數據分析：壹般指對數據進行研究的方法和過程。
商業智能：是指將數據分析商業化、信息化，實現商業價值的企業信息化建設過程。
所以數據分析包含的內容可以很寬泛，而商業智能則更聚焦於實現商業價值。
1.數據分析的概念：
通俗意義上來講，“數據分析”並沒有特定的應用場景，人們更喜歡將數據分析作為壹種行為過程去討論，或在其後加上諸如方法論這類的具體名詞來定義。
作為對數據進行研究的過程而言，數據分析將經歷明確目標、收集、處理、探索、展現、發現問題這幾個步驟。
數據分析的六個步驟
在這個過程中我們更加註重過程勞動和成果價值，而這個過程小到凝視身邊人壹眼，大到制定國家發展五年計劃，它發生在生活的方方面面。
舉個生活中的小例子，比如我們想買壹款適合自己的手機，在對手機市場不熟悉的情況下，可以在各大論壇搜集參數信息，結合自己的預算、喜好，選出要購買的手機品牌、價格、性能等需求細節，進而確定我們的最終選擇。
這樣的行為也可以是屬於數據分析，屬於個人行為，也並不需要專業的工具，更不會對個人產生直接的商業價值。
這意味著廣義上的數據分析代表的僅是壹種行為的過程，沒有特定的應用對象和場景，和商業智能並沒有很明確的對比意義。
1.1數據分析方法：
對於具體的數據分析方法，在各行各業的應用也是多如繁星、數之不盡，下面的壹些方法作為例子，為大家拋磚引玉。
數據分析方法
2.商業智能的概念：
商業智能是指將數據分析商業化、信息化，實現商業價值的企業信息化建設過程。
“商業智能”（或商務智能）這個詞其實誕生於上世紀90年代，經過幾十年的發展演變，許多人會將商業智能看成壹種解決方案，最終目標是為管理者提供決策支持。
究其實際情況而言，解決方案是壹種運用合理的方法、合理的工具手段，以合理的成本投入去解決企業壹段時間範圍內可預見難題的行動方案，是有保質期的。
而商業智能是經過階段性遞進、持續優化的信息化建設過程，追求的是持續收益、長期決策支持，而不是短期見效。
2.1商業智能建設的難點：
而且在商業智能建設過程中，我們會遇到以下幾大難題（敲黑板，劃重點）：
平臺挑戰：數據分析鏈條很長，從采集、治理、整合、存儲、計算、建模到展現，涉及工具和技術太多，成本高昂，架構復雜，需求實現效率太低，難以滿足企業業務的洞察需要。
應用挑戰：IT部門辛苦做出的數據報告，業務部門覺得沒用，問業務部門有什麽需求，又難以提出。
服務挑戰：無論是自建服務團隊還是找第三方供應商，缺乏貼身的精細化專業服務能力導致解決問題效率低下，帶來負面用戶反饋。
運營挑戰：用的都是國際大牌產品，但系統就是不穩定，問題頻出，本質是因為缺少運營的系統化方法。
解決商業智能建設過程中的難題，使商業智能建設過程能在企業內取得長遠收益，為管理者做持之以恒、穩健發展的決策支持，發揮數據價值，進而驅動商業價值體現，我們需要的是數據驅動業務增長能力模型——PASO能力模型。
PASO能力模型
請點擊輸入圖片描述
通過PASO能力模型，穩健的完成企業商業智能建設過 程，獲得長期受益，才是真正意義上詮釋和體現數據的商業價值，實現長期決策支持。
舉個例子：
這是我們根據某企業國際物流業務的實際情況，進行調研和分析之後，建立的壹套營銷體系模型。
此儀表盤由 Yonghong Z-Suite 完成
請點擊輸入圖片描述
通過營銷體系模型，分析出每壹步的銷售過程的數據，從而不斷改進銷售技巧以及優化服務流程，最終實現了廣告投放上的價值最大化，以及銷售流程環節標準化。
這是壹個企業應用商業智能的實例，也顯示出我剛才提到的，商業智能不是短期解決問題的方案，而是壹個追求持續收益的長期建設過程。