“将如同散沙的原始信息通盘整合，提供一系列分析方法和手段，让人们以最便捷的方式从中提炼出最精华的知识和智能以支持决策，从而将闲散的信息资源转换成财富，用以提升企业对市场的洞察力。 ”这就是人们所熟知的商业智能的能力，但老实说，直到今天，商业智能的威力还在继续被用户那里专用的基础设施、分布的数据资源和零碎的bi技术应用所渐渐消耗。

　　商业智能行业化

　　既然被称为“商业智能”，就不免要受到商业——即业务的影响，企业业务离开行业大环境来看，也毫无意义。毕竟，这些“智能”结果尽管来自对海量数据的分析，但分析结果如果没有考虑到企业所处的行业环境，所作出的判断也完全没有意义。

　　因此，作为一种确实有用的、但使用效果又受到了行业环境影响的工具，商业智能将如何应对这种情况?商业智能领域的领头羊ibm的反应颇有参考意义，ibm大中华区信息管理软件经理金筠表示:“一方面，ibm商业智能致力于让企业用户在开放环境中，通过数据仓库和业务系统的联合，实时地从分散在企业各个角落的业务信息中提炼出智能;另一方面，ibm商业智能将最先进的技术与具体的行业结合起来，推出完整的商业智能行业解决方案，从而使实时商业智能更加贴近用户。”

　　不过，商业智能的行业化，仅仅是将数据仓库等商业智能工具的使用变得更具行业特点，根据行业的需求将“零散的bi技术应用”整合成一个完整的，满足需要的商业智能解决方案，并不是一个完全定制的商业智能软件。因此，这样的解决方案也依然需要si和isv，或者咨询公司的支持。

　　行业化从哪里开始?

　　商业智能的行业化应用将从哪些行业开始大显身手?现在看来，汽车、保险、零售、电信、生命科学、医疗卫生和司法行业由于其自身的特点，已经成为对商业智能行业化应用最具需求的一群。

　　其中，汽车行业为避免出现“召回事件”而对质量检测和早期预警重视万分;银行的海量数据仓库使金融风险管理变得更困难;而保险行业则由于客户管理的复杂程度而忧心忡忡;零售行业尽管最近rfid炒得正热，但开发相关软件，以促进应用才是根本;司法、生命科学等需要从大量数字，或者证据中进行选择的行业，决策就依据这些数据作出……这些行业对商业智能应用的需求最大，要求也最高。

　　比如在保险行业，商业智能实现的客户识别解决方案就必须要满足以下几个基本要求:对银行业多种渠道的分析;客户授权差异性分析，以识别类似的客户并开发针对性的产品;授权分析帮助银行最有效地利用其客户资源;客户管理通过高效的流程帮助企业减少成本;授权管理确保为用户提供单一的视图。

　　商业智能贴近行业，今天可能对大多数行业来说，并无多大意义，但随着时间的流逝，商业智能将成为中国企业从优秀到卓越的关键。