一、什么是数据分析？
    数据分析是从数据中提取、转换、加载、建模、绘制结论，最终为决策提供支持的过程。根据不同工作流程所处阶段和分析需求角度出发，分析可被划分为描述性分析（Descriptive analysis）、诊断性分析（Diagnostic analysis）、预测性分析（Predictive analysis）和处方式分析（Prescriptive analysis）四种类型。它们之间是不断递进的过程，随着分析方法的复杂化，分析带来的价值也就越大。

描述性分析

描述性分析主要是汇总原始数据，并将其转化为人可以理解的形式，例如报表、图表等。这种分析可以回答过去什么时间，什么地点，发生了什么，量化指标是多少，有些还可提供即席查询的能力，这些都是从过去的数据里面提供有价值的见解。描述性分析对于揭示业务中的关键指标至关重要，但它不能解释问题发生的原因。

诊断性分析

诊断性分析是基于描述性分析之上的。通过诊断分析，可以深入挖掘问题根源，识别依赖关系，找出影响因子。借助联动、下钻、挖掘、预警等方法，可以知道问题是怎么发生的，企业接下来需要关注哪些方面以帮助解决问题。

预测性分析

相比较于描述性分析与诊断性分析的对于过去数据的分析，预测性分析可以用来说明未来可能发生的事情。它使用描述性和诊断性分析的结果来检测趋势、异常或做聚类分析，并预测未来动态。尽管预测性分析相比单纯的历史数据分析拥有诸多优势，但必须要了解预测只是一种估计，其准确性高度依赖于数据质量和业务状态的稳定性，因此需要仔细处理和持续优化。

处方式分析

处方式分析是基于对“发生了什么”、“为什么会发生”、“可能会发生什么”的分析，通过算法手段最优化决策，来帮助用户决定应该采取什么措施，以便消除未来可能发生的问题或获得更有利的趋势。作为最先进的分析方法，它不仅需要历史数据，还需要很多外部信息，利用更为复杂的工具和技术，如机器学习、业务规则和算法等，这也决定了它的实施和管理相对于其他分析类型来说更加复杂。

二、什么是商业智能？

BI的架构

BI系统通常包括4个主要部分：带有源数据的数据仓库、业务分析（用于操作挖掘、分析数据仓库中数据的工具集）、用来监测和分析绩效的企业绩效管理（Business Performance Management，BPM）、用户界面（例如，仪表板）。这4个部分之间的关系如下图所示。

                                    BI的高层架构

商业智能

商业智能，其实是一种解决方案，它的主要目标是实现数据的交互（有时候是实时的），实现对数据的操作，是管理人员和分析人员能够进行合理的分析。通过对历史和现有数据、情景、性能的分析，决策者得到有价值的洞察力，使他们能够作出更优的决策。BI的过程就是将数据转换成信息，然后以此为基础制定决策，最终开始行动。