商业智能（Business Intelligence，简称BI）的概念在1996年由Gartner提出。商业智能是一个技术驱动的过程，它利用软件和服务让所有规模的企业实时分析指标和大量数据，将数据转换为有意义的洞察。尽管今天的企业收集和存储了大量的原始数据，但很少有企业真正利用这些数据来推动商业洞察和转型。

在过去，只有那些备有大量资金和人力的公司才能采用商业智能技术，因为生产和分析数据需要大量的专家和复杂的计算机设备。由于技术的进步，现在，人们可以使用简单的一体化软件程序来执行商业智能任务。

数据、情报和洞察的区别

数据（Data）是客户信息的「原材料」。它可以是年龄、教育程度等个人信息，可以是对调查问题的单一回答，也可以是一次购买的离散记录。数据是必不可少的，但就其本身而言，它基本上是无用的——单凭数据无法预测客户的行为。只有把数据放到具体的环境（context）中，它才有实际意义。例如，一个客户本月购买了X产品两次，这本身没什么意义。

情报（Intelligence）是对客户的整体理解，它来自于收集和分析数据。情报是实时研究和审查数据，以产生可操作的洞察。客户情报意味着更进一步地将信息放入具体情境中。例如，30岁的、受过小学教育的客户最近搬家了，并且成立了一个新家庭。

洞察（Insight）是通过收集、分析和综合客户情报对客户的深刻理解。洞察超越了「谁」、「什么」、「什么时候」和「在哪里」来告诉我们为什么客户会这样做，从而指导更好的业务决策。例如，受过良好教育的客户成立了一个新家庭，因为产品X是尿布，这个新家庭中包括一个婴儿。我们了解到，这个家庭有时也会购买竞争对手的尿布，因为它们更便宜，而且搬进新家后预算很紧张。也许我们可以为提供优惠券，降低他们的成本，帮助这个家庭度过经济困难时期，从而建立客户和品牌之间的忠诚度。

商业智能的组成部分

商业智能的关键组成部分包括：

• 源系统：这是任何BI活动的起点。企业数据首先在这些数据库中创建。操作系统（OLTP）形成了数据仓库所需的大量数据。此外，源系统中也可能包含了来自次要来源的数据，如市场数据等。商业智能体系应该对所有这些不同格式和标准的数据进行标注。
• ETL流程：很可能有多个系统充作BI系统需要的数据源，因此，数据整合是必要的一步，从不同的数据源中提取数据，转换为适合数据仓库的格式，最后加载到数据仓库中。这个过程称为ETL，即「提取（Extract）、转换（Transform）、加载（Load）」的简称。这个流程通常使用市场上的定制解决方案来完成。
• 数据建模：数据仓库被设计为分析和报告的来源，因此它的工作速度比生产报告的操作系统快得多。然而，DW并不能很快地满足所有需求，因为它仍然是一个关系数据库，而且数据库有许多限制会减少查询的响应时间。一方面需要更快的处理速度和更短的响应时间，另一方面需要聚合的信息，这导致了BI系统中另一层的创建。这一层称为数据模型，它包含基于文件或基于内存的数据模型，用于生成对报告的快速响应。
• 数据建模将有助于解决数据源到底需要什么、数据的格式以及它与其他数据元素之间的关系。从源系统中提取所有内容是不可行的，因为这会带来成本问题。数据建模将有助于组织数据，因此将最小化存储复制的成本和构建数据仓库所需的工作。
• 数据仓库：数据仓库是BI系统的核心，负责保存从内部和外部获得的数据。来自不同来源的所有结构化数据聚集在一个数据库中，以便在需要时对其进行比较和分析。数据仓库应该以安全的方式存储，以便能够轻松检索及管理。
• 企业信息管理：英文为Enterprise Information Management，简称EIM，通常包括ETL工具、数据建模工具、元数据管理等。
• 数据可视化：BI系统的前端。数据可视化是用户可以看到的一部分BI系统，如仪表盘，基本上是最重要和最相关信息的可视化显示。所有的重要信息都安排在一个屏幕上进行展示，以便用户可以对信息进行监视并快速阅读。仪表盘显示最重要的业绩指标，需要定期监测。

商业智能应用于营销

商业智能提供了合适的工具让企业实时分析业绩指标和大量数据，营销人员可以利用这些信息，发起有针对性的营销活动，并了解哪些活动可以产生最大的收益。

• 客户数据管理：商业智能工具从多个领域收集数据，并将这些数据转换成统一的格式。这些数据提供了对客户和数据来源的洞察，让营销人员知道每一位客户从哪里参与进入消费环节。这些工具为营销和销售提供了最有效的商业智能。
• 预测分析：预测分析揭示了揭示未来趋势的数据，为未来的行动提供建议。预测分析不仅通过分析客户过去的行为来为客户确定最适合他们的信息，而且还告诉公司哪些产品更适合向哪些客户营销。当营销人员更好地理解客户行为时，他们就能够对未来的客户需求采取主动行为。
• 技术整合：当客户使用商业智能工具进行营销时，他们创建了一个完全整合的营销方法。正因为客户通过所有可用的渠道和资源来研究和讨论产品或服务，以决定是否购买；因此，营销人员必须整合所有可用平台的数据来设计最佳的交互。整合营销技术是在客户与公司的体验中传达统一信息的最佳方式。在客户的整个购买过程中，信息的统一对于提供无缝的客户体验非常重要。当营销技术经过整合后，企业在所有平台上向客户提供一致的信息，确保品牌在客户心中的位置更加突出。
• 社交媒体分析：这些工具从所有在线平台的用户对话和操作中收集信息。社交媒体分析为营销部门提供了洞察客户行为和思维过程的机会。相关的工具分析了网页浏览和社交媒体的统计数据。网络分析为营销人员提供数据，告诉他们网站的哪些部分、链接和广告能让客户更成功地访问他们的网站。这些数据可以让营销人员在网站内容和信息方面做出更好的决策。

客户情报

与BI相类似的一个概念是客户情报（Customer Intelligence，简称CI）。简单来说，客户情报是关于客户的洞察。企业从多个数据源获取数据并进行分析。客户情报不仅告诉决策者客户是谁、什么时候、何时、何地，而且还告诉他们为什么。正是了解了客户为什么会这样做，企业才能适应客户的需求。良好的客户情报不仅能提供信息，还能指导和建议企业在现实世界中做出商业决策。大多数人认为，CI是BI的一部分，但代表了发展前景。

CI出现的背景，是权力的天平从企业转向客户。客户现在可以随时获取关于公司和竞争对手的大量信息，他们会利用这些信息。微博、微信朋友圈等社交媒体，以及大众点评等在线评论网站给了他们一个扩音器，来传播他们对品牌的感受，不管是积极的还是消极的，这些声音都会产生影响。因此，企业必须更迅速、更全面地获取、利用有关客户的情报，以做出有效的业务决策。

成功的客户情报工作，首先需要有效地将各种渠道的信息收集到单个存储库的能力，以供后续的检查和分析工作。接下来，企业需要有分析数据以获取洞察所需的技术基础设施，客户行为建模、客户生命周期价值预测、预测分析和机器学习等技术。最后是在分析基础上采取有效行动的能力，并测量每一次行动的结果，优化未来的营销行动，也就是将客户情报系统连接到一个自动化的活动调度\测试\优化引擎，这样就可以安排个性化的、与客户相关的互动。