在信息时代中，对信息处理和利用能力的强弱成为了决定企业兴衰成败的关键。随着Web技术的迅速发展，有越来越多的企业开始利用业务信息流和一些数据分析技术进行企业重整。

　　用户数据正在成倍的增长。MicroStrategy的高级产品管理者Brian Brinkman得出结论，用户数据以每年两倍的速度增长。事实上，我们在未来的三年中将会制造出比过去三十万年更多的数据资料，这一结论是加州大学信息管理学院根据调查作出的预测。

　　随着数据的不断增长，给商务分析所带来的困难也比以往增加了许多。在你对一些数据作出分析以前，你必须要先找到它们并确认它们的有效性——或者帮助你的用户来完成上面的步骤。SPSS BI的总裁Mark Battaglia指出，“更加广泛的商业社区也同样会遇到分析家们在二三十年前就遇到的问题，那就是——首先要得到数据，然后再对其进行格式排列。”

　　这就决定了信息时代将是“智能”占主导地位的服务经济，也是商务智能大显身手的时代。

　　一、分析工具的历史：

　　在过去的几十年里，各种机构已经花费了大量的财力和资源去构建联机事务处理系统(OLTP)和企业资源计划系统(ERP).不断累计的信息和存储在数据仓库中的数据达到了令人惊讶的规模。

　　当这些系统极大地改善了信息的自动处理能力时，也造就了很多“信息孤岛”(information silos)------大量只有很有限的获取和分析能力的数据。一项IBM的调查表明，大部分公司只利用了其存储信息的2%--4%。

　　在过去，进入信息系统要由数据库管理员或应用开发人员做预先的准备。没有预先贮备的终端用户请求很少被允许。但是现在，客户化的查询/报告功能、标准的电子表格、关系数据库和图形应用被越来越多地运用在分析目的中。数据仓库的开发也是为了满足这一需求。

　　然而，这些解决方案大都是由IT部门设计和修改的，往往很难理解最终用户的特殊需求。而且，这些方案很少允许进行特殊查询，或者被限定在一些有限的数据对象中。这样做的最终结果，是使这些方案无法让最终用户连接不同信息源，从而在很大程度上降低了方案的实用性和应变能力。

　　最终，这些传统的方案不能提供一个经过整合的，功能强大的分析工具给最终用户。特别是给那些非技术的商业用户。由于图一中所示的两个主要原因，传统系统不能满足商务层面的分析需要。