对于越来越火的商业智能，IT人要问，这是新概念，还是“旧相识”？2008年4月11日，一场商业智能的CIO富营让大家来一场脑力激荡。
“怎么解决领导拍脑袋作决定的问题？”主持人—原国家财政部信息中心总工丁向阳用问题宣布，商业智能（BI）主题CIO富营正式开坛。
“商业智能，如果数据用好，可以用智能的方式分析出来关注点。各行各业都有各自不同的情况，以财政部举例来说，应用商业智能之后，很多数据不再是领导拍脑袋。比如预算现在越做越细，每一个部门必须把预算做好，这都需要对以前的数据进行挖掘。试行公务卡，不能付现金，花钱更细，这更说明对信息系统依赖越来越大，当然这也为以后开展预算提供依据。经过若干年，资料累积之后，以后做预算越来简化，这都是靠商业职能。”丁向阳用自己熟悉的财政部举例说明商业智能。
在座的各位不禁点头认同。原信息产业部信息中心专家朱鹏举、中国石油天然气集团公司教授级高工吕志良、中国遥感卫星地面站数据处理部主任兰启、北京市大田集团公司信息中心高级经理闻淑梅、北京华大智宝电子系统有限公司项目主管姜作琛、北京中纺达软件公司田洁、北京中医医院研究所张会娜和牧童、弘威德科技发展有限公司鲍明智、大通证券股份有限公司田露阳等新老朋友又再次相聚世纪金源酒店，共同感受商业智能带来的头脑风暴。

商业智能与企业绩效
企业绩效专家鲁百年用“利用商业智能提升企业绩效”来解读商业智能带来的实在用途。
鲁百年认为，在企业信息化建设的整体方案当中，企业的盈利价值链可以从营销角度解读平衡计分卡理论。
平衡计分卡理论（Balanced Scoreboard），源自于哈佛大学教授Robert Kaplan与诺朗顿研究院（Nolan Norton Institute）的执行长David Norton于90年所从事的“未来组织绩效衡量方法”研究计划。
平衡计分卡强调传统的财务会计模式只能衡量过去发生的事项（落后的结果因素），但无法评估企业前瞻性的投资（领先的驱动因素）。因此，必须改用一个将组织的远景转变为一组由四项观点组成的绩效指标架构来评价组织的绩效。
此四项指标是：财务（Financial）、顾客（Customer）、企业内部流程（Internal Business Processes）、学习与成长（Learning and Growth）。藉着这四项指标的衡量，组织得以明确和严谨的手法来诠释其策略。
它一方面保留传统上衡量过去绩效的财务指标，并且兼顾了促成财务目标的绩效因素之衡量；在支持组织追求业绩之余，也监督组织的行为应兼顾学习与成长的面向，并且透过一连串的互动因果关系，组织得以把产出（Outcome）和绩效驱动因素（Performance Driver）串联起来，以衡量指标与其量度做为语言，把组织的使命和策略转变为一套前后连贯的系统绩效评核量度，把复杂而笼统的概念转化为精确的目标，藉以寻求财务与非财务的衡量之间、短期与长期的目标之间、落后的与领先的指标之间，以及外部与内部绩效之间的平衡。
而人们关注的企业绩效管理，存在六大过程（见图示）。
而这个管理的中心则是共享信息。打破信息孤岛和信息烟囱，在纵向和横向分别运用商业智能，促使绩效达到最高。
根据鲁百年的介绍，这在电信、金融、制造业、电力行业中尤为重要。而商务智能解决方案能够提供企业仪表盘—用报表描述以前发生了什么；即席查询—用报告解释为何发生；预测模型—即将发生什么；运营分析—现在发生了什么；业务活动监控—我希望发生什么等功能。

原来曾相识
听完鲁百年的介绍，吕志良欣喜地表示“这澄清了一些观点。商业智能，让人总错觉来了个商业智能，和以前东西似乎没关系。而且最重要的问题是落实到元数据上，最头疼的还是基础。”
朱鹏举插话道：“数据真假是个问题。”吕志良对此表示同意：“商业智能不是新概念，而是升级。”
听到此话，闻淑梅也表示认同。她说在她大学做毕业设计时，1983年做女排记战术统计系统，编程作轮次统计，提出的数据理论令当时当指导的袁伟民也表示赞同。回忆起往事，她表示最重要的体会在于数据需要细化，数据里面有知识。而这些数据是需要积累的，若没有大量数据做基础，是很难起到决策作用的。
作为IT人，她在2001年曾主导金象大药房的经营数据分析，当时就使用了商业智能工具。对于连锁药店来说，分店发展很快。什么药卖得好？哪家店卖得最好？这些通过经营数据的分析都能得出劫掠。当IT与业务捆绑在一起的时候，IT人员熟悉管理，知道怎么把业务数据和财务数据结合。IT部门通过数据积累，再次给企业带来价值，创造价值。“这将改变IT部门光花钱的印象，IT部门也就有价值了”。
丁向阳对此也表示认同，“当软件给业务人员使用时，业务人员能够得到有价值的动态分析。这样可以让CIO建立自己的地位。”

妙用数据挖掘
独立顾问张韶峰用“济南地税系统工作平台”的数据挖掘案例作了分析。通过对辅助模块的设置，可以利用计算机算出“谁在偷税漏税”，准确度可达75%。
这是通过历史数据的分析、结合业务人员的经验得出的结论。全年用这种算法做，误差仅在2%，大大低于人工计算出的12%。这套系统真正起到了“科学管理、科学决策”的作用，甚至改变了有关主管领导的语言习惯。他们不再使用“我觉得、我感觉、我认为”等词语，而是使用数据说话。
对此，丁向阳点评道：“商业智能的使用，不仅有经济效用、还有社会效用。”
牧童提了一个尖锐的问题，对于他工作中正在做的数据库，“是不是使用几个数据录入人员再做出分析，也可以叫商业智能？”
鲁百年解答：“在商业智能的统计平台中，包含了标准算法。因此在数据进入数据仓库中、数据被抽取时候，是否代表整体数据特征，都有一套检验模式。”
而且，现在的商业智能软件改变了以前专业人士使用，太“阳春白雪”的问题，改为“傻瓜型”的使用方式，让操作者更为方便。
而在社会统计中用到的SPSS程序，也可看作是最简单的商业智能。
牧童又接着追问“元数据”和“源数据”的区别，这个时候大家才恍然发现，讨论已经进行了两个多小时，已经到了富营结束的时刻。
意犹未尽的各位，期待着下一次富营的相聚。

商业智能的前世今生
商业智能的概念于1996年最早由Gartner Group提出，在该集团的定义中，商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。
目前，学术界对商业智能的定义并不统一。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。