在上个世纪90年代初，数据库应用的主流是联机分析处理(On-Line Analytical Processing，OLAP)可是随着管理需求和计算机应用技术的不断进步，企业家对联机分析处理系统感到了困惑，他们发现单靠联机分析处理系统已经不能在市场竞争中占据优势；因为他们这时不但需要对自身业务的运作进行分析而且要对整个市场相关行业动态进行分析，这时他们希望系统给他们做出有利的决策提供帮助。就拿银行的储蓄业务来说，各家银行都拥有了各自联网的储蓄系统，哪家想要在市场竞争中取得的优势，哪家就必须在决策做出努力，比如说在存取款业务密集地区增设自动存取机网点、在不同的地区和范围推出不同的储蓄服务计划。这些新的决策需要在对大量的历史业务数据进行分析基础上才能得到，而这些基于业务数据决策的分析，我们把它称之为联机分析处理。传统联机事务处理强调的是向数据库中装载新的信息，现在的联机分析处理是要从数据库中获取并利用信息。因此，着名的数据仓库专家Ralph Kimball写道：“我们花了20多年的时间将数据放入数据库，如今是该将它们拿出来的时候了。”总的来说，数据仓库不仅仅是一个存储数据的信息库而且还是一个“在大型数据管理信息系统基础上存储了从企业所有业务数据库中获取的综合数据、并能利用这些综合数据为用户提供经处理后的有用信息的应用系统”。传统数据库系统的要求与重点是准确、快速、安全、可靠地将数据存进数据库，而数据仓库的要求与重点就是能够准确、快速、安全、可靠地从数据库中取出数据，经过加工转换后，再供管理人员根据信息规律进行分析使用。

2 商业智能的概念

    商业智能，又称商务智能，英文为Business Intelligence，简写为BI。1996年最早由加特纳集团(Gartner Group)提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。加特纳集团曾大胆预测说，到21世纪，信息民主化将在一些具有前瞻性思维的企业中出现。这些企业将借助商业智能系统使得各级各类的与企业业务有关的所有人员都能够有效地运用信息。商业智能所涉及的技术与应用，起初被称为EIS即领导信息系统，在演进化成商业智能之前也被称为DSS即决策支持系统，因此，从技术层面上讲，商业智能或数据仓库也并不是什么新技术，它只是把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)工具和数据挖掘等技术。商业智能的核心内容是从企业不同的业务处理系统的许多数据中，提取出有用的数据信息，并对这些信息进行清理从而保证数据的正确性；然后经过ETL(Extraction、Transformation、Load)把数据整合到企业级的数据仓库里，从中得到企业信息的全局视图；在此基础上利用合适工具对数据仓库里的数据进行分析和处理，形成新的信息，或者把信息进一步提炼成辅助决策的知识，最后再把知识递交给管理者，从而为管理者制定决策提供支持。

3 商业智能的意义

    人们是通过对数据(事物)间的联系，分析信息背后所隐藏的规律或事实的，并在对事实了解的基础上才能做出更好的应对决策。在过去的业务处理系统下，业务人员要获取计算机系统的数据，往往足只能通过计算机专业人员给他们编制的报表程序来实现。报表作为一种数据表现方式，只是描述了整个事实的一个侧面，如果决策人员需要从数据中了解事实全貌而为决策做准备的时候，必须首先在头脑内对各种繁多报表里数据做整理，可是这种工作会随着数据规模的不断增加而繁重，就会出现用惑和“瓶颈”，显得力不从心。商业智能的数据整合工作能使决策人员从繁重的数据整合工作中解放出来，高效地从各个侧面搞懂数据，从而腾出时间和精力去深入研究问题的本质，这样既能提高决策效率，也能使决策人员更深入地洞察市场。从对传统决策过程例子的分析，以及在商业智能环境下决策模式的比较，就可以说明问题了。运用商业智能，可以保证决策者在做决策时及时对信息访问的需要。这样，只要不是在短时间内要求极高的信息(数据仓库数据更新周期内产生的)，决策者获得的这些信息就再也不需要依赖于传统信息交换流程中的纸质报表和手工数据汇总的、这些落后耗时费力的信息传递方式了，他们能在很短时间内通过企业数据仓库找到他们所需要的所有信息。他通过非常简单的方式访问企业数据仓库，就能够可以访问到他在决策过程中需要的所有信息，并且这些信息的访问界面是根据企业决策者的需要订做的。

4 数据仓库、商业智能的体系结构

    数据仓库与商业智能的体系结构，整个体系一般被划分为4大的层面，7个环节。从数据源经过ETL过程加载到中央数据仓库，再从数据仓库经过分类存放到DM数据集市，或者将数据集市、数据中心中的数据进一步存放到MDD多维数据库中，这些都是属于数据组织的问题，从中间层到终端或从多维数据库到终端可将其划归属为前端应用实现问题。1)数据源。2)数据抽取、转换和装载。3)数据仓库。4)数据集市。5)前端应用。数据仓库的前端应用是建立数据仓库的目的，没有前端应用，数据仓库就失去了意义。另一方面，由于最终用户的要求多种多样，不可能用同一个界面满足所有用户的信息查询要求，必须根据用户的不同特点提供不同的界面。用户对数据仓库的访问方式包括：报表、连机分析处理(OLAP)、数据挖掘(DM，Data Mining)即席查询等，以及领导信息系统(EIS)等。6)数据挖掘。7)信息门户。

5 结语

    信息化的高级阶段应该是准确快速处理、查询、分析数据的商业智能。当前美国几乎所有国家级政府部门、科研机构都上了数据仓库系统，而中国很多部门的普通业务系统还不够完善，所以建设数据仓库和商业智能信息系统是我们信息化未来发展的方向。