1865年，理查德·米勒·德文斯(Richard Millar Devens)在《贸易妙闻百科全书》(Cyclopædiaof Commercial and Business Anecdotes)中提出了“贸易智能”(BI)一词。他用这个词来描述银内行亨利·福尼斯(HenryFurnese)经由过程收集信息并根据这些信息，先于竞争敌手采取行动，大年夜而获利。1958年，IBM计算机科学家汉斯·彼得·卢恩(Hans PeterLuhn)撰文评论辩论了应用技巧来收集贸易智能的潜力。按照今天的懂得，贸易智能就是应用技巧来收集和分析数据，将之转换成有效的信息，并根据这些信息，“先于竞争敌手”采取行动。大年夜本质上说，现代版的贸易智能应用技巧，在精确的时光，根据精确的信息，敏捷且有效地作出决定计划。
1968年时，只有那些具备专业技能的人，才能把数据转换成可用的信息。那时，来自多个来源的数据平日储存在筒仓中，研究申报呈碎片化，彼此脱节，可以作出多种不合的解读。埃德加·科德(Edgar Codd)熟悉到，这是个严重的问题。1970年，他揭橥文┞仿，改变了人们思虑数据库的方法。他关于建立“接洽关系式数据库模型”的提议获得了巨大年夜存眷，被全世界所采取。
OLAP
OLAP让用户可以分析多来源数据，并供给多个范是橐逵角。OLAP的数据库采取多维数据模型，支撑复杂分析和即席萌芽。OLAP的标准应用包含：
- 发卖营业申报
- 营销
- 治理申报
- 营业流程治理(BPM)
- 预算编制和猜测
- 财务申报和类似范畴
- 新应用，比如农业
OLAP“曾经”异常风行，因为它供给了多种多样的信息收集和组织方法。作为基于SQL的法度榜样，OLAP在NoSQL风行起来后，就逐渐掉势。(如今，Kyvos Insights、Platfora和AtScale等公司把OLAP叠加到NoSQL库之上。)OLAP支撑三个根本操作：
- 归并
- 下钻
- 切片和切丁
归并是指把那些可以经由过程多种方法储存和处理的数据结合起来。例如，所有分支机构的汽车发卖数据由发卖经理汇总，以猜测发卖趋势。下钻是指查看和分析更具体的数据，比如按照色彩、类型或燃料种类，来查看汽车发卖数据。切片和切丁是指拔取OLAP立方体中的特定命据，大年夜不合的角度，进行过细不雅察。
EIS
上世纪70年代末，CEO们开端应用互联网来商量贸易信息。EIS由此出生，为高管供给决定计划方面的支撑。EIS旨在供给“简化”决定计划过程所需的恰当和最新信息，强调以图表和易用界面的方法，来竽暌箍现这些信息。EIS的目标是把高管变成“亲自着手”的用户，让他们本身处理邮件、进行研究、作出录用和浏览申报，而不是经由过程中心人接收这些信息。但因为感化有限，EIS逐渐掉宠。
数据仓库
上世纪80年代，企业开端经常应用内部数据分析解决筹划(因为当时计算机体系的限制，这平日是鄙人班后和周末进行)，是以数据仓库开端风行。在数据仓库出现之前，企业须要大年夜量的数据冗余，以便向介入决定计划的所有人供给有效的信息。数据仓库大年夜幅缩短了拜访数据所需的时光。平日储存在多个处所(往往是部分筒仓)的数据，如今可以储存在同一个处所。
数据仓库还有助于推动大年夜数据的应用。忽然之间，数量宏大年夜、情势多样的数据(电子邮件、互联网、Facebook、Twitter等等)可以大年夜同一个处所拜访，这节约了时光和资金，并且还能拜访先前拜访不了的贸易信息。在供给由数据驱动的洞见方面，数据仓库潜力巨大年夜。这些洞见可以进步利润、发明讹诈、削减损掉。
贸易智能VS数据分析
贸易智能迈向高科技
20世纪末、21世纪初，BI办事开端供给简化的对象，降低决定计划者对对象的依附度。这些对象更易于应用，并且供给所需的功能，异常有效。贸易人士可以经由过程直接与数据打交道的方法，收集数据，获取洞见。
今朝，贸易智能和数据分析经常被混用。这两个术语都描述了在贸易决定计划过程中应用数据的广泛实践。贸易智能代表了为决定计划者供给帮助的一系列技巧，而数据分析则代表了处理数据的一系列对象，并且作为一个统称，涵盖了数据仓库、企业信息治理、贸易智能、企事迹效治理和企业治理。
描述性分析
决定计划支撑体系(DSS)是第一个数据库治理体系。很多汗青学家都认为，现代版的贸易智能是大年夜DSS数据库演变而来。上世纪80年代，贸易人士发清楚明了贸易智能的价值，于是BI供给商的数量大年夜增。那时代，各类各样的对象纷拂面世，目标是以更简单的方法拜访和组织数据。联机分析处理(OLAP)、主管信息体系(EIS)和数据仓库应运而生，与DSS协同工作。
1988年，在罗马举办的多路数据分析大年夜会停止后不久，贸易智能开端作为一个技巧概念出现。在这场大年夜会上得出的结论促使人们开端简化BI分析，并使之对用户加倍友爱。BI企业大年夜量出现，每家新公司都供给新的BI对象。在那个时代，BI有两项根本功能：产生数据和供给申报，并以恰当的方法组织和出现数据。
描述性分析是指描述和总结数据，重要聚焦汗青信息，经由过程描述以前，赞助用户懂得以前的行动若何影响如今。描述性分析能用来解释企业若何运作，描述营业的不合方面。在最幻想的情况下，描述性分析能讲述一件具有相干主题的工作，并供给有效的信息。
猜测性分析
猜测性分析能猜测将来，它应用统计数据，为企业供给关于将来变更的有效信息，比如断定发卖趋势和购买模式、猜测花费者行动。其贸易用处平日包含，猜测发卖增长速度、花费者可能购买哪些产品，以及猜测库存总量。信用评分是这类分析的一个用例，金融办事机构应用信用评分来评估客户按时还款的可能性。
推荐阅读
近日，华东理工大年夜学第一次向学生开放虚拟实际教授教化，该校2014级情况工程专业的本科生，初次体验了虚拟实际(VR/AR)教授教化与实训。此前，课程中的“污水厂VR教授教化案例”参加了2017>>>详细阅读
本文标题：商业智能简史，一切要从1865年说起
地址：http://www.17bianji.com/lsqh/37869.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示