传统的DW/OLAP模式（数据抽取ETL->数据仓库DW->维度建模->在线分析处理OLAP->前端展示）或DB/Report（数据库->SQL或宜用的SQL设计器->报表）模式的所谓的商业智能，在处理业务决策支持的过程中，已经分别显得过于理想化：对决策的过程的支持不仅仅限于技术的手段、传统的技术手段单调且死板，带给最终用户的价值只是在限定的查询之上的结果展示。经过十几年的发展之后，商业智能的定义逐渐泛化，越来越多的理念及技术被引入：商业智能厂商不断尝试引入新的手段，不断丰富自己的商业智能体系，以更好的支持业务分析及决策。本文将列举过去几年商业智能领域的相关产品已经出现的若干特点。

　　目录：

　　1、强调业务分析，预置分析应用包

　　2、结合搜索引擎技术，搜索模式的商业智能

　　3、语义处理继续发展，主数据管理已经成熟

　　4、出现事件驱动的商业智能

　　5、引入Web2.0展示及异步处理技术

　　6、借鉴Web2.0社会化网络的交流协同理念

　　7、出现采取Saas商业模式的商业智能

　　8、针对主流ERP/SCM及财务软件集成

　　9、基于数理统计、数据挖掘的分析型应用王者回归

　　1、强调业务分析，预置分析应用包

　　业务分析被商业智能领域关注大概是从SAS公开提出的从商业智能转变到业务分析的理念（《商业智能从BI走向BA》）开始。但事实上这并不是什么新概念，商业智能不就是对业务进行分析么？自从有了业务，就有了对业务的分析需求，因此业务分析实际从哪里开始是无从考究的。这方面除了SAS的产品之外，Cognos近期也推出了类似的产品，以预置分析包的形式提供的面向中小企业的绩效管理软件。而2004年左右国内出现了智泽华财务报表分析工具及基于商业智能技术的毕盛财务分析软件、毕盛业务分析系统等，后来也陆续出现了几家模仿的公司，均采取预置业务分析应用的形式。

　　业务分析产品目前只停留在预置一些面向业务的分析包的层面，分析包的内容包括预置的典型财务及业务指标/KPI、典型分析图表以及组织和使用指标/KPI/图表的典型模式。有些业务分析产品，比如毕盛财务分析软件，还内置了往来帐分析、帐龄分析、合并会计报表等一些专项分析应用。

　　业务分析产品仍然面临很多问题，比如：对业务问题的认识、对业务分析手段的发现及掌握、不同行业及企业之间的差异等。

　　2、结合搜索引擎技术，搜索模式的商业智能

　　商业智能与搜索引擎的结合从2004年左右开始受到广泛的关注，并于2006年开始普遍出现在商业智能厂商的解决方案中（参阅引文1）。近期的SAPBusinessObjectsExplorer则以类似搜索引擎效果在提高商业智能系统的易用性、降低查询及搜索响应时间、结果编排及组织方面都取得了较大的突破。

　　商业智能与搜索引擎结合的驱动因素有以下几点：

　　a）商业智能技术逐渐被应用到企业的各个环节，用户已经包括非技术/分析专业的业务/管理人员，商业智能产品提供的查询、定制、分析模式对非技术/分析专业的人员来说仍然显得过于复杂，无法支持他们快速、低成本的获取想要的结果。搜索引擎获取结果的方式极为简单，值得借鉴。

　　b）传统商业智能解决方案是预先假设问题，并对此建模、构造数据及应用体系，针对有限问题域，采用特定的分析方法，返回特定的结果。而采用搜索引擎技术则可以通过“数据+语义+分析方法+结果编排+呈现”的方式，具有数据范围广、分析结果动态的特点，号称是“后置式商业智能”，区别于以往事先假设待解决问题的商业智能。具体效果可参考SAPBusinessObjectsExplorer或最新版的Cognos8Go！Search，在这些产品中可以方便的加入各种类型的数据源，并在类似Google的搜索框中输入关键字（比如：“6月份收入成本”），系统将返回合理组织的图文并茂的结果，并返回查阅相关信息的入口。

　　c）对非结构化数据的处理。支持一个决策的信息不仅仅限于来自数据库、数据仓库的结构化信息，往往还包含大量的非结构化信息，比如文档、邮件、媒体文件等。