什么是BI系统
商业智能也称作BI是英文单词Business Intelligence的缩写。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持.
BI与其他系统的差别
商业智能（BI）帮助企业的管理层进行快速，准确的决策，迅速的发现企业中的问题，提示管理人员加以解决。但商业智能软件系统不能代替管理人员进行决策，不能自动处理企业运行过程中遇到的问题。商业智能为企业带来的是一种经过科学武装的管理思维，给整个企业带来的是决策的快速性和准确性，发现问题的及时性，以及发现那些对手未发现的潜在的知识和规律。
BI与报表系统
实现现有业务报表的问题常被作为BI应用的开始，虽然务实，但却是一个陷阱。传统的报表系统和BI是有本质区别的。传统的业务报表系统针对分离的事务处理而设计扁平系统，并不擅长于结构化的的分析和统计。而一个独立的BI系统，能够从传统业务系统中获取各类业务数据，通过数学模型建立多层次的分析体系，并将其转化成有商业意义的信息。BI的应用需求往往复杂多变。BI的实施复杂性远远超过传统的报表系统。不能带着传统事务处理系统的思维模式进行BI系统实施。
另外，报表系统和BI的使用对象和目的也不尽相同。报表系统更着重于短期的运作支持，而BI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身。BI并不是用来代替着眼于日常运做的报表系统的！这种理解的含糊非常容易导致对BI项目复杂度和资源的投入要求估计不足。
BI与ERP
在ERP环境中安装数据仓库是一个相当经济的建议。因为，从基础架构的角度上看，BI数据库和ERP有许多共通之处。两者都采用分布式架构存储海量数据，因此，双方进行融合的可能性很大；两者都为大范围终端用户提供深度访问的能力；两者都具有高度的分布性和应用程序的可扩展性，尽管这种特性在 BI上体现得不是很明显；两者基于同样的前提。即利用直接或者间接数据作为预测工作的信息参考。
在过去10年中，ERP技术和BI都有重大的发展，但它们的发展道路或多或少是并行的。两者的商业判断能力都有赖于信息技术，但功能特点却各自针对于商业智能(Business Intelligence)和业绩跟踪(Performance Tracking)的不同方面。
虽然存在类似之处，但BI和ERP绝对不是同一事物或是同一事物体的两个方面，它们是互补的系统。
它们最大的共性就是，它们使企业运行得更有效率、响应更及时并易于整合。因此，已实施了ERP的企业需要BI是显而易见的。
行业客户实施ERP之后,就建立起了新的业务处理模式。ERP系统所涉及的所有业务流程通过整合彼此协调，打破了原有的部门分割局面。公司内所有环节的信息获知能力都得到了提升，企业内外的业务处理瓶颈将被打破，响应速度也能相应改善。
BI能提高行业用户在关键领域的信息获知能力及掌控精度。首先，报告格式将大大改良,整合后的用户数据无疑使报告进行得更快、更及时、更精确。其次,信息传输也将越来越实时化，在各部门周转时间将大为减少。最后，业务处理流程当中可能出现的问题和失误也易于及时发现，从而使纠错工作更加迅速和准确。
通过BI,孤立、分散的企业数据按历史记录顺序彼此相关了，而且能按高效、易于提取的结构进行存储；行业用户由此就可以按不同的透视方法进行快速分析。与传输数据不同，一旦信息进入数据仓库或局部领域的数据集市，它就不可改变。它成为了分析型数据，而非传输型数据。因此，行业用户可以做的分析就不再是简单的总结，他们可以按自己设置的分析方法对数据进行任何深度的分析。这种数据仓库按照执行快速、灵活可变的形式组织起来，数据访问变得异常简便 (用户不需专门应用软件就能访问，就像从书架上取下一本书一样方便)。
BI与DSS、ISS
商业智能作为一种新兴的决策支持体系，与传统的DSS、EIS相比，在以下方面存在明确的优势。
使用对象范围
商业智能的使用对象不再像DSS、EIS仅仅局限于企业的领导与决策、分析人员，而是扩展到企业组织内外的各类人员，为他们提供决策支持服务，既有企业经理一类的企业领导和高层决策者，又有企业内部各部门的职能人员，还包括客户、供应商、合作伙伴等企业外部用户。
具有的功能
从以上分析看出，商业智能具有传统DSS、EIS所不具有的强大的数据管理、数据分析与知识发现能力。
知识库状态
传统的DSS、EIS中的知识库是在建立的系统中设置好的，库中的知识很少发生变化。即使发生变化，采用定期人为更新的方法修改。而BI系统是一个闭合循环的动态系统。数据源部分来自各应用系统的反馈，并且数据挖掘可以从现有的数据仓库或数据集市中发现新知识，随时对知识库中的内容进行自动修正，所以BI中的知识库是一种动态结构。
但商业智能也存在不足。商业智能的目标与DSS一样，是为了提高企业决策的效率和准确性。但BI是通过数据分析、知识发现工具提供有价值的、辅助决策的信息和知识，用户必须根据这些信息和知识，运用现有的企业知识和经验进行判断，做出决定，极少数具备智能决策的能力。不像专门的决策支持系统那样提供方案生成、方案协调、方案评估等功能，更不具备群体决策的能力。
BI与报表系统
实现现有业务报表的问题常被作为BI应用的开始，虽然务实，但却是一个陷阱。传统的报表系统和BI是有本质区别的。传统的业务报表系统针对分离的事务处理而设计扁平系统，并不擅长于结构化的的分析和统计。而一个独立的BI系统，能够从传统业务系统中获取各类业务数据，通过数学模型建立多层次的分析体系，并将其转化成有商业意义的信息。BI的应用需求往往复杂多变。BI的实施复杂性远远超过传统的报表系统。不能带着传统事务处理系统的思维模式进行BI系统实施。
另外，报表系统和BI的使用对象和目的也不尽相同。报表系统更着重于短期的运作支持，而BI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身。BI并不是用来代替着眼于日常运做的报表系统的！这种理解的含糊非常容易导致对BI项目复杂度和资源的投入要求估计不足。
BI与ERP
在ERP环境中安装数据仓库是一个相当经济的建议。因为，从基础架构的角度上看，BI数据库和ERP有许多共通之处。两者都采用分布式架构存储海量数据，因此，双方进行融合的可能性很大；两者都为大范围终端用户提供深度访问的能力；两者都具有高度的分布性和应用程序的可扩展性，尽管这种特性在 BI上体现得不是很明显；两者基于同样的前提。即利用直接或者间接数据作为预测工作的信息参考。
在过去10年中，ERP技术和BI都有重大的发展，但它们的发展道路或多或少是并行的。两者的商业判断能力都有赖于信息技术，但功能特点却各自针对于商业智能(Business Intelligence)和业绩跟踪(Performance Tracking)的不同方面。
虽然存在类似之处，但BI和ERP绝对不是同一事物或是同一事物体的两个方面，它们是互补的系统。
它们最大的共性就是，它们使企业运行得更有效率、响应更及时并易于整合。因此，已实施了ERP的企业需要BI是显而易见的。
行业客户实施ERP之后,就建立起了新的业务处理模式。ERP系统所涉及的所有业务流程通过整合彼此协调，打破了原有的部门分割局面。公司内所有环节的信息获知能力都得到了提升，企业内外的业务处理瓶颈将被打破，响应速度也能相应改善。
BI能提高行业用户在关键领域的信息获知能力及掌控精度。首先，报告格式将大大改良,整合后的用户数据无疑使报告进行得更快、更及时、更精确。其次,信息传输也将越来越实时化，在各部门周转时间将大为减少。最后，业务处理流程当中可能出现的问题和失误也易于及时发现，从而使纠错工作更加迅速和准确。
通过BI,孤立、分散的企业数据按历史记录顺序彼此相关了，而且能按高效、易于提取的结构进行存储；行业用户由此就可以按不同的透视方法进行快速分析。与传输数据不同，一旦信息进入数据仓库或局部领域的数据集市，它就不可改变。它成为了分析型数据，而非传输型数据。因此，行业用户可以做的分析就不再是简单的总结，他们可以按自己设置的分析方法对数据进行任何深度的分析。这种数据仓库按照执行快速、灵活可变的形式组织起来，数据访问变得异常简便 (用户不需专门应用软件就能访问，就像从书架上取下一本书一样方便)。
BI与DSS、ISS
商业智能作为一种新兴的决策支持体系，与传统的DSS、EIS相比，在以下方面存在明确的优势。
使用对象范围
商业智能的使用对象不再像DSS、EIS仅仅局限于企业的领导与决策、分析人员，而是扩展到企业组织内外的各类人员，为他们提供决策支持服务，既有企业经理一类的企业领导和高层决策者，又有企业内部各部门的职能人员，还包括客户、供应商、合作伙伴等企业外部用户。
具有的功能
从以上分析看出，商业智能具有传统DSS、EIS所不具有的强大的数据管理、数据分析与知识发现能力。
知识库状态
传统的DSS、EIS中的知识库是在建立的系统中设置好的，库中的知识很少发生变化。即使发生变化，采用定期人为更新的方法修改。而BI系统是一个闭合循环的动态系统。数据源部分来自各应用系统的反馈，并且数据挖掘可以从现有的数据仓库或数据集市中发现新知识，随时对知识库中的内容进行自动修正，所以BI中的知识库是一种动态结构。
但商业智能也存在不足。商业智能的目标与DSS一样，是为了提高企业决策的效率和准确性。但BI是通过数据分析、知识发现工具提供有价值的、辅助决策的信息和知识，用户必须根据这些信息和知识，运用现有的企业知识和经验进行判断，做出决定，极少数具备智能决策的能力。不像专门的决策支持系统那样提供方案生成、方案协调、方案评估等功能，更不具备群体决策的能力。