1968年时，只要那些具有专业妙技的人，才气把数据转换成可用的疑息。当时，去自多个滥觞的数据凡是贮存正在筒仓中，研讨陈述呈碎片化，相互摆脱，能够做出多种差别的解读。埃德减·科德(Edgar Codd)熟悉到，那是个严峻的成绩。1970年，他揭晓文章，改动了人们考虑数据库的方法。他闭于成立“联系关系式数据库模子”的发起得到了宏大存眷，被齐天下所采用。
决议计划撑持体系(DSS)是第一个数据库办理体系。许多汗青教家皆以为，当代版的贸易智能是从DSS数据库演变而去。上世纪80年月，贸易人士发明了贸易智能的代价，因而BI供给商的数目年夜删。那时期，各类百般的东西纷繁里世，目的是以更简朴的方法会见战构造数据。联机阐发处置(OLAP)、主管疑息体系(EIS)战数据堆栈应运而死，取DSS协同事情。
OLAP
OLAP让用户能够阐发多滥觞数据，并供给多个范式或视角。OLAP的数据库接纳多维数据模子，撑持庞大阐发战即席查询。OLAP的尺度使用包罗：
贩卖营业陈述
营销
办理陈述
营业流程办理(BPM)
预算体例战猜测
财政陈述战相似范畴
新使用，好比农业
OLAP“已经”十分盛行，果为它供给了多种多样的疑息搜集战构造方法。做为基于SQL的法式，OLAP正在NoSQL盛行起去后，便垂垂得势。(如今，Kyvos Insights、Platfora战AtScale等公司把OLAP叠减到NoSQL库之上。)OLAP撑持三个根本操纵：
兼并
下钻
切片战切丁
兼并是指把那些能够经由过程多种方法贮存战处置的数据分离起去。比方，一切分收机构的汽车贩卖数据由贩卖司理汇总，以猜测贩卖趋向。下钻是指检察战阐发更具体的数据，好比根据色彩、范例或燃料品种，去检察汽车贩卖数据。切片战切丁是指拔取OLAP坐圆体中的特定命据，从差别的角度，停止详尽不雅察。
EIS
上世纪70年月终，CEO们开端利用互联网去探求贸易疑息。EIS由此降生，为下管供给决议计划圆里的撑持。EIS旨正在供给“简化”决议计划历程所需的恰当战最新疑息，夸大以图表战易用界里的方法，去显现那些疑息。EIS的目的是把下管酿成“亲身入手”的用户，让他们本人处置邮件、停止研讨、做出录用战浏览陈述，而没有是经由过程中心人领受那些疑息。但因为做用有限，EIS垂垂得宠。
数据堆栈
上世纪80年月，企业开端常常利用内部数据阐发处理计划(因为其时计较机体系的限定，那凡是是正在上班后战周终停止)，因而数据堆栈开端盛行。正在数据堆栈呈现之前，企业需求年夜量的数据冗余，以便背到场决议计划的一切人供给有效的疑息。数据堆栈年夜幅收缩了会见数据所需的工夫。凡是贮存正在多个处所(常常是部分筒仓)的数据，如今能够贮存正在统一个处所。
数据堆栈借有助于鞭策年夜数据的利用。忽然之间，数目宏大、情势多样的数据(电子邮件、互联网、Facebook、Twitter等等)能够从统一个处所会见，那节省了工夫战资金，而且借能会见先前会见没有了的贸易疑息。正在供给由数据驱动的洞睹圆里，数据堆栈潜力宏大。那些洞睹能够进步利润、发明狡诈、削减丧失。
贸易智能迈背下科技
1988年，正在罗马举办的多路数据阐发年夜会完毕后没有暂，贸易智能开端做为一个手艺观点呈现。正在那场年夜会上得出的结论促令人们开端简化BI阐发，并使之对用户愈加友爱。BI企业年夜量出现，每家新公司皆供给新的BI东西。正在谁人期间，BI有两项根本功用：发生数据战供给陈述，并以恰当的方法构造战显现数据。
20世纪终、21世纪初，BI效劳开端供给简化的东西，低落决议计划者对东西的依靠度。那些东西更容易于利用，并且供给所需的功用，十分有用。贸易人士能够经由过程间接取数据挨交讲的方法，搜集数据，获得洞睹。
贸易智能VS数据阐发
今朝，贸易智能战数据阐发经常被混用。那两个术语皆形貌了正在贸易决议计划历程中利用数据的遍及理论。贸易智能代表了为决议计划者供给帮助的一系列手艺，而数据阐发则代表了处置数据的一系列东西，而且做为一个统称，涵盖了数据堆栈、企业疑息办理、贸易智能、企功绩效办理战企业管理。
形貌性阐发
形貌性阐发是指形貌战总结数据，次要散焦汗青疑息，经由过程形貌已往，协助用户理解从前的止为怎样影响如今。形貌性阐发能用去注释企业怎样运做，形貌营业的差别圆里。正在最幻想的状况下，形貌性阐发能报告一件具有相干主题的工作，并供给有效的疑息。
猜测性阐发
猜测性阐发能猜测将来，它操纵统计数据，为企业供给闭于将来变革的有效疑息，好比判定贩卖趋向战购置形式、猜测消耗者止为。其贸易用处凡是包罗，猜测贩卖增加速率、消耗者能够购置哪些产物，和猜测库存总量。信誉评分是那类阐发的一个用例，金融效劳机构操纵信誉评分去评价客户定时借款的能够性。
划定性阐发
划定性阐发是一个相对较新的范畴，使用易度借比力年夜。它会“划定”几个差别的能够止为，指导人们找到处理计划。那类阐发的中心正在于供给倡议。从素质上道，划定性阐发会猜测此后能够呈现的多种状况，并让企业按照他们的止为，对能够呈现的多种成果停止评价。正在最幻想的状况下，划定性阐发能够猜测未来会发作甚么、为何会发作，并供给倡议。一些年夜公司曾经操纵划定性阐发，胜利劣化了日程摆设、支出流战库存，从而改进了客户体验。
流阐发
流阐发是一个及时历程，不竭计较、监测战办理基于数据的统计疑息，并按照那些疑息，“先于合作敌手”采纳动作。那个历程中，您能够正在任何特按时间，理解市场上发作的变乱，并按照那些变乱采纳动作。做为一种新的东西，流阐发年夜幅改进了供给给决议计划者的有效疑息流。
用于流阐发的数据能够有多种滥觞，包罗脚机、物联网、市场数据、买卖战挪动装备(仄板电脑战条记本电脑)。它能疾速有用天将办理职员战内部数据源联络起去，让使用法式把数据并进一个使用流，大概用途理后的疑息更新内部数据库。流阐发撑持：
最年夜限度天削减交际媒体危急、宁静破绽、飞机出事、造制缺点、股市狂跌、客户流得等变乱形成的丧失
及时阐发企业一样平常运营
操纵年夜数据寻觅错过的机缘
创立新的贸易形式、支出流战产物立异
芝减哥操纵MongoDB开辟的WindyGrid项目便是流阐发的一个用例。WindyGrid把去自各个市政部分的700万个数据面减以整开，让芝减哥市政职员能够阐发数据，猜测那里需求资本，然后响应天分派资本，有用天处理成绩。市政职员能够更疾速天做出更明智的决议，更有用天分派资本。WindyGrid为芝减哥带去了反动性的变革，使之可以以具有本钱效益的方法，理解、筹办战应对各类百般的状况。
