Business Intelligence(BI) = Data Warehouse(DW) + OLAP + Data Mining(DM)

Business Intelligence(BI) = Data Warehouse(DW) + OLAP + Data Mining(DM)
商业智能，即Business　Intelligence，缩写为BI。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。学术界认为BI是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合，其主要目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性。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（Data Mining）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DM等技术的综合运用。从技术架构来讲，商业智能系统主要由数据源、数据仓库、数据集市、商业智能应用和元数据几个部分组成。

１．数据源：包括历史数据、现有业务系统数据、其他文件信息以及外部数据。

２．数据仓库系统（Data　Warehouse）（包括ETL）：商业智能的核心部分，存储企业中所有细节性的数据。通过ETL工具，将从数据源获得的数据进行清洗、转换、整合后，送入数据仓库。供数据集市进行汇聚。

３．数据集市（Data Mart）：根据不同业务部门的需求，可以有不同的数据集市。数据集市保存的是已经汇聚过的数据，细节性低，粒度比较大。数据集市可以供部门进入OLAP分析以及决策支持或者诸如报表分析等其他应用。

４．商业智能应用：联机分析处理OLAP，数据挖掘DM等。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。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。数据挖掘（Data Mining）使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。

５．元数据：是管理商业智能系统的数据，其主要部分类似于数据字典，其内容贯穿了商业智能应用的各阶段，记录着从ETL到分析展现各个阶段和各组成部分的管理信息。在系统管理上，试图提供统一的平台对元数据进行管理和维护，并通过元数据的状态驱动系统各部分的运转。不过，就目前而言，元数据的概念在数据仓库业界尚未拥有一个统一的标准，各个数据仓库厂商的产品间元数据也是不能够互通的。