一、什麼是數據分析？
數據分析是從數據中提取、轉換、加載、建模、繪製結論，最終爲決策提供支持的過程。根據不同工作流程所處階段和分析需求角度出發，分析可被劃分爲描述性分析（Descriptive analysis）、診斷性分析（Diagnostic analysis）、預測性分析（Predictive analysis）和處方式分析（Prescriptive analysis）四種類型。它們之間是不斷遞進的過程，隨着分析方法的複雜化，分析帶來的價值也就越大。
描述性分析
描述性分析主要是彙總原始數據，並將其轉化爲人可以理解的形式，例如報表、圖表等。這種分析可以回答過去什麼時間，什麼地點，發生了什麼，量化指標是多少，有些還可提供即席查詢的能力，這些都是從過去的數據裏面提供有價值的見解。描述性分析對於揭示業務中的關鍵指標至關重要，但它不能解釋問題發生的原因。
診斷性分析
診斷性分析是基於描述性分析之上的。通過診斷分析，可以深入挖掘問題根源，識別依賴關係，找出影響因子。藉助聯動、下鑽、挖掘、預警等方法，可以知道問題是怎麼發生的，企業接下來需要關注哪些方面以幫助解決問題。
預測性分析
相比較於描述性分析與診斷性分析的對於過去數據的分析，預測性分析可以用來說明未來可能發生的事情。它使用描述性和診斷性分析的結果來檢測趨勢、異常或做聚類分析，並預測未來動態。儘管預測性分析相比單純的歷史數據分析擁有諸多優勢，但必須要瞭解預測只是一種估計，其準確性高度依賴於數據質量和業務狀態的穩定性，因此需要仔細處理和持續優化。
處方式分析
處方式分析是基於對“發生了什麼”、“爲什麼會發生”、“可能會發生什麼”的分析，通過算法手段最優化決策，來幫助用戶決定應該採取什麼措施，以便消除未來可能發生的問題或獲得更有利的趨勢。作爲最先進的分析方法，它不僅需要歷史數據，還需要很多外部信息，利用更爲複雜的工具和技術，如機器學習、業務規則和算法等，這也決定了它的實施和管理相對於其他分析類型來說更加複雜。
二、什麼是商業智能？
BI的架構
BI系統通常包括4個主要部分：帶有源數據的數據倉庫、業務分析（用於操作挖掘、分析數據倉庫中數據的工具集）、用來監測和分析績效的企業績效管理（Business Performance Management，BPM）、用戶界面（例如，儀表板）。這4個部分之間的關係如下圖所示。
BI的高層架構
商業智能
商業智能，其實是一種解決方案，它的主要目標是實現數據的交互（有時候是實時的），實現對數據的操作，是管理人員和分析人員能夠進行合理的分析。通過對歷史和現有數據、情景、性能的分析，決策者得到有價值的洞察力，使他們能夠作出更優的決策。BI的過程就是將數據轉換成信息，然後以此爲基礎制定決策，最終開始行動。