Business Intelligence (BI)  to zbiór praktyk, technologii, praktyk, doświadczeń  przekształcające otrzymywane dane w informacje przydatne w biznesie. Istnieje wiele odmian systemu BI, takich jak EIS, DSS, MIS i GIS.

Zestawienie razem, z pozoru informacji nie mających żadnej wartości, przy użyciu różnych mechanizmów oraz technik stanowiących bazę do analizy oraz wyciągania wniosków, które wykorzystuje się w tworzeniu strategii przedsiębiorstwa, a co za tym idzie przewagi konkurencyjnej przedsiębiorstwa.

BI skupia dziedziny oraz technologie takie jak:

• statystyka
• ekonometria
• badania operacyjne
• sztuczna inteligencja
• bazy danych
• raportowanie biznesowe
• analityka
• data mining
• benchmarking

Termin ten został użyty po raz pierwszy w 1958 roku w jednym z artykułów „IBM Journal”.  Doprecyzowanie tego terminu pojawiło się dopiero w 1989, określono wtedy, że BI jest to: „szeroka dziedzina okrywająca wiele metod (…) ukierunkowanych na realne wspieranie decyzji biznesowych w przedsiębiorstwie”.

Definicja BI obecnie najczęściej wykorzystywana została opracowana przez firmę Gartner w 2003 roku: „Zorientowany na użytkownika proces zbierania, eksploracji, interpretacji i analizy danych, który prowadzi do usprawnienia i zracjonalizowania procesu podejmowania decyzji. Systemy te wspierają kadrę menadżerską w podejmowaniu decyzji biznesowych w celu kreowania wzrostu wartości przedsiębiorstwa”

Controlling podczas zbierania informacji nieustrukturalizowanej napotyka na szereg problemów, do których zalicza się:

• Ogromna ilość danych zawartych w jednym miejscu
• Słabo przejrzysta struktura baz danych
• Kłopotliwa forma przetwarzania danych podczas przeprowadzania analiz

Źródła danych BI

• Bazy danych – dane zorientowane obiektowo
• Hurtownie danych – „czyste” dane czyli ustrukturyzowane oraz zorientowane tematycznie. O strukturę i merytoryczność danych w hurtowniach dbają procesy ETL (extraction – kopiowanie danych z dużej ilości źródeł do hurtowni; transformation – konwertowanie, agregowanie i ujednolicanie danych; loading – umieszczanie danych w hurtowni).

Warstwy funkcjonalno-technologiczne w systemie BI

• Warstwa integracji i składowania

Narzędzia ETL

Hurtownie danych

Agregacje OLAP

• Warstwa przetwarzania analitycznego

Podstawowe narzędzia raportujące

Graficzna wizualizacja danych

Zaawansowane narzędzia analityczne typu data mining

Aplikacje analityczne

• Warstwa udostępniania wyników

Serwery plików

Portale informacyjne

Narzędzia automatycznej dystrybucji informacji

• Warstwa administracji – warstwa odpowiedzialna za administrowanie wyżej wymienionych warstw elementarnych

Odmiany systemu Business Intelligence

• EIS – Executive Information Systems – systemy powiadamiania kierownictwa
• MIS – Management Information Systems – systemy wspomagania zarządzania
• GIS – Geographic Information Systems – systemy informacji geograficznej
• DSS – Decision Support Systems – systemy wspomagania decyzji

Business intelligence – funkcje

• Analiza predykcyjna: to proces wykorzystujący algorytmy uczenia maszynowego do przewidywania wyników na podstawie dostępnych danych.
• Data Mining: wykorzystuje algorytmy uczenia maszynowego do wykrywania wzorców i tendencji w danych
• Raportowanie i analiza danych: pozwala na zwizualizowanie, interpretowanie danych oraz wyciąganie wniosków (dotyczących m.in.  rentowności firmy, strategii)

Business intelligence – mocne strony

• zapewnia wgląd w wyższy poziom danych
• zwiększa produktywność i obniża koszty
• pomaga w uzyskaniu przewagi konkurencyjnej
• poprawia wydajność ze względu na możliwość szybkiego dostosowania się do trendów i potrzeb bieżących rynku
• oferuje elastyczność, ze względu na łatwe dostosowanie danych do potrzeb firmy
• umożliwia firmom usprawnienie wydajności, dzięki analizowaniu oraz śledzeniu danych

Business intelligence – ograniczenia

• Koszty: związane z zakupem oprogramowania, zatrudniania specjalistów
• Dostępność danych: dane mogą być ograniczone ze względu na RODO
• Wybór narzędzi: odpowiedni wybór narzędzi uwzględniający wydajność, koszt
• Zasoby: trudności związane ze zdobywaniem zasobów
• Niedoskonałości: niska wydajność lub brak wsparcia dla niektórych typów danych
• Różnorodność danych: dostarczone dane mogą być w różnych formatach

Business intelligence – inne związane podejścia

• Modelowanie danych: tworzenie modeli danych, takich jak modele hierarchiczne, modele czasowe i modele koszyczkowe, w celu wyciągnięcia wniosków i przewidywania przyszłych wyników.
• Bazy danych: utrzymanie i zarządzanie bazami danych za pomocą systemu zarządzania bazami danych.
• Przetwarzanie w chmurze: wykorzystanie technologii chmury do przetwarzania dużych zbiorów danych.
• Sztuczna inteligencja: wykorzystanie technologii sztucznej inteligencji do wyciągania wniosków i podejmowania decyzji na podstawie danych.

Bibliografia

• Łada M., Burnet-Wyrwa W. (2015), Rozwój samoobsługowych systemów Business Intelligence a zmiany w rachunkowośći zarządczej, Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, Nr 245
• Nesterak J. (2010), Business Intelligence jako narzędzie wspierające decyzje zarządcze w firmie, Zeszyty Naukowe, Prace z zakresu ekonomiki i organizacji przedsiębiorstw, nr 836
• Nesterak J. (2015), Controlling zarządczy. Projektowanie i wdrażanie, Wolters Kluwer, Warszawa
• Rud O. (2009), Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy, Wiley & Sons, Hoboken
• Smok B. (2010), Business Intelligence w zarządzaniu, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław
• Surma J. (2009), Business Intelligence Systemy Wspomagania Decyzji Biznesowych, Wydawnictwo Naukowe PWN, Warszawa