Wciąż trwają dyskusje na temat tego, czym jest, a czym nie jest Business Intelligence. Jak wiele aspektów może wchodzić tu w grę, pokazuje historia rozwoju tego typu systemów.

W poszukiwaniu początków można by sięgnąć aż do czasów biblijnych i przywołać Józefa, syna Jakuba, który potrafił wykorzystać zdobytą w sposób nadprzyrodzony informację o siedmiu latach tłustych i siedmiu latach chudych. Na podstawie tych informacji Faraon podjął strategiczną decyzję o odkładaniu przez 7 lat 20% zbiorów jako zapasu na czas klęski, a 30-letni Józef otrzymał stanowisko premiera, nowe imię Cafenat-Paneach i żonę Asenat. Bez informacji o nadciągającym nieurodzaju decyzja zbierania żywności w okresie tak wielkiej obfitości wydawała się zupełnie bezzasadna. Znając jednak tę informację, Egipt nie tylko przebrnął bez uszczerbku przez okres 7-letniej klęski, ale także zarobił sprzedając żywność okolicznym narodom.

Być może ten przykład wydaje się być dość daleki od tego, co dziś nazywamy Business Intelligence (BI). Koncepcja jest jednak podobna - podjęcie strategicznej decyzji na podstawie przeanalizowania posiadanych informacji, które nie są powszechnie znane, w celu osiągnięcia korzyści biznesowych. Główna różnica polega na źródle danych.

Przez setki czy tysiące lat po Józefie źródłem informacji było głównie doświadczenie. Ktoś znający dobrze daną branżę potrafił przewidzieć, ile czego ma kupić, aby nie było ani za dużo, ani za mało, na jaki produkt się zdecydować i kiedy, jakim ruchem wyprzedzić konkurencję.

Następnie do zarządzania wkroczyła matematyka - z mniejszą lub większą skutecznością zaczęto wykorzystywać modele matematyczne. Niektórzy robili to początkowo zupełnie bezkrytycznie, nie zastanawiając się, czy to ma większy sens. Nassim Nicolas Taleb, autor kilku bestsellerów, w tym m.in. "The Black Swan" oraz "Fooled by Randomness", przytacza prosty przykład pokazujący, jak stosowanie modeli stworzonych z myślą o świecie biologii nie zawsze pasuje do świata ekonomii. O ile można określić prawdopodobieństwo, że kolejna osoba, jaka wejdzie do pokoju, będzie miała wzrost pomiędzy 180 a 185 i można jednocześnie stwierdzić, że jest niemożliwe, by następna osoba, jaka się pojawi, miała 3 metry wzrostu, to przewidzenie kursu dolara w przyszłym tygodniu nie jest już takie proste, a jednocześnie nie możemy z całą pewnością stwierdzić, że jest niemożliwe, by kurs ten wynosił 100 dolarów za 1 złotego. Teoretycznie jest to możliwe. Świat biologii to nie świat ekonomii.

Wraz ze wzrostem ilości gromadzonych danych, możliwością ich przechowywania i analizowania, wartość wspierania podejmowania decyzji poprzez coraz bardziej zaawansowane analizy rosła i dziś, zgodnie z twierdzeniami Thomasa Davenporta, jest głównym elementem walki konkurencyjnej. Alan Murray w wydanej w zeszłym roku książce "Revolt in the Boardroom" przekonuje - na podstawie przykładów zmian w takich korporacjach jak AIG, Morgan Stanley, Boeing, Pfizer czy HP - że zakończyła się era biznesu kierowanego intuicją. Rewolucja informatyczna otworzyła nowy rozdział szybkich decyzji podejmowanych na podstawie informacji uzyskanych z analizy posiadanych danych.

Akademickie korzenie

Zautomatyzowanie wielu procesów doprowadziło do tego, że bardzo łatwe stało się zbieranie danych. Powstało jednak wyzwanie, jak te dane uporządkować, stworzyć dla nich odpowiednią infrastrukturę, analizować je i tworzyć raporty, które ułatwią podejmowanie decyzji opartych na faktach, zwłaszcza decyzji strategicznych, długoterminowych. Pojawiła się potrzeba poszukiwania rozwiązań, które nazywamy dzisiaj rozwiązaniami klasy Business Intelligence.

Trudno podać jedną, sztywną datę, którą można by uznać za początek Business Intelligence. Może jest to rok 1958, gdy Hans Peter Luhn w IBM Journal napisał artykuł "A Business Intelligence System" i wyjaśnił, że "ułatwienie komunikacji służącej prowadzaniu biznesu (jako szeroko rozumianego pojęcia) może być określane jako system inteligentny, a termin <<inteligencja>> jest definiowany także w bardziej ogólny sposób, jako zdolność zrozumienia wzajemnych zależności pomiędzy faktami w taki sposób, aby doprowadzić do oczekiwanego celu". Może będą to lata 1964-68, gdy Michael Scott Morton prowadził pionierskie badania dotyczące systemów wspierających decyzje. A może rok 1975, gdy Steve Alter bronił na MIT pierwszy doktorat z zakresu systemów wspomagających podejmowanie decyzji. Praktyk powie, że były to głównie rozważania akademickie, wcale nie bliższe współczesnemu BI niż wspomniane na początku doświadczenia Józefa.

Dziś mówiąc o wdrożeniu Business Intelligence, mówimy o technologii, o odpowiednim oprogramowaniu z funkcjonalnością w zakresie analizowania danych, wydobywania z danych informacji, łączenia różnych informacji w celu uzyskiwania "inteligencji" (tu jesteśmy, jak widać, niedaleko koncepcji Luhna) i w końcu przedstawiania uzyskanych wyników oraz udostępniania ich właściwym osobom we właściwym czasie. Przyjmuje się, że określenie Business Intelligence w takim ujęciu spopularyzował Howard Dresner z Gartner Group w 1989 roku.