商业智能管理系统是指利用数据仓库、在线分析和数据挖掘技术来处理和分析商业数据，为不同领域提供不同的应用解决方案，帮助用户解决业务活动中的复杂问题，帮助决策者面对快速变化的业务环境，快速响应和合理的业务决策管理系统。

从建立商业智能管理系统的技术角度来看，建立完整的商业智能管理系统涉及以下核心技术：数据仓库（DW）技术，数据挖掘（DM）技术，在线分析处理（OLAP），决策支持系统（DSS）以及报告和分析等现代信息技术。

同时，现代管理理论也需要指导，包括统计、预测、客户管理、供应链管理、企业资源规划等管理理论和方法，以及企业建模方法。然后，需要灵活使用前端显示器，提供更好的人际界面，以帮助和支持整个业务决策过程。

数据仓库的典型工作是批处理集成、清洁、集成、预计和查询服务所需的大量数据。数据源可以是操作数据库、历史数据、外部数据或现有数据仓库中的数据信息，也可以是支持业务应用程序的相关数据或其他数据结构。数据源可以存在于各种不同的平台上，包括电子表格，没有结构信息、普通文本和图像。

建立数据仓库

建立一个数据仓库是处理大量数据的基础。数据仓库是商业管理系统软件的核心框架，其主要功能包括数据提取模块、数据清洗模块、数据转换模块，实现数据提取、净化、过滤和数据标准化。

数据分析

数据分析是反映系统智能的关键，一般采用在线分析处理和数据挖掘技术。在线分析处理不仅提供了数据收集和收集，而且还提供了切片、切割、块、钻孔、卷曲和旋转等数据分析功能，以促进用户对大量数据的多维分析。数据挖掘的目标是挖掘隐藏在数据背后的知识。通过相关的分析聚类和分类，建立分析模型，预测企业未来的发展趋势和问题。

信息展现

通过数据分析，系统得出结论并提交给决策者。显示信息的主要方式如下：查询、报表、可视化、统计、挖掘。也就是说，数据关系和模式的知识是通过数据挖掘等方法获得的。

应用分析

利润成本分析、资产分析、营销分析、投资组合分析、人力资源管理、客户关系管理、供应链管理等业务智能分析应用，根据各级决策者的需要，从数据仓库提取相关数据，然后通过前端显示工具确定数据分析方法，向决策者提供分析结果。

随着互联网的发展和企业信息化的深入，商业智能管理是信息社会高度发展的产物。同时，商业智能的出现也较大地促进了信息社会的发展。