Plataformas de BI tradicionalmente dependem de data warehouses para suas informações fundamentais. Um data warehouse agrega dados de múltiplas fontes em um sistema central para apoiar a análise corporativa e a geração de relatórios. O software de business intelligence consulta o warehouse e apresenta os resultados ao usuário na forma de relatórios, gráficos e mapas.

Os data warehouses podem incluir um motor de processamento analítico online (OLAP) para suportar consultas multidimensionais. Por exemplo: quais são as vendas de nossa região leste em relação à região oeste este ano, em comparação com o ano passado?

“O OLAP fornece uma tecnologia poderosa para a descoberta de dados, facilitando o business intelligence, cálculos analíticos complexos e análises preditivas”, diz Doug Dailey, gerente de ofertas da IBM, em seu blog sobre armazenamento de dados. “Um dos principais benefícios do OLAP é a consistência das informações e dos cálculos que ele usa para impulsionar dados para melhorar a qualidade do produto, interações com clientes e melhorias de processos.”

Algumas soluções de business intelligence mais recentes podem extrair e ingerir dados brutos diretamente usando tecnologia como Hadoop, mas data warehouses ainda são a fonte de dados de escolha em muitos casos.

O termo business intelligence foi usado pela primeira vez em 1865 pelo autor Richard Millar Devens, quando ele citou um banqueiro que coletava inteligência sobre o mercado à frente de seus concorrentes. Em 1958, um cientista de computação da IBM chamado Hans Peter Luhn explorou o potencial de usar tecnologia para obter business intelligence. Sua pesquisa ajudou a estabelecer métodos para criar algumas das primeiras plataformas de análise da IBM.

Nos anos 60 e 70, os primeiros sistemas de gerenciamento de dados e sistemas de suporte à decisão (DSS) foram desenvolvidos para armazenar e organizar volumes crescentes de dados.

“Muitos historiadores sugerem que a versão moderna do business intelligence evoluiu do banco de dados DSS”, diz o site de educação em TI Dataversity. “Uma variedade de ferramentas foi desenvolvida durante esse tempo, com o objetivo de acessar e organizar dados de maneiras mais simples.” OLAP, sistemas de informações executivas e data warehouses foram algumas das ferramentas desenvolvidas para trabalhar com DSS. ²

Na década de 1990, a business intelligence tornou-se cada vez mais popular, mas a tecnologia ainda era complexa. Geralmente, era necessário o suporte de TI, o que muitas vezes levava a atrasos e relatórios atrasados. Mesmo sem TI, analistas de business intelligence e usuários precisavam de treinamento extensivo para consultar e analisar seus dados com sucesso. ³

Desenvolvimentos mais recentes têm se concentrado em aplicações de BI de autoatendimento, permitindo que usuários não especialistas se beneficiem de seus próprios relatórios e análises. As plataformas modernas baseadas em nuvem também ampliaram o alcance do BI em todas as regiões. Muitas soluções agora lidam com big data e incluem processamento em tempo real, permitindo processos de tomada de decisão baseados em informações atualizadas.

O business intelligence dá às organizações a capacidade de fazer perguntas em linguagem simples e obter respostas que podem entender. Em vez de usar palpites, elas podem basear decisões no que os dados de seus negócios estão dizendo — seja relacionado à produção, cadeia de suprimentos, clientes ou tendências de mercado.

Por que as vendas estão caindo nesta região? Onde temos excesso de estoque? O que os clientes estão dizendo nas mídias sociais? O BI ajuda a responder essas perguntas críticas.

"O business intelligence fornece insights passados e atuais sobre o negócio”, diz Maamar Ferkoun em seu blog sobre computação em nuvem e business intelligence da IBM. “Isso é alcançado através de uma gama de tecnologias e práticas, de análise e relatórios a mineração de dados e análises preditivas. Ao fornecer uma imagem precisa do negócio em um momento específico, o BI proporciona à organização os meios para projetar uma estratégia de negócios baseada em dados factuais.”

O business intelligence ajuda as organizações a se tornarem empresas baseadas em dados, melhorar o desempenho e ganhar vantagem competitiva. Eles podem:

• Melhorar o ROI ao entender o negócio e alocar recursos de forma inteligente para atender aos objetivos estratégicos.
• Desvendar comportamentos, preferências e tendências dos clientes, e usar os insights para melhor direcionar prospectos ou adaptar produtos às necessidades do mercado em mudança.
• Monitorar as operações de negócios e corrigir ou fazer melhorias de forma contínua, alimentadas por insights de dados.
• Melhorar o gerenciamento da cadeia de suprimentos monitorando a atividade ao longo da linha e comunicando os resultados com parceiros e fornecedores.

Varejistas, por exemplo, podem aumentar a economia de custos comparando desempenho e benchmarks entre lojas, canais e regiões. E, com visibilidade no processo de reclamações, as seguradoras podem ver onde estão falhando nos objetivos de serviço e usar essa informação para melhorar os resultados.

As organizações se beneficiam quando conseguem avaliar completamente suas operações e processos, entender seus clientes, avaliar o mercado e impulsionar melhorias. Elas precisam das ferramentas certas para agregar informações comerciais de qualquer lugar, analisá-las, descobrir padrões e encontrar soluções.

O melhor software de BI apoia esse processo de tomada de decisão por:

• Conectar-se a uma ampla variedade de diferentes sistemas de dados e conjuntos de dados, incluindo bancos de dados e planilhas.
• Fornecer análises profundas, ajudando os usuários a descobrir relações e padrões ocultos em seus dados.
• Apresentar respostas em visualizações de dados informativas e atraentes, como relatórios, mapas, gráficos e tabelas.
• Permitir comparações lado a lado de dados em diferentes cenários.
• Oferecer recursos de drill-down, drill-up e drill-through, possibilitando aos usuários investigar diferentes níveis de dados.

Sistemas avançados de BI e análises também podem integrar inteligência artificial (IA) e aprendizado de máquina para automatizar e simplificar tarefas complexas. Esses recursos aceleram ainda mais a habilidade das empresas de analisar seus dados e obter insights em um nível profundo.

Considere, por exemplo, como o IBM Cognos Analytics reúne análise de dados e ferramentas visuais para apoiar a criação de mapas para relatórios. O sistema usa IA para identificar automaticamente informações geográficas. Ele pode então refinar visualizações adicionando mapeamento geoespacial de todo o globo, de um bairro individual ou qualquer coisa intermediária.

De acordo com um relatório sobre reinvenção digital pelo IBM Institute for Business Value: "Daqui a cinco ano, 58 por cento dos 1.100 executivos que pesquisamos no estudo de reinvenção digital esperam que novas tecnologias reduzam barreiras à entrada e 69 por cento esperam mais competição entre setores."

"Análises avançadas permitem que um business intelligence mais profundo e insights do consumidor sejam extraídos de big data, produzindo informações que vão de descritivas a preditivas."