هوش تجاری (BI) – مراحل هوش تجاری-مزایا BI- نرم افزار BI

هوش تجاری (BI)

یک فرآیند مبتنی بر فناوری برای تجزیه و تحلیل داده‌ها و ارائه اطلاعات عملی است که به مدیران، مدیران و کارکنان کمک می‌کند تا تصمیمات تجاری آگاهانه‌ای داشته باشند. به عنوان بخشی از فرآیند هوش تجاری (BI) ، سازمان‌ها داده‌ها را از سیستم‌های داخلی فناوری اطلاعات و منابع خارجی جمع‌آوری می‌کنند، آن‌ها را برای تجزیه و تحلیل آماده می‌کنند، پرس‌و‌جوهایی را در برابر داده‌ها اجرا می‌کنند و تصویرسازی داده‌ها، داشبوردهای هوش تجاری (BI)  و گزارش‌ها را ایجاد می‌کنند تا نتایج تجزیه و تحلیل را برای تصمیم‌گیری عملیاتی در دسترس کاربران تجاری قرار دهند. ساخت و برنامه ریزی استراتژیک.

بیشتر بدانید: داشبورد هوش تجاری و انواع داشبوردهای هوش تجاری

هدف نهایی ابتکارات هوش تجاری (BI)  

هدایت تصمیمات تجاری بهتر است که سازمان ها را قادر می سازد درآمد را افزایش دهند، کارایی عملیاتی را بهبود بخشند و نسبت به رقبای تجاری مزیت های رقابتی کسب کنند. برای دستیابی به این هدف، هوش تجاری (BI)  ترکیبی از ابزارهای تجزیه و تحلیل، مدیریت داده و گزارش، به علاوه روش‌های مختلف برای مدیریت و تجزیه و تحلیل داده‌ها را در بر می‌گیرد.

فرآیند هوش تجاری چگونه کار می کند

معماری هوش تجاری فراتر از نرم افزار  (BI)  است. داده‌های هوش تجاری معمولاً در انبار داده‌ای که برای کل سازمان ساخته شده است یا در بازارهای داده کوچک‌تر ذخیره می‌شود که زیرمجموعه‌هایی از اطلاعات تجاری را برای بخش‌ها و واحدهای تجاری جداگانه نگهداری می‌کند، که اغلب با یک انبار داده سازمانی مرتبط است. علاوه بر این، دریاچه‌های داده مبتنی بر خوشه‌های Hadoop یا دیگر سیستم‌های کلان داده به‌طور فزاینده‌ای به‌عنوان مخزن یا سکوی فرود برای داده‌های  (BI)  و تجزیه و تحلیل، به‌ویژه برای فایل‌های گزارش، داده‌های حسگر، متن و انواع دیگر داده‌های بدون ساختار یا نیمه‌ساختار استفاده می‌شوند.

بیشتر بدانید: هوش تجاری چیست؟ چگونه باعث رونق کسب و کار می شود؟

داده‌های هوش تجاری (BI)

 می‌توانند شامل اطلاعات تاریخی و داده‌های بی‌درنگ جمع‌آوری‌شده از سیستم‌های منبع در حین تولید باشد و ابزارهای (BI)  را قادر می‌سازد تا از فرآیندهای تصمیم‌گیری استراتژیک و تاکتیکی پشتیبانی کنند. قبل از اینکه در برنامه‌های  (BI)  استفاده شود، داده‌های خام از سیستم‌های منبع مختلف به طور کلی باید با استفاده از یکپارچه‌سازی داده‌ها و ابزارهای مدیریت کیفیت داده یکپارچه، ادغام و پاکسازی شوند تا اطمینان حاصل شود که تیم‌های هوش تجاری (BI)  و کاربران تجاری در حال تجزیه و تحلیل اطلاعات دقیق و ثابت هستند.

مراحل فرآیند (BI)  شامل موارد زیر است:

1. آماده سازی داده ها، که در آن مجموعه داده ها برای تجزیه و تحلیل سازماندهی و مدل سازی می شوند.

2. پرس و جوی تحلیلی از داده های آماده شده؛

3. توزیع شاخص های کلیدی عملکرد (KPI) و سایر یافته ها برای کاربران تجاری؛ و

4. استفاده از اطلاعات برای کمک به تأثیرگذاری و هدایت تصمیمات تجاری.

در ابتدا، ابزارهای  (BI)  عمدتاً توسط متخصصان  (BI)  و IT استفاده می‌شد که پرس‌وجوها را اجرا می‌کردند و داشبوردها و گزارش‌هایی را برای کاربران تجاری تولید می‌کردند. با این حال، به لطف توسعه  (BI)  سلف سرویس و ابزارهای کشف داده، تحلیلگران، مدیران و کارگران کسب و کار به طور فزاینده ای از پلتفرم های هوش تجاری استفاده می کنند. محیط‌های هوش تجاری سلف‌سرویس، کاربران تجاری را قادر می‌سازد تا داده‌های هوش تجاری (BI)  را پرس و جو کنند، تجسم داده‌ها را ایجاد کنند و داشبورد طراحی کنند.

برنامه های هوش تجاری (BI)

 اغلب اشکال تجزیه و تحلیل پیشرفته، مانند داده کاوی، تجزیه و تحلیل پیش بینی، متن کاوی، تجزیه و تحلیل آماری و تجزیه و تحلیل داده های بزرگ را در خود جای می دهند. یک مثال متداول، مدل‌سازی پیش‌بینی‌کننده است که امکان تجزیه و تحلیل چه-اگر سناریوهای مختلف کسب‌وکار را فراهم می‌کند. با این حال، در بیشتر موارد، پروژه‌های تجزیه و تحلیل پیشرفته توسط تیم‌های جداگانه‌ای از دانشمندان داده، آماردانان، مدل‌سازان پیش‌بینی‌کننده و دیگر متخصصان تحلیلی ماهر انجام می‌شوند، در حالی که تیم‌های  (BI)  بر پرس‌وجو و تحلیل ساده‌تر داده‌های تجاری نظارت می‌کنند.

چرا هوش تجاری مهم است

به طور کلی، نقش هوش تجاری بهبود عملیات تجاری سازمان از طریق استفاده از داده های مرتبط است. شرکت هایی که به طور موثر از ابزارها و تکنیک های هوش تجاری (BI)  استفاده می کنند، می توانند داده های جمع آوری شده خود را به بینش های ارزشمندی در مورد فرآیندها و استراتژی های تجاری خود تبدیل کنند. سپس می‌توان از چنین بینش‌هایی برای اتخاذ تصمیم‌های تجاری بهتر استفاده کرد که بهره‌وری و درآمد را افزایش می‌دهد و منجر به رشد سریع کسب‌وکار و سود بیشتر می‌شود.

بدون  (BI) ، سازمان ها نمی توانند به راحتی از مزایای تصمیم گیری مبتنی بر داده بهره ببرند. در عوض، مدیران و کارگران در درجه اول باید تصمیمات مهم تجاری را بر اساس عوامل دیگری مانند دانش انباشته شده، تجربیات قبلی، شهود و احساسات درونی قرار دهند. در حالی که این روش‌ها می‌توانند منجر به تصمیم‌گیری‌های خوبی شوند، اما به دلیل کمبود داده‌های زیربنای آن‌ها، مملو از احتمال خطا و اشتباه هستند.

مزایای هوش تجاری

یک برنامه موفق هوش تجاری (BI)

مزایای تجاری مختلفی را در یک سازمان ایجاد می کند. به عنوان مثال،  (BI)  مدیران و مدیران بخش C-suite را قادر می‌سازد تا عملکرد کسب‌وکار را به صورت مستمر نظارت کنند تا بتوانند در زمان بروز مشکلات یا فرصت‌ها به سرعت عمل کنند. تجزیه و تحلیل داده های مشتری کمک می کند تا تلاش های بازاریابی، فروش و خدمات مشتری موثرتر شود. گلوگاه های زنجیره تامین، تولید و توزیع را می توان قبل از ایجاد آسیب مالی شناسایی کرد. مدیران منابع انسانی بهتر می توانند بهره وری کارکنان، هزینه های نیروی کار و سایر داده های نیروی کار را نظارت کنند.

انواع ابزارها و کاربردهای هوش تجاری

هوش تجاری مجموعه وسیعی از برنامه های کاربردی تجزیه و تحلیل داده را ترکیب می کند که برای برآوردن نیازهای اطلاعاتی مختلف طراحی شده اند. اکثر آنها توسط نرم افزار سلف سرویس هوش تجاری (BI)  و پلتفرم های سنتی  (BI)  پشتیبانی می شوند. فهرستی از فناوری‌های هوش تجاری (BI)  که در اختیار سازمان‌ها قرار دارند شامل موارد زیر است:

تحلیل موقت

. این که به عنوان پرس و جو موقت نیز شناخته می شود، یکی از عناصر اساسی برنامه های مدرن هوش تجاری (BI)  و یکی از ویژگی های کلیدی ابزارهای سلف سرویس هوش تجاری (BI)  است. این فرآیند نوشتن و اجرای پرس و جوها برای تجزیه و تحلیل مسائل خاص تجاری است. در حالی که پرس و جوهای موقت معمولاً در جریان ایجاد می شوند، اغلب به طور منظم اجرا می شوند و نتایج تجزیه و تحلیل در داشبوردها و گزارش ها گنجانده می شود.

پردازش تحلیلی آنلاین (OLAP).

 یکی از فناوری‌های اولیه هوش تجاری (BI) ، ابزارهای OLAP، کاربران را قادر می‌سازد تا داده‌ها را در ابعاد چندگانه تجزیه و تحلیل کنند، که به ویژه برای پرس و جوها و محاسبات پیچیده مناسب است. در گذشته، داده‌ها باید از یک انبار داده استخراج می‌شد و در مکعب‌های OLAP چند بعدی ذخیره می‌شد، اما به‌طور فزاینده‌ای امکان اجرای تحلیل‌های OLAP مستقیماً بر روی پایگاه‌های داده ستونی وجود دارد.

موبایل هوش تجاری (BI)

 هوش تجاری موبایل، اپلیکیشن ها و داشبوردهای هوش تجاری (BI)  را در گوشی های هوشمند و تبلت ها در دسترس قرار می دهد. ابزارهای (BI)  موبایل که اغلب برای مشاهده داده ها بیشتر از تجزیه و تحلیل آن ها استفاده می شوند، معمولاً با تأکید بر سهولت استفاده طراحی می شوند. برای مثال، داشبوردهای تلفن همراه ممکن است تنها دو یا سه تصویرسازی داده و KPI را نمایش دهند تا بتوان آنها را به راحتی روی صفحه نمایش دستگاه مشاهده کرد.

هوش تجاری (BI)  در زمان واقعی

 در برنامه‌های بی‌درنگ  (BI) ، داده‌ها هنگام ایجاد، جمع‌آوری و پردازش تجزیه و تحلیل می‌شوند تا به کاربران یک دید به‌روز از عملیات تجاری، رفتار مشتری، بازارهای مالی و سایر حوزه‌های مورد علاقه ارائه دهند. فرآیند تجزیه و تحلیل بلادرنگ اغلب شامل جریان داده است و از کاربردهای تجزیه و تحلیل تصمیم، مانند امتیازدهی اعتبار، معاملات سهام و پیشنهادات تبلیغاتی هدفمند پشتیبانی می کند.

هوش عملیاتی (OI)

این  (BI)  عملیاتی نیز نامیده می شود، این شکلی از تجزیه و تحلیل بلادرنگ است که اطلاعات را به مدیران و کارکنان خط مقدم در عملیات تجاری ارائه می دهد. برنامه‌های OI برای کمک به تصمیم‌گیری عملیاتی و امکان اقدام سریع‌تر در مورد مسائل طراحی شده‌اند – برای مثال، کمک به نمایندگان مرکز تماس برای حل مشکلات مشتریان و مدیران لجستیک برای کاهش تنگناهای توزیع.

نرم افزار به عنوان یک سرویس هوش تجاری (BI)

 ابزارهای SaaS هوش تجاری (BI)  از سیستم‌های رایانش ابری میزبانی شده توسط فروشندگان استفاده می‌کنند تا قابلیت‌های تجزیه و تحلیل داده‌ها را در قالب سرویسی به کاربران ارائه دهند که معمولاً بر اساس اشتراک قیمت‌گذاری می‌شود. گزینه SaaS که به عنوان ابر هوش تجاری (BI)  نیز شناخته می شود، به طور فزاینده ای پشتیبانی چند ابری را ارائه می دهد که به سازمان ها امکان می دهد برنامه های هوش تجاری (BI)  را در پلتفرم های مختلف ابری برای برآورده کردن نیازهای کاربر و اجتناب از قفل شدن فروشنده، مستقر کنند.

نرم افزار منبع باز هوش تجاری  

نرم افزار هوش تجاری که منبع باز است معمولاً شامل دو نسخه است: یک نسخه جامعه که می تواند رایگان استفاده شود و یک نسخه تجاری مبتنی بر اشتراک با پشتیبانی فنی توسط فروشنده. تیم های  (BI)  همچنین می توانند به کد منبع برای استفاده های توسعه دسترسی داشته باشند. علاوه بر این، برخی از فروشندگان ابزارهای هوش تجاری (BI)  اختصاصی، نسخه های رایگان را عمدتاً برای کاربران فردی ارائه می دهند.

هوش تجاری (BI)  تعبیه شده

 ابزارهای هوش تجاری تعبیه شده عملکرد  (BI)  و تجسم داده ها را مستقیماً در برنامه های تجاری قرار می دهند. این به کاربران تجاری امکان می دهد داده ها را در برنامه هایی که برای انجام کار خود استفاده می کنند تجزیه و تحلیل کنند. ویژگی‌های تجزیه و تحلیل تعبیه‌شده معمولاً توسط فروشندگان نرم‌افزار کاربردی گنجانده می‌شوند، اما توسعه‌دهندگان نرم‌افزار شرکتی نیز می‌توانند آن‌ها را در برنامه‌های کاربردی خانگی قرار دهند.

هوش تجاری (BI)  مشارکتی

 این بیشتر یک فرآیند است تا یک فناوری خاص. این شامل ترکیبی از برنامه های کاربردی هوش تجاری (BI)  و ابزارهای همکاری است تا کاربران مختلف را قادر می سازد تا با یکدیگر در تجزیه و تحلیل داده ها کار کنند و اطلاعات را با یکدیگر به اشتراک بگذارند. برای مثال، کاربران می‌توانند داده‌های هوش تجاری (BI)  و نتایج تجزیه و تحلیل را با نظرات، سؤالات و برجسته‌سازی از طریق استفاده از چت آنلاین و ابزارهای بحث حاشیه‌نویسی کنند.

هوش مکان (LI)

این یک شکل تخصصی از  (BI)  است که کاربران را قادر می‌سازد تا مکان و داده‌های مکانی را با قابلیت تجسم داده‌های مبتنی بر نقشه تجزیه و تحلیل کنند. اطلاعات موقعیت مکانی بینش هایی را در مورد عناصر جغرافیایی در داده ها و عملیات تجاری ارائه می دهد. استفاده های بالقوه شامل انتخاب سایت برای فروشگاه های خرده فروشی و امکانات شرکتی، بازاریابی مبتنی بر مکان و مدیریت تدارکات است.

فروشندگان و بازار هوش تجاری

(BI)  سلف سرویس و ابزارهای تجسم داده به استاندارد نرم افزار مدرن هوش تجاری (BI)  تبدیل شده اند. Tableau، Qlik و Spotfire که اکنون بخشی از نرم‌افزار Tibco است، در توسعه فناوری سلف‌سرویس زودهنگام پیشتاز شدند و تا سال 2010 به رقبای برجسته‌ای در بازار هوش تجاری (BI)  تبدیل شدند. اکثر فروشندگان ابزارهای پرس و جو و گزارش هوش تجاری (BI)  سنتی مسیر خود را از آن زمان دنبال کردند. سپس. اکنون، تقریباً هر ابزار اصلی هوش تجاری (BI)  دارای ویژگی‌های سلف سرویس، مانند کشف داده‌های بصری و پرس‌وجو موقت است.

علاوه بر این، پلتفرم‌های مدرن  (BI)  معمولاً عبارتند از:

نرم افزار تجسم داده ها برای طراحی نمودارها و سایر اینفوگرافیک ها برای نمایش داده ها به روشی آسان.

ابزارهایی برای ساخت داشبوردهای هوش تجاری (BI) ، گزارش‌ها و کارت‌های امتیازی عملکرد که داده‌های بصری‌شده را روی KPI و سایر معیارهای تجاری نمایش می‌دهند.

ویژگی های تحلیل داده برای ترکیب تجسم و متن در ارائه برای کاربران تجاری؛ و

نظارت بر استفاده، بهینه سازی عملکرد، کنترل های امنیتی و سایر عملکردها برای مدیریت استقرار هوش تجاری (BI) .

ابزارهای (BI)

 به طور کلی از ده ها فروشنده در دسترس هستند. فروشندگان عمده فناوری اطلاعات که نرم افزار هوش تجاری (BI)  را ارائه می دهند عبارتند از IBM، مایکروسافت، اوراکل، SAP، SAS و Salesforce، که Tableau را در سال 2019 خریداری کردند و همچنین ابزارهای خود را که قبل از خرید توسعه داده بودند، می فروشند. Google همچنین از طریق واحد Looker خود که در سال 2020 خریداری شد در بازار هوش تجاری (BI)  حضور دارد. سایر فروشندگان قابل توجه هوش تجاری (BI)  عبارتند از Alteryx، Domo، GoodData، Infor هوش تجاری (BI) rst، Information Builders، Logi Analytics، MicroStrategy، Pyramid Analytics، Sisense، ThoughtSpot و Yellowfin.

در حالی که پلتفرم‌های هوش تجاری (BI)  با ویژگی‌های کامل پرکاربردترین فناوری هوش تجاری هستند، بازار هوش تجاری (BI)  شامل دسته‌های دیگر محصولات نیز می‌شود. برخی از فروشندگان ابزارهایی را به طور خاص برای استفاده های هوش تجاری (BI)  تعبیه شده ارائه می دهند. نمونه‌های آن عبارتند از GoodData و Logi Analytics. شرکت هایی مانند Looker، Sisense و ThoughtSpot برنامه های کاربردی تجزیه و تحلیل داده های پیچیده و سرپرستی شده را هدف قرار می دهند. داشبوردهای مختلف و متخصصان تجسم داده ها بر روی آن بخش از فرآیند هوش تجاری (BI)  تمرکز می کنند. فروشندگان دیگر در ابزارهای داستان سرایی داده تخصص دارند.

نمونه هایی از موارد استفاده از هوش تجاری

به طور کلی، موارد استفاده از  (BI)  سازمانی عبارتند از:

1. نظارت بر عملکرد کسب و کار یا انواع دیگر معیارها؛

2. حمایت از تصمیم گیری و برنامه ریزی استراتژیک؛

3. ارزیابی و بهبود فرآیندهای تجاری؛

4. دادن اطلاعات مفید به کارگران عملیاتی در مورد مشتریان، تجهیزات، زنجیره تامین و سایر عناصر عملیات تجاری؛ و

5. تشخیص روندها، الگوها و روابط در داده ها.

موارد استفاده خاص و کاربردهای  (BI)  از صنعتی به صنعت دیگر متفاوت است.

به عنوان مثال، شرکت‌های خدمات مالی و بیمه‌گران از هوش تجاری (BI)  برای تجزیه و تحلیل ریسک در طول فرآیندهای تایید وام و سیاست‌ها و شناسایی محصولات اضافی برای ارائه به مشتریان فعلی بر اساس پرتفوی فعلی‌شان استفاده می‌کنند. هوش تجاری (BI)  به خرده‌فروشان در مدیریت کمپین بازاریابی، برنامه‌ریزی تبلیغاتی و مدیریت موجودی کمک می‌کند، در حالی که تولیدکنندگان برای تجزیه و تحلیل تاریخی و بی‌درنگ عملیات کارخانه و کمک به مدیریت برنامه‌ریزی تولید، تهیه و توزیع به هوش تجاری (BI)  تکیه می‌کنند.

خطوط هوایی و هتل‌های زنجیره‌ای از کاربران بزرگ هوش تجاری (BI)  برای مواردی مانند ردیابی ظرفیت پرواز و نرخ اشغال اتاق، تنظیم و تنظیم قیمت‌ها و زمان‌بندی کارگران هستند. در سازمان های مراقبت های بهداشتی، هوش تجاری (BI)  و تجزیه و تحلیل در تشخیص بیماری ها و سایر شرایط پزشکی و در تلاش برای بهبود مراقبت از بیمار و نتایج کمک می کنند. دانشگاه‌ها و سیستم‌های مدارس روی هوش تجاری (BI)  ضربه می‌زنند تا معیارهای عملکرد کلی دانش‌آموز را نظارت کنند و افرادی را که ممکن است نیاز به کمک داشته باشند، در میان برنامه‌های کاربردی دیگر شناسایی کنند.

گرایش های هوش تجاری

علاوه بر مدیران  (BI) ، تیم های هوش تجاری معمولاً شامل ترکیبی از معماران هوش تجاری (BI) ، توسعه دهندگان هوش تجاری (BI) ، تحلیلگران (BI)  و متخصصان  (BI)  هستند که از نزدیک با معماران داده، مهندسان داده و سایر متخصصان مدیریت داده کار می کنند. تحلیلگران تجاری و سایر کاربران نهایی نیز اغلب در فرآیند توسعه هوش تجاری (BI)  گنجانده می شوند تا جنبه تجاری را نشان دهند و از برآورده شدن نیازهای آن اطمینان حاصل کنند.

برای کمک به آن، تعداد فزاینده‌ای از سازمان‌ها توسعه سنتی آبشار را با Agile هوش تجاری (BI)  و رویکردهای انبار داده جایگزین می‌کنند که از تکنیک‌های توسعه نرم‌افزار Agile برای تقسیم پروژه‌های هوش تجاری (BI)  به قطعات کوچک و ارائه عملکردهای جدید به صورت تدریجی و تکراری استفاده می‌کنند. انجام این کار به شرکت‌ها امکان می‌دهد تا ویژگی‌های هوش تجاری (BI)  را سریع‌تر مورد استفاده قرار دهند و با تغییر نیازهای تجاری یا ظهور الزامات جدید، برنامه‌های توسعه را اصلاح یا اصلاح کنند.

سایر روندهای قابل توجه در بازار  (BI)  شامل موارد زیر است:

گسترش فن آوری های تجزیه و تحلیل افزوده. ابزارهای هوش تجاری (BI)  به طور فزاینده‌ای قابلیت‌های جستجوی زبان طبیعی را به عنوان جایگزینی برای نوشتن پرس‌و‌جوها در SQL یا زبان برنامه‌نویسی دیگر، به‌علاوه الگوریتم‌های هوش مصنوعی و یادگیری ماشین ارائه می‌دهند که به کاربران کمک می‌کند داده‌ها را پیدا، درک و آماده کنند و نمودارها و سایر اینفوگرافیک‌ها ایجاد کنند.

توسعه کم کد و بدون کد. بسیاری از فروشندگان هوش تجاری (BI)  نیز ابزارهای گرافیکی را اضافه می کنند که برنامه های هوش تجاری (BI)  را قادر می سازد با کدگذاری کم یا بدون کدنویسی توسعه یابند.

افزایش استفاده از ابر سیستم‌های هوش تجاری (BI)

 در ابتدا به کندی به سمت ابر حرکت می‌کردند، تا حدی به این دلیل که انبارهای داده عمدتاً در مراکز داده داخلی مستقر بودند. اما استقرار ابری انبارهای داده و ابزارهای هوش تجاری (BI)  در حال رشد است. در اوایل سال 2020، شرکت مشاوره گارتنر گفت که بیشتر هزینه های جدید هوش تجاری (BI)  اکنون برای پروژه های مبتنی بر ابر است.

تلاش برای بهبود سواد داده با گسترش استفاده از ابزارهای هوش تجاری در سازمان‌ها از طریق سلف سرویس، اطمینان از اینکه کاربران جدید می‌توانند داده‌ها را درک کنند و با آنها کار کنند بسیار مهم است. این امر باعث می شود که تیم های هوش تجاری (BI)  مهارت های سواد داده را در برنامه های آموزشی کاربران بگنجانند. فروشندگان هوش تجاری (BI)  نیز ابتکاراتی مانند پروژه سواد داده به رهبری Qlik را راه اندازی کرده اند.

هوش تجاری در مقابل تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار

استفاده پراکنده از اصطلاح هوش تجاری حداقل به دهه 1860 برمی گردد، اما مشاور هوارد درسنر برای اولین بار در سال 1989 آن را به عنوان یک عبارت چتری برای استفاده از تکنیک های تجزیه و تحلیل داده ها برای حمایت از فرآیندهای تصمیم گیری تجاری پیشنهاد کرد. چیزی که به عنوان ابزارهای هوش تجاری (BI)  شناخته می شود، از فناوری های تحلیلی قبلی، اغلب مبتنی بر مین فریم، مانند سیستم های پشتیبانی تصمیم و سیستم های اطلاعات اجرایی که عمدتاً توسط مدیران تجاری استفاده می شد، تکامل یافته است.

هوش تجاری گاهی اوقات به جای تجزیه و تحلیل تجاری استفاده می شود. در موارد دیگر، تجزیه و تحلیل تجاری یا به صورت محدودتر برای اشاره به تجزیه و تحلیل پیشرفته یا به طور گسترده تر برای شامل آن و  (BI) )  استفاده می شود. در همین حال، تجزیه و تحلیل داده ها در درجه اول یک اصطلاح چتر است که همه اشکال  (BI) )  و برنامه های کاربردی تجزیه و تحلیل را در بر می گیرد. این شامل انواع اصلی تجزیه و تحلیل داده است: تجزیه و تحلیل توصیفی، که معمولاً همان چیزی است که  (BI) )  ارائه می دهد. تجزیه و تحلیل پیش بینی کننده، که رفتار و نتایج آینده را مدل می کند. و تجزیه و تحلیل تجویزی، که اقدامات تجاری را توصیه می کند.

بیشتر بدانید:طراحی و ایجاد داشبورد مدیریتی و کمک به تصمیمات مدیران

چرا تیم تخصصی هوشمندسازی (هوش تجاری و هوش سازمانی) هوشان: