ビジネスインテリジェンス

ビジネスインテリジェンス（BI ）は、企業がビジネス情報のデータ分析と管理に使用する戦略、方法論、テクノロジーで構成されています。^[1] BIテクノロジーの一般的な機能には、レポート作成、オンライン分析処理、分析、ダッシュボード開発、データマイニング、プロセスマイニング、複合イベント処理、ビジネスパフォーマンス管理、ベンチマーク、テキストマイニング、予測分析、処方分析などがあります。

BIツールは、大量の構造化データや時には非構造化データを処理して、組織が新しい戦略的なビジネスチャンスを特定、開発、または作成するのに役立ちます。これらのビッグデータを簡単に解釈できるようにすることを目的としています。新しい機会を特定し、洞察に基づいて効果的な戦略を実行することは、企業に競争上の優位性と長期的な安定性を提供し、戦略的な意思決定を支援する可能性があると考えられています。^[2]

ビジネス インテリジェンスは、企業が運用から戦略まで幅広いビジネス上の意思決定をサポートするために使用できます。基本的な運用上の意思決定には、製品の位置付けや価格設定が含まれます。戦略的なビジネス上の意思決定には、最も広いレベルでの優先順位、目標、および方向性が含まれます。いずれの場合も、BI は、企業が活動する市場から得られたデータ (外部データ) と、財務データや運用データなどの企業内部のソースからのデータ (内部データ) を組み合わせた場合に最も効果的であると考えられています。外部データと内部データを組み合わせると、完全な画像が提供され、単一のデータ セットからは得られない「インテリジェンス」が作成されます。^[3]

ビジネスインテリジェンスツールには多くの用途がありますが、その中でも、組織は新しい市場に関する洞察を得たり、さまざまな市場セグメントに対する製品やサービスの需要と適合性を評価したり、マーケティング活動の影響を測定したりすることができます。^[4]

BIアプリケーションはデータウェアハウス（DW）またはデータマートから収集されたデータを使用します。BIとDWの概念は「BI/DW」^{[5]または「BIDW」として統合されています。データウェアハウスには、}意思決定を 支援する分析データのコピーが含まれています。

ビジネス インテリジェンスという用語が最初に使われたのは、リチャード ミラー デベンスの『 Cyclopædia of Commercial and Business Anecdotes 』（1865 年）です。デベンスは、銀行家のヘンリー ファーニーズ卿が、競合他社に先駆けて自分の環境に関する情報を受け取り、それに基づいて行動することで利益を得た方法を説明するためにこの用語を使用しました。

彼はオランダ、フランドル、フランス、ドイツ全土で、完璧な商取引情報網を維持していた。多くの戦闘のニュースは彼が最初に入手し、ナミュール陥落のニュースをいち早く入手したおかげで、彼の利益は増大した。

— デベンス、210ページ

デベンス氏は、取得した情報に基づいて収集し、それに応じて対応する能力がビジネスインテリジェンスの中心であると述べています。^[6]

IBMの研究者であるハンス・ピーター・ルーンは、 1958年に発表した論文でビジネスインテリジェンスという用語を使用した際、ウェブスター辞典のインテリジェンスの定義を採用しました。「提示された事実の相互関係を理解し​​、望ましい目標に向かって行動を導く能力」^[7]

1989年、ハワード・ドレスナー（後にガートナー社のアナリスト）は、「事実に基づく支援システムを使用してビジネス上の意思決定を改善するための概念と方法」を表す包括的な用語としてビジネスインテリジェンスを提案しました。 ^[8]この用法が広く普及したのは1990年代後半になってからでした。^[9]

Solomon Negash 氏と Paul Gray 氏によると、ビジネス インテリジェンス (BI) は次の要素を組み合わせたシステムとして定義できます。

• データ収集
• データストレージ
• ナレッジマネジメント

複雑な企業情報や競合情報を評価し、計画者や意思決定者に提示するための分析機能を備え、意思決定プロセスへの入力の適時性と品質を向上させることを目的としています。」^[10]

Forrester Researchによると、ビジネス インテリジェンスとは、「生のデータを、より効果的な戦略的、戦術的、運用的洞察と意思決定を可能にするために役立つ有意義で有用な情報に変換する一連の方法論、プロセス、アーキテクチャ、テクノロジ」です。 ^[11]この定義では、ビジネス インテリジェンスには情報管理(データ統合、データ品質、データ ウェアハウス、マスター データ管理、テキスト分析とコンテンツ分析など) が含まれます。したがって、Forrester は、データ準備とデータ使用を、ビジネス インテリジェンス アーキテクチャ スタックの 2 つの別個でありながら密接に関連したセグメントとして参照しています。

ビジネスインテリジェンスの要素は次のとおりです。^[要出典]

• 多次元集計と割り当て
• 非正規化、タグ付け、標準化
• 分析アラートによるリアルタイムレポート
• 非構造化データソースとのインターフェース方法
• グループ統合、予算編成、ローリング予測
• 統計的推論と確率的シミュレーション
• 主要業績評価指標の最適化
• バージョン管理とプロセス管理
• 未処理アイテムの管理

フォレスターはこれをビジネスインテリジェンス市場と区別しており、ビジネスインテリジェンスは「レポート、分析、ダッシュボードなどのBIアーキテクチャスタックの最上位層のみ」であると考えています。^[12]

ビジネスインテリジェンスという用語は、競合情報と同義語として使われることもありますが（どちらも意思決定をサポートするため）、BIはテクノロジー、プロセス、アプリケーションを使用して、主に社内の構造化されたデータとビジネスプロセスを分析しますが、競合情報は、企業の競合他社に焦点を当てた情報を収集、分析、配布します。広く理解すれば、競合情報はビジネスインテリジェンスのサブセットと見なすことができます。^[13]

ビジネスインテリジェンスとビジネス分析は互換的に使用されることもありますが、別の定義もあります。^[14] バブソン大学の情報技術および管理の教授であるトーマス・ダベンポートは、ビジネスインテリジェンスはクエリ、レポート、オンライン分析処理(OLAP)、「アラート」ツール、およびビジネス分析に分割されるべきだと主張しています。この定義では、ビジネス分析はレポート機能ではなく、統計、予測、および最適化に重点を置いた BI のサブセットです。^[15]

ビジネス活動では、電子メール、メモ、コールセンターからのメモ、ニュース、ユーザーグループ、チャット、レポート、Webページ、プレゼンテーション、画像ファイル、ビデオファイル、マーケティング資料などの形で、膨大な量のデータが生成されます。メリルリンチによると、ビジネス情報の85％以上がこれらの形式で存在し、企業はそのような文書を一度しか使用しない可能性があります。^[16]作成および保存方法により、この情報は非構造化または半構造化になります。

半構造化データの管理は、情報技術業界における未解決の問題です。^[17]ガートナー (2003) の予測によると、ホワイトカラー労働者は非構造化データの検索、発見、評価に時間の 30～40% を費やしています。BI では構造化データと非構造化データの両方を使用します。前者は検索が容易で、後者には分析や意思決定に必要な大量の情報が含まれています。^{[17] [18]}非構造化データや半構造化データを適切に検索、発見、評価することが難しいため、組織は特定の決定、タスク、またはプロジェクトに影響を与える可能性のあるこれらの膨大な情報源を活用できない場合があります。これは最終的に十分な情報に基づいた意思決定につながる可能性があります。^[16]

したがって、ビジネス インテリジェンス/DW ソリューションを設計する際には、構造化データの問題だけでなく、半構造化データと非構造化データに関連する特定の問題にも対処する必要があります。

半構造化データを用いたBIの開発にはいくつかの課題があります。Inmon & Nesavich ^[19]によると、そのいくつかは次のとおりです。

• 非構造化テキスト データへの物理的なアクセス - 非構造化データはさまざまな形式で保存されます。
• 用語 – 研究者やアナリストの間では、標準化された用語を開発する必要があります。
• データ量 – 前述のように、全データの最大 85% は半構造化データとして存在します。これに単語ごとの分析と意味分析の必要性が加わります。
• 非構造化テキストデータの検索可能性 – たとえば、apple などのデータに対する単純な検索では、その正確な検索用語への参照があるリンクが表示されます。(Inmon & Nesavich、2008) ^{[19] は、}次のような例を示しています。「重罪という用語で検索が行われます。単純な検索では、重罪という用語が使用され、重罪への参照があるすべての場所で、非構造化ドキュメントがヒットします。しかし、単純な検索は粗雑です。犯罪、放火、殺人、横領、自動車による殺人など、これらの犯罪が重罪の種類であるにもかかわらず、それらへの参照は見つかりません。」

データの検索性と評価に関する問題を解決するには、コンテンツについて何かを知ることが必要である。これは、メタデータの使用を通じてコン​​テキストを追加することで実現できる。^{[16] [独立した確認が必要]}多くのシステムはすでに何らかのメタデータ（ファイル名、作成者、サイズなど）をキャプチャしているが、実際のコンテンツに関するメタデータ（概要、トピック、人物、言及されている企業など）の方がより有用である。コンテンツに関するメタデータを生成するために設計された2つの技術は、自動分類と情報抽出である。

生成型ビジネスインテリジェンスは、大規模言語モデルなどの生成型AI技術をビジネスインテリジェンスに応用したものです。この組み合わせにより、データ分析が容易になり、ユーザーはより直感的にデータを操作できるようになり、自然言語クエリを通じて実用的な洞察を生成できます。たとえば、Microsoft Copilotはビジネス分析ツールPower BIに統合されています。^[20]

ビジネス インテリジェンスは、次のビジネス目的に適用できます。

• パフォーマンス指標とベンチマークは、ビジネスリーダーにビジネス目標の進捗状況を伝えます。^[21]（ビジネスプロセス管理）。^[要出典]
• 分析は、ビジネスが最適な決定を下し、ビジネス知識を発見するためのプロセスを定量化します。分析には、データマイニング、プロセスマイニング、統計分析、予測分析、予測モデリング、ビジネスプロセスモデリング、データリネージ、複合イベント処理、処方分析などが含まれます。たとえば、銀行業界では、学術研究により、信用評価、顧客離れ管理におけるBIベースの分析の経営への導入の可能性が調査されています^[22]
• レポート、ダッシュボードとデータ可視化、^[21] 経営情報システム、および/またはOLAP
• BIは、データ共有と電子データ交換を可能にすることで、企業内外のコラボレーションを促進することができる^[21]
• ナレッジマネジメントは、ビジネスインテリジェンス、そしてビジネス知識全般の作成、配布、使用、管理に関係しています。^{[21]ナレッジマネジメントは、}学習管理と規制遵守につながります。^[要出典]

ビジネスインテリジェンス開発者の一般的な技術的役割は以下のとおりです。^[23]

• ビジネスアナリスト
• データアナリスト
• データエンジニア
• データサイエンティスト
• データベース管理者
• 金融アナリスト

2013年のレポートで、ガートナーはビジネスインテリジェンスベンダーを独立した「ピュアプレイ」ベンダーと統合された「メガベンダー」に分類しました。^{[24] [非一次ソースが必要]} 2019年、ヨーロッパでは、データの収集と保存の責任をデータユーザーに課し、データが準拠していることを確認するための厳格な法律を制定したGDPR（一般データ保護規則）という新しい法律により、BI市場が揺さぶられました。 GDPRが導入された2019年5月以降、ヨーロッパでの成長は着実に増加しています。 この法律により、企業はコンプライアンスの観点から自社のデータを検討するようになりましたが、パーソナライゼーションや外部BIプロ​​バイダーを使用して市場シェアを拡大​​する将来の機会も明らかになりました。^{[25] [ permanent dead link ‍ ]}

• Ralph Kimball他「データ ウェアハウス ライフサイクル ツールキット」(第 2 版) Wiley ISBN 0-470-47957-4 
• Peter Rausch、Alaa Sheta、Aladdin Ayesh：「ビジネスインテリジェンスとパフォーマンス管理：理論、システム、産業用アプリケーション」、Springer Verlag UK、2013年、ISBN 978-1-4471-4865-4。 
• Munoz, JM (2017). グローバルビジネスインテリジェンス. Routledge: イギリス. ISBN 978-1-1382-03686 
• チョードゥリ、スラジット。ダヤル、ウメシュワル。ナラサヤ、ヴィヴェク（2011 年 8 月）。 「ビジネス インテリジェンス テクノロジの概要」。ACM の通信。54 (8): 88-98。土井：10.1145/1978542.1978562。S2CID  13843514。

ウィキメディア・コモンズには、ビジネス インテリジェンスに関連するメディアがあります。