1樓：叮噹
在過去的幾十年裡，BI經歷了從工具到「決策大腦」的角色轉變，而未來一定是向「智慧型決策大腦」轉型， 對於企業而言,尤其是與一定資料積累的企業,應用及前景處於急速發展期~
為什麼會對這些概念這麼敏感,因為我們自己公司就用了一整套BI解決方案,是由Wyn提供的，我們整體已經形成了乙個非常良性的迴圈。
我們非常重視底層資料倉儲的建設，而且通過Wyn分析平台逐步提公升資料分析和視覺化的水平，重點是自助式分析，我們業務人員已經向更深層次過渡，從而構建完整的BI體系，從而反映在決策當中，真正讓資料成為生產力，產出了更大的價值，我們自己也因此受益！
乙個優秀的BI系統，需要幫我們企業用發現問題，並找到問題根源，甚至於直接解決問題。
所以我認為，BI在企業的應用和前景是非常廣闊的！
2樓：miao君
企業對資料分析的需求越來越深，BI作為目前最為成熟的資料方案，前景處於快速上公升期。
參考Gartner的這篇解讀：深入解讀《Gartner2023年商業智慧型和分析平台魔力象限報告》 - 知乎專欄
Gartner認為，商業智慧型和分析平台市場的主流已經從IT主導分析報表轉向業務主導分析。對比2023年魔力象限的BI廠商，國外Tableau、微軟等自助式BI一路領先。
同時在2023年的報告上預估，到2023年，
智慧型的、企業管理級的、基於Hadoop / Spark、基於搜尋和視覺化的資料探索分析功能將作為新型BI和分析平台的元件融合到下一代資料探索分析產品中。
，並且將創造兩倍的商業價值。
自然語言生成和人工智慧將是90％的現代BI平台的標準特徵。
50％的分析查詢將使用搜尋，自然語言處理或語音生成，或將自動生成。
提供使用者訪問內部和外部資料的企業實現的商業價值，將是沒有做資料分析投資的企業的兩倍。
非職業資料分析師的增加速度將是職業資料分析師的5倍。（原文Through 2020, the number of citizen data scientists will grow five times faster than the number of data scientists，筆者將citizen data scientists 理解為非職業資料分析師，這裡Gartner應該闡述的是一概念：人人都是資料分析師，人人都能自助分析資料）
就國內情況來看，很多企業也是意識到現有架構下資料儲存分布以及利用的不合理，紛紛通過 BI 建立資料分析平台和資料中心。此前在做帆軟FineBI的專案實施，多數企業的需求很明確，就是要集中資料，在乙個平台作分析，很多企業的IT部分都專門設定商業智慧型或者資料分析小組來承擔這一項業務。
3樓：桑文鋒
如果說以前BI對許多公司來說是可有可無的話，以後我相信是沒有公司離得了資料分析的。BI只是偏傳統一點的叫法，現在說資料分析更多一些。最近這兩年大資料概念興起之後，大家漸漸的認識到資料的價值，發現通過資料進行分析，要更加的科學（相比拍腦袋）。
4樓：URNIX
同關注。一直在跟義大利的BI專家做研發，了解BI的神奇之處，但同時也發現它應用的侷限性。在一家ERP還沒有上線的公司，直接應用需要大量且準確資訊源的BI分析軟體，其中艱辛誰試誰知道 > < .
就目前來看，應用BI做資料分析以支援決策，除了需要建立科學的體系，滿足使用者需求外，還需要對使用者進行實用培訓。人都有惰性，要進入全新的分析思維需要過程與開放的心態。
目前 BIM 的應用和前景如何？
一捲長情 我個人認為BIM肯定是未來發展的趨勢，也是必然趨勢，從大環境上講，從全球到國內，隨著建築汙染越來越嚴重，材料浪費 成本越來越高等因素的出現國家肯定倡導綠色 節能的綠色建築能夠越來越多，對環境有益 節約成本等因素就越來越顯得重要，所以我認為BIM是未來發展的必然趨勢，其次BIM的顛覆性技術重...
Color 這款應用的前景如何？
任之初 現在還有人用color嗎？新 特 奇能產生一些使用者，但如何保持使用者粘性及如何擴大使用者基數，這些才很大程度上依賴的是產品的本身 瀟笑Seanmao 從 雙向follow 好友 QQ MSN 到 單向follow 微博 再到去好友化的Color，某種意義上是一種進步。Color算是淋漓精緻...
機器學習，神經網路在控制科學中的前景和應用大嗎？為什麼？
市民王先生 建議題主去查查什麼叫 資料驅動控制 已經發展了好多年了。不管pid，mpc,nmpc 其原理都是對時序關係建模，只不過在模型的適用時間長度和自變數的覆蓋程度上有差異。pid僅僅是對輸出量和控制量之間的關係，在乙個很短的時間長度內，自適應地擬合了乙個單入 控制量 單出 輸出量 模型 和pi...