商業智能:指將數據分析商業化、信息化，實現商業價值的企業信息化建設過程。
因此，數據分析可以包含廣泛的內容，而商業智能更側重於實現商業價值。
1.數據分析的概念:
總的來說，“數據分析”沒有具體的應用場景。人們更喜歡將數據分析作為壹個行為過程來討論，或者添加諸如方法論之類的特定術語來定義它。
數據分析作為壹個數據研究的過程，會經歷以下幾個步驟:明確目標、收集、處理、探索、呈現、發現問題。
數據分析的六個步驟
在這個過程中，我們更關註的是勞動的過程和成果的價值，而這個過程小到盯著身邊的人看，大到制定國家五年發展規劃，發生在生活的方方面面。
比如，我們想買壹部適合自己的手機，可以在對手機市場不熟悉的情況下，在各大論壇搜集參數信息，結合自己的預算和喜好，選擇要購買的手機的品牌、價格、性能等需求細節，從而確定自己最終的選擇。
這樣的行為也可以屬於數據分析和個人行為，不需要專業的工具，不會對個人產生直接的商業價值。
這意味著廣義的數據分析只代表壹種行為過程，沒有具體的應用對象和場景，與商業智能沒有明確的比較意義。
1.1數據分析方法:
對於具體的數據分析方法，各行各業都有無數的應用。以下方法作為例子，以引起人們的註意。
數據分析方法
2.商業智能的概念:
商業智能是指將數據分析商業化、信息化，實現商業價值的企業信息化建設過程。
商業智能(business intelligence)這個詞其實誕生於20世紀90年代。經過幾十年的發展和演變，很多人會把商業智能當成壹個解決方案，最終目的是為管理者提供決策支持。
就其實際情況而言，解決方案是采用合理的方法、合理的工具和手段，以合理的成本，在壹段時間內解決企業可預見的問題的行動計劃，具有保質期。
但商業智能是壹個循序漸進、不斷優化的信息化建設過程，追求的是持續的效益和長期的決策支持，而不是短期的效益。
2.1構建商業智能的困難:
而在構建商業智能的過程中，我們會遇到以下主要問題:
平臺挑戰:數據分析鏈條很長，從采集、治理、集成、存儲、計算、建模到呈現，涉及工具和技術太多，成本高，架構復雜，需求實現效率低，難以滿足企業業務洞察的需求。
應用挑戰:IT部門做的數據報表對業務部門沒用，很難問業務部門需要什麽。
服務挑戰:無論是自建服務團隊，還是找第三方供應商，個人精細化專業服務能力的缺失，導致解決問題的效率低下，用戶反饋負面。
運營挑戰:產品都是國際知名品牌，但是系統不穩定，問題頻發，本質是缺乏系統的運營方法。
要解決商業智能構建過程中的問題，使商業智能構建過程在企業中獲得長期收益，為管理者提供持續穩定的決策支持，發揮數據價值，進而驅動商業價值的體現，我們需要壹個數據驅動的商業成長能力模型——PASO能力模型。
請點擊輸入圖片說明。
PASO能力模型
通過PASO勝任力模型，我們可以穩步完成構建企業商業智能的過程，並獲得長期收益，這是數據商業價值的真正詮釋和體現，實現長期決策支持。
例如:
這是根據某企業國際物流業務的實際情況，經過調查分析後建立的壹套營銷系統模型。
請點擊輸入圖片說明。
通過營銷系統模型，對銷售過程的每壹步數據進行分析，從而不斷提升銷售技能，優化服務流程，最終實現廣告價值的最大化和銷售流程的標準化。
這是壹個企業應用商業智能的例子，也說明商業智能不是短期解決問題，而是追求可持續效益的長期建設過程。