商業智慧系統(Business Intelligence System)涵蓋資料倉儲(Data Warehouse)、線上分析處理(OLAP)、主管資訊系統(EIS)到決策支援系統(DSS)，其主要目的，就在於整合企業資訊系統裡的各種資料，提供決策者一個及時訊息分析的判斷依據，提升企業競爭力。

BI在管理應用，提供主管採取先大（總體）後小（個體）全局觀的作法，讓主管在必要時可以更深入分析及追究原因。換言之，BI提供的是一種由上而下、由整體到個體的情報。而任意變化所要資訊的各種條件及企業重點指標數據，以便主管作更靈活的運用，由於BI的功能使企業資訊的準備大幅度地簡化，因此也才更能掌握時效性。

此外，在BI資訊提供的成本上，也是極重要的考量。傳統程式硬性編寫程式來提供決策分析報表的做法，早已淘汰了。因成本過高，且無法及時反應使用者需求導致管理者無法做及時的正確判斷，而資料量的龐大，也無法讓決策者容易找到所要的訊息。BI以多維度（Multi-Dimension）分析總體性或明細資料的能力，以提供管理者能有效的發現企業隱藏的動態複雜性問題。並能迅速整合各方面的資料（data source）及協助資料偵錯。

如果要為它做一定義的話，我們認為是要「讓每個人都能夠及時獲得有用的資訊，以做出正確的判斷」，也就是一種對企業營運內容迅速理解與推理的能力，而這種能力可以用來提升企業決策的品質、改善績效。這裡點出三個重點：每個人 (不管是企業的內外部) 、及時、和有用的資訊，若無法達成這些最基本的要求，就不能叫做商業智慧了！為什麼需要商業智慧呢？可由下圖說明之。

 

 

 

資料採礦(Data Mining)技術是經由自動或半自動的方法探勘及分析大量的資料，以建立有效的模型及規則，而企業透過資料挖掘更瞭解他們的客戶，進而改進他們的行銷、業務及客服的運作。

 

Data Mining 是 Data Warehouse 應用方式中最重要的一種。基本上，Data Mining 是用來將你的資料中隱藏的資訊挖掘出來，所以 Data Mining 其實是所謂的 Knowledge Discovery 的一部份，Data Mining 使用了許多統計分析與 Modeling 的方法，到資料中尋找有用的特徵（Patterns）以及關連性（Relationships）。

 

Knowledge Discovery 的過程對 Data Mining 的應用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結果。

 

 

 

資料倉儲(Data Warehouse) ，由資料倉儲之父W.H.Inmon於1990年提出，主要功能乃是將組織透過資訊系統之線上交易處理(OLTP)經年累月所累積的大量資料，透過資料倉儲理論所特有的資料儲存架構，作一有系統的分析整理，以利各種分析方法如線上分析處理(OLAP)、資料採礦(Data Mining)之進行，並進而支援如決策支援系統(DSS)、主管資訊系統(EIS)之建立，幫助決策者能快速有效的自大量資料中，分析出有價值的資訊，以利決策擬定及快速回應外在環境變動，幫助建構商業智慧(BI)。

 

一般來說，資料倉儲可由關聯式資料庫，或專為資料倉儲開發的多維度資料庫建立，若由關聯式資料庫建立而成，其架構可分為星狀及雪花狀架構，包含數個維度資料表，及一個事實資料表，若以規模分類，則又可分為資料倉儲及資料超市。

 

資料倉儲的建制不僅只是資訊工具技術面的運用，在規畫和執行面更需對產業知識、行銷管理、市場定位、策略規畫等相關條件有深入的了解，才能真正發揮資料倉儲以及後續分析工具的價值，提升組織競爭力。