的BI搞得不成人樣。本文將會為大家分享我的粗淺理解，當然如果你是老鳥，請無視此文！
什麼是BI?
BI是一個意義很廣的詞，沒有標準的定義，簡單說說我的理解：BI是一個對大量資料進行處理、分析、挖掘的框架，其目的就是希望得到有用的決策依據。
下圖大致展示了這樣的一個框架：
該圖由左到右依次劃分為ETL整合資料、資料倉儲建模、建立Cube(資料立方體)、資料呈現四部分。
ETL整合資料
ETL三個字母是Extract（資料抽取）、 Transform（轉換）、 Loading（裝載）三個單詞的首字母。我們暫時不必去深究這三個詞的意思，簡單地說就是我們分析資料之前，需要將各處的資料彙總到一個地方，這個過程需要對原來的資料進行處理。
資料倉儲建模
在這部分我們見到資料倉儲(Dataware，簡稱DW)、資料集市這些概念，很多書將這兩個概念說得很玄乎，實際上資料倉儲、資料集市只是兩個概念而已，在物理上往往就是一兩個資料庫甚至是資料表而已。資料倉儲，你可以認為就是原資料經過ETL後集中儲存的地方，資料倉儲的儲存結構需要精心設計。而資料集市只是將ETL後的資料分類存放而已，資料集市同樣也需要精心設計儲存結構。
建立Cube
我們先溫習一下資料庫儲存的特點，一般來說資料庫設計要儘量避免資料冗餘，這樣可提高資料庫執行的效率也避免了資料不一致的問題。資料庫上有大量的增加、刪除、查詢、修改等操作，要求快和具備實時性，資料庫就是針對這些特點來設計的。資料庫的CRUD操作(Create,Read,Update,Delete)，被稱為聯機事務處理OLTP(on-line transaction processing)。
Cube是資料立方體，這是一種特殊的資料儲存結構，它設計主要目的是方便讀取，而不是方便寫入。Cube中存在大量的冗餘資料，以便可以快速地從不同角度、粒度來獲取資料。這種面向資料分析的資料庫操作，被稱為聯機分析處理OLAP(On-Line Analytical Processing)。
Cube是在資料倉儲、資料集市的基礎上建立的，建立Cube時需要指定維度、粒度等內容，設定是雪花型、星型等，這些內容比較複雜，不太熟悉的朋友先暫且瞭解到有這些名詞就OK了，稍後再詳細介紹。
資料呈現
建立資料倉儲、資料集市、Cube，其目的有兩：
1.為查詢做好準備。
2.就是為資料探勘做好準備。
市面上有很多做報表的工具，功能看上去很強大，能做柱狀圖、餅圖等等，並且還戴上BI的帽子。其實這些工具並不是完整的BI工具，它們只做到資料展示這層而已。資料倉儲、資料集市建好後，可用普通的SQL語句進行查詢，而對於Cube，可用Cube專用的查詢語句進行查詢。
資料探勘英文叫Data mining，那什麼是資料探勘呢？有很多說法，說說我的理解：是指用某些方法和工具，對資料進行分析，發現隱藏規律的一種方法。
資料探勘有很多方法，如關聯、聚類、分類、迴歸、序列分析、偏差分析等，這些內容都比較深奧。關於資料探勘的詳細內容，稍後我會再分享一篇文章。這裡只需要知道，資料探勘比一般的SQL查詢不知道要強大多少倍，能得到超乎你想像的結果。
BI工具
BI工具我瞭解的不多，SQL Server 和 Oracle 兩大資料庫工具能完整地支援上述的BI框架，而大量充斥的BI小工具主要針對ETL和報表這兩個層次的。如果大家遇到有人用BI的招牌來兜售軟體，大家應該能識別出該軟體的含金量。BI的核心技術在於資料儲存、資料發掘，這兩者都是高科技的玩意，我好像還沒有見到這方面的國產優秀軟體。
BI的應用
BI在國內的應用很多是門面工程，無論是去胡弄人的人還是被胡弄的人，其實都不知道什麼是BI，一旦套上商業智慧、決策分析這樣的帽子，所有人都變成穿上“皇帝新衣”的人了。
要真正理解BI，關鍵一層是理解資料探勘，熟悉各種資料探勘演算法的原理、特點和用途，運用這些知識來思考如何挖掘現存的資料。
舉幾個例子：
例1：據說若干年前麥當勞是沒有套餐的，後來麥當勞對產品的銷售資料進行分析，發現購買了漢堡包和薯條的客戶，有70%以上的機率會購買可樂，所以麥當勞就將這三樣東西捆綁來套餐來賣，結果銷量大增。
例2：我經常在噹噹網購書，該網站很會推銷，我看某本書時，它還會列出我可能感興趣的書，很多時候我又忍不住去點了那些書看看，結果到了那本書的介紹頁面，它又列出我其它可能感興趣的書。這個“推薦”演算法還是有一定技術含量的，這功能背後很可能應用了資料探勘技術。
BI是很高技術含量的活，要在各行各業中應用，需要我們切實掌握BI的知識特別是資料探勘的知識，為客戶提供優秀的解決方案。