ایتنا: سیستم‏های هوش تجاری (BI) می‏توانند به شرکت‌ها در شناسایی روندهای بازار و مشکلاتی که باید مورد توجه قرار بگیرند، کمک کنند. هوش تجاری (BI) یک فرآیند مبتنی بر فناوری است که به‌منظور تحلیل داده‏ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران برای اتخاذ تصمیمات بهینه به‌کار برده می‏شود.

هوش تجاری (BI) شامل مجموعه‏ای از ابزارها، برنامه‏های کاربردی و متدولوژی‏ها است که با جمع‏آوری داده‏ها از منابع درون سازمانی و برون سازمانی، داده‏ها را برای تجزیه و تحلیل آماده می‏کند، امکان اجرای پرس و جو (Query) را مهیا می‏سازد، گزارش‌ها و داشبوردها را ایجاد می‏کند به نحوی که این گزارش‌ها را در اختیار تصمیم‏گیران و همین‏طور کارکنانBPMS قرار گیرد. از مزایای استفاده از هوش تجاری می‏توان به مواردی شامل: تسریع و بهبود فرآیند تصمیم‏گیری، بهبود فرآیندهای داخلی، شناسایی فرصت‏های جدید و دستیابی به مزیت‏های رقابتی جدید اشاره کرد. داده‏های هوش تجاری (BI) می‏تواند شامل اطلاعات قدیمی یا داده‏های جدیدی باشند که از سیستم‏های منبع داده تولید شده‏اند و تحلیلگران هوش تجاری را قادر به پشتیبانی از فرآیندهای تصمیم‏سازی استراتژیک و تاکتیکی می‏سازند. در ابتدا، ابزارهای هوش تجاری توسط تحلیلگران داده و سایر متخصصان IT استفاده می‏شدند، به‌صورتی که آنها تحلیل‏ها را روی داده‏ها اجرا می‏کردند و گزارش‌ها را به‌عنوان نتایج پرس‌وجو (Query) برای کاربران کسب‌وکار تولید می‌کردند. پس از آن با توجه به توسعه ابزارهای خویش خدمت هوش تجاری (Self-Service BI) و جست‌وجوی داده، مدیران سازمان و کارمندان نیز در استفاده از ابزارهای هوش تجاری (BI) توانمند شدند.

هوش تجاری (BI) شامل مجموعه وسیعی از برنامه‏های کاربردی نظیر: تحلیل‏های موردی و پرس و جو (Query)، گزارش‏ساز، پردازشگر تحلیلی آنلاین (OLAP)، هوش تجاری موبایل، هوش تجاری بلادرنگ، هوش تجاری عملکردی، هوش تجاری و سرویس‏های ابری، هوش تجاری متن باز، هوش تجاری اشتراکی و هوش منطقه‏ای است. تکنولوژی هوش تجاری همچنین شامل نرم‏افزارهای بصری‏سازی داده برای طراحی نمودارها و سایر داده نمایی‏ها وابزارهایی برای ساخت انواع داشبوردها می‏شود. برنامه‏های کاربردی هوش تجاری را می‏توان از کمپانی‏های متفاوتی خریداری کرده یا آنکه به‌صورت یک پلت‌فرم مجتمع از یک کمپانی تهیه کرد. برنامه‏های هوش تجاری همچنین می‏توانند ترکیبی از انواع تجزیه و تحلیل پیشرفته را ارائه دهند، مانند داده‌کاوی، تحلیل‏های پیشگویانه، متن کاوی، تحلیل‏های آماری و تحلیل کلان داده‏ها.

در بسیاری از موارد، پروژه‏های تجزیه و تحلیل پیشرفته به‌وسیله تیم‏های جداگانه‏ای از کارشناسان داده، متخصصان آمار، مدل‏سازان و سایر متخصصان تحلیل رهبری و مدیریت می‏شوند، درحالی‌که تیم هوش تجاری بیشتر بر پرس‏جوها (Query) و تحلیل‏های داده‏های کسب‌وکار نظارت می‏کند. داده‏های هوش تجاری معمولا در یک انبار داده یا یک داده گاه (Data mart) کوچک‌تر که زیرمجموعه‏ای از اطلاعات شرکت است ذخیره می‏شوند. به علاوه، سیستم‏های Hadoop به‌صورت گسترده به‌عنوان انباره‏ها در معماری‏های هوش تجاری و مخصوصا برای داده‏های بدون ساختار، فایل‏های لاگ و گونه‏های دیگر کلان داده‏ها استفاده می‏شوند. قبل از آنکه این سیستم در برنامه‏های کاربردی هوش تجاری استفاده شود، داده‏های خام از منابع مختلف باید مجتمع می‏شدند و به وسیله ابزارهای کیفیت داده بررسی می‏شدند تا از صحت داده‏های تحلیلی اطمینان حاصل می‏شد.