商务智能支持技术现状
“商务智能“目前其智能支撑技术主要表现在三个层次;数据仓库联机分析和数数据仓库是商务智能的基础。数据仓库是一个用于更好地支持企业或组织的决策分析处理的数据集合，向主题、集成、相对稳定随时间不断变化支持管理决策的制定。数据仓库技术的智能性是有限的其关键技术包括数据的抽取、清洗、转换，加载和维护技术。GoddE,F.博士在1993年提出了联机分析处理(OLAP)，它为准确定义多维模型、操纵多维立方体提供了技术基础，为企业的数据收集，管理、处理和表达提供了一种新的解决办法。利用OLAP技术可以对基于数据仓库中多维的商务数据进行在线分析处理生成新的商业信息。但是。纯粹的联机分析处理是不能发现新的知识规则的不能自动发现新问题。数据挖掘方法结合了机器学习、数理逻辑、统计学数据库技术和人工智能技术等众多领域的知识是解决从大量信息中获取有用知识、提供决策支持问题的有效途径。数据挖掘技术的智能化程度最高。就需要挖掘的内容来说主要有：关联、分类和聚类。
商务智能的应用现状
商务智能其目的就是要帮助企业管理人员，实现快速有效的预测和决策。商务智能系统能够为使用者提供以下三个基本的好处：(1)集成来自不同数据源的多种数据类型：(2)提供从数据中发现新知识的能力(3)提高预测和决策过程的精确性和有效性。商务智能似乎能够应用在企业决策的每一个环节。目前商务智能的主要应用面有：客户关系管理(CRM)。市场营销管理、运作管理‘欺诈甄别、战略决策支持’。
商务智能的局限性
现行商务智能中的智能显然还只是利用了人们目前对智能研究的少部分成果。从智能的角度来看目前以数据挖掘技术为主要特征的商务智能，其行为是被动的不能自动适应环境的变化，不能自动地发掘未知的知识。这种智能系统是永远也不会‘自动成长一的智能系统是一种一被动型商务智能。目前仍然局限干定量数据分析对于文本数据挖掘技术研究非常有限。但实际上有80%的信息是储存在文本里，机器推理、学习。联想与理解的智能利用还非常有限。现行商务智能不能满足新环境的需求一方面由于信息共享障碍。另一方面是企业管理者或者系统使用者只把目光盯住自己的业务。因此现行的面向自组织的商务智能也是一种“自私型商务智能“。数据挖掘局限于企业(或部门)内部应用没有放眼于所有利益相关者。这对于现在供应链管理不匹配。信息共享是实现协同的必要机制。如何在面向全局来进行数据挖掘的基础上确保信息的有效访问和企业的安全这是新环境下数据挖掘需要关注的问题。现在的商务智能应用领域还非常狭窄在电子商务背景里完全可以扩展到企业运作的每个环节，以提高预测和决策的时效性与有效性。
