商業智能是指通過對數據的收集、管理、分析以及轉化，使數據成為可用的信息，從而獲得必要的洞察力和理解力，更好地輔助決策和指導行動。

    商業智能的實現涉及到咨詢服務、應用，以及信息技術的充分利用。其基本體系結構包括以下部分:

    數據倉庫:用于抽取、整合、分布、存儲有用的信息。

    一個企業的信息往往分布在不同的部門和分支機構，管理者要綜觀全局、運籌帷幄，必須能迅速地找到能反映真實情況的數據，這些數據也許是當前的現實數據，也可能是過去的歷史數據。因此，有必要把各個區域的數據集合起來，去其糟粕、取其精華，將真實的、對決策有用的數據保留下來，隨時準備管理人員使用。因此，數據倉庫不僅僅是個數據的儲存倉庫，更重要的是它提供了豐富的工具來清洗、轉換和從各地提取數據，使得放在倉庫里的數據有條有理，易于使用。

    多維分析:全方位了解現狀。

    管理人員往往希望從不同的角度來審視業務數值，比如從時間、地域、功能、利潤來看同一類儲蓄的總額。每一個分析的角度可以叫作一個維，因此，我們把多角度分析方式稱為多維分析。以前，每一個分析的角度需要制作一張報表。由此產生了在線多維分析工具，它的主要功能，是根據用戶常用的多種分析角度，事先計算好一些輔助結構，以便在查詢時能盡快抽取到所要的記錄，并快速地從一維轉變到另一維，將不同角度的信息以數字、直方圖、餅圖、曲線等等方式展現在用戶面前。

   數據挖掘:發現問題、找出規律，達到真正的智能效果:預測將來。

    正如在礦井中可以開采出珍貴的礦石，在數據倉庫的數據里也常常可以開采出業務人員意想不到的信息。它比多維分析更進一步。例如，如果管理人員要求比較各個區域某類儲蓄在過去一年的情況，可以從多維分析中找答案。但是，如果管理人員要問為何一種儲蓄在某地區的情況突然變得特別好或是不好，或者問該儲蓄在另一地區將會怎么樣，這時數據開采工具可以作出回答。

    簡單的說，數據挖掘使用統計、分析等數學方法、以及電腦學習和神經網絡等人工智能方式，從大量的數據中，找尋數據與數據之間的關系。這種關系，一般顯示數據組之間相似或相反的行為或變化。一個細心的分析者，往往能從這些發掘出來的關系得到啟示。而這種啟示又很可能使得到它的業者，獲得其他競爭者所沒有的先機 。

    IBM商業智能解決方案組成部分

    如上所述，商業智能的手段主要在三方面:抽取，分析及發掘，IBM在這三方面都提出了強有力的工具:

    Warehouse Manager (數據倉庫管理器)

    DB2 OLAP Server (DB2多維服務器)

    Intelligent Miner (數據挖掘)