“在后工业时代，也就是信息时代，人类社会的中心问题将从如何提高生产率转变为如何更好地利用信息来辅助决策。”卡内基梅隆大学计算机科学教授赫伯特·西蒙（Herbert Simon）曾经这样预言。

他提出的“信息辅助决策”的观点被认为是“商务智能”的理论雏形。今天的商务智能拥有了一个更响亮的名字，但它要回答的仍然是一个老问题：怎样将数据、信息转化为知识，扩大人类的理性，辅助决策。

那么，商务智能一路走来，经历了哪些转变？有哪些里程碑式的事件呢？本文就为大家梳理一下商务智能的发展。

数据仓库的诞生

和很多古老的传说一样，“很久很久”以前，世界很荒凉。数据的世界也是这样。数据最早存储在“运营式系统”中，目的为了提高工作效率，只能用于查询。

但独立的系统越来越多，数据量也越来越大，传统的利用数据的方法显然不能满足业务的需求。20世纪90年代，管理大师彼得·德鲁克（Peter Drucker）曾感慨：迄今为止，系统产生的还仅仅是数据，而不是信息，更不是知识!

1983年，第一个数据仓库系统诞生了，虽然“数据仓库（Data Warehouse）”这一概念五年后在得以提出，但Teradata利用并行处理技术为美国富国银行建立的这个决策支持系统，已经扮演了数据仓库的角色。

区别于数据库主要用于为运营系统保存和查询数据，数据仓库以数据分析、决策支持为目的来组织存储数据。数据仓库打破了运营式系统“老死不相往来”的格局，为商务智能提供了可能。

联机分析：万维的世界

报表（report），是关系型数据库呈现信息的主要方式。但传统的报表是一对一的查询，业务用户可能问出跨越多维度的，复杂的问题，这就对数据提出了新的要求——数据分析。

随着数据仓库的诞生，联机分析（Online Analytical Processing），也叫多维分析，也应运而生。

联机分析是对数据进行多维度的分析，可以把多个数据库相连，能够帮助业务人员获得更深入的洞察。

运用联机分析技术，用户可以随时创建自己需要的报表。技术人员只需要在后台预置多维度的数据立方体（cube），用户就可以在前端从不同维度、不同粒度对数据进行分析，从而获得全面、动态、可随时加总或细分的分析结果。

至此，面粉终于成为了蛋糕，一个立体的、神秘莫测的数据世界终于形成。

姗姗来迟的商务智能

1989年，商务智能的概念终于浮出水面。高德纳咨询公司的德斯纳（Howard Dresner）这样定义商务智能——”商务智能指的是一系列以事实为支持、辅助商业决策的技术和方法”。这一定义和西蒙“信息辅助决策”的观点遥相呼应。

商务智能的产生得益于数据仓库和联机分析的发展，但这些离智能还相去甚远。商务智能，实际上是和数据挖掘技术相伴而生的。

1989年也是数据挖掘技术兴起元年。数据挖掘分为两类，一是发现数据背后的规律，被称为描述性分析;一是对未来的预测，被称为预测性分析。数据挖掘赋予了技术“智能”的内涵。

一袭华美的袍

至此，商务智能已经具备了数据整合、分析和挖掘的技术条件。但进入21世纪之后，一种新技术突飞猛进，为商务智能锦上添花，这就是可视化技术。

从最早的点线图、直方图、饼图、网状图等简单图表，到以监控商务绩效为主的仪表盘、记分板，再到三维地图、动态模拟，可视化技术让IT更加“性感”。

本文参考《大数据走向云计算》一书，了解更多该书的内容，可前往《大数据在线图书馆》