BI (Business Intelligence商業智能)的概念，是由全球最專業權威的IT研究咨詢公司Gartner Group在1996年首次提出，定義為一類由數據倉庫(或數據集市)、查詢報表、 數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的的技術及其應用。

簡單說來就是：即通過數據原材料和相關分析技術，產生知識/信息/判斷，應用于企業經營管理決策。

在商業智能發展初期，報表是企業最大的痛點和需求。因為當時只有具備專業技術的IT人才會使用工具，大多數業務人員無法使用數據。特別是財務人員每天將大量的時間花在不同報表的數據導入上，往往需要耗費大量的時間精力。導致數據分析的速度，遠遠趕不上業務發展的速度，無法對決策提供及時有效的支持。

海外BI發展史

1、在全球范圍內，第一批BI工具廠商在20世紀80、90年代誕生于歐美市場，并于2000年前后初步在全球形成一定規模。

比如：美國的MicroStrategy、Microsoft SQL Server、Hyperio、Salesforce，法國BusinessObjects，加拿大Cognos和Crystal Reports、Siebel Analytic，瑞典Qlikview等行業領軍者。

2、第二階段，自助式可視化商業智能階段。進入21世紀，Facebook、YouTube、Twitter和蘋果手機、安卓應用的落地，為BI創造了海量數據的溫床。

3、后期，BI廠商開始分化為兩類。一類是綜合性BI服務商，主要是IBM、Oracle 、SAP和Microsoft。另一類是獨立的專業廠商，代表是Qlik、MicroStrategy和Tableau。

值得一提的是：

Qlikview和Tableau兩大自助式BI產品快速崛起，逐漸搶占了傳統BI三巨頭的市場份額。自助式BI（也被稱為敏捷式BI）主要是側重于業務端，幫助不具備IT背景的業務人員，通過直接拖拽等方便的形式，不用編寫代碼，可以對接導入多個數據源，一鍵形成復雜圖形和視圖，響應業務端的迅速決策需求。

從2010年開始，全球商業智能領域的年度變化，都可以在Gartner歷年發布的《全球商業智能和分析平臺魔力象限》中找到。對比2009年和2021年的象限圖，從中我們可以看到，除了Tableau、Microsoft、Qlik三大應用，其它企業都沒能長久地保持住領導者地位，比如IBM、甲骨文和SAP三大傳統巨頭，還有短暫沖進領導者的SAS、Information Builders、Tibco software和ThoughtSpot。

點擊下載Power BI Desktop正式版

中國BI發展史

2000年——2012年

中國本土的商業智能萌芽于世紀之交。代表性的企業包括重慶慧都，廣州菲奈特、用友華表、北京潤乾、南京帆軟、珠海奧威、重慶宏信、億信華辰等。這些品牌初期主要面向政府和大型企業，提供標準化的報表式Report 服務。

2012年——2015年

2013年開始，移動互聯網應用帶來中國C端市場消費大數據爆炸，將B端業務場景和C端用戶數據之間連接起來。在日益成熟的數字化營銷工具應用中，在流量、資本、市場、人才等多重要素驅動下，國產商業智能賽道迎來了第一輪行業洗牌。

從這一階段開始中國商業智能的發展逐漸與全球發展趨勢一致，都以可視化+自助化BI作為兩大方向。同時，因為廠商更廣泛的市場營銷，中國中小型企業也開始對BI有了更加廣泛和深入的認知。

2016年至2020年

2016年，中國BI 發展進入第三階段——智能化階段。在這一階段，中國 ABC（Artificial Intelligence、Big Data、Cloud）技術爆發，對商業智能領域是重大利好。自然語言、機器學習和人工智能技術，進一步提升了BI的算力。因為云計算，企業開始將自身數據資產遷移到云端，大大降低了BI部署的成本。金融、電力、制造、消費、教育、政務等行業的大數據積累到了一定的量級，在質量和時效性（實時性）上進一步提升。

2020年疫情之后

天時地利人和，推動BI開始真正意義上助力企業智能決策，開始與一線業務場景深度結合，真正體現“數據驅動業務增長和創新”的業務價值。在使用人群上，BI不僅可以輔助管理層做好重大決策，各層級部門的業務人員可以通過移動端實現數據查詢和分析功能，可以在任意時間/地點/層級隨時賦能更加微觀的業務決策，自助式商業智能需求穩步增長。

商業智能的常見應用場景：

一、生產質量分析，提高企業生產良率

質檢是對已經生產出來的產品的質量檢測，一方面可以保障企業能夠對外提供合格產品，另一方面也能通過質檢反映生產過程的疏漏。質檢出的殘次品無論多少對企業都是損失，如果能夠在產品產出之前就通過產線狀態及相關生產數據分析預測出產品質量，并將生產流程調整為最佳產出狀態以避免殘次品，這就是質量預測。

二、從被動式到主動式維修，設備故障預測

在制造企業中，機器往往是超負荷狀態運行，任何工作中斷都可能導致螺旋式上升的損失。大部分企業大部分公司采用的解決停機問題的最佳方案只不過是等故障發生后再解決的方式。通過整合大數據分析，能為不太容易解決的情況提供情報預警。通過大數據關聯分析，能夠洞察哪些機器容易發生故障，從而幫您由被動停機維修，改為主動式維修。

三、更好地產品需求預測，精準營銷解決方案

需求預測很重要，因為它們能夠指導生產鏈，如果預測失誤，可能產生“一邊是強勁的銷售量”，而“另一邊卻是工廠缺乏大量的相應配件庫存，無法滿足需求”。制造商可以將現有數據與預測分析相結合，以更精確地預測購買趨勢。這些預測性見解不僅基于先前的銷售，還基于流程以及生產線的運行狀況，從而可以更明智地進行風險管理并減少生產浪費。

慧都大數據，一直致力于將復雜的數據轉為清晰的見解，通過端到端的方案，將更好的滿足企業定制化生產的需求，提高企業運營效率。

如果您的企業也有生產質量分析、設備故障預測、工業大數據分析、能耗異常分析等需求，歡迎撥打慧都熱線023-68661681或，為您免費提供大數據相關業務咨詢！