با بهره گرفتن از دانش به دست آمده، مدیران سازمان می‌توانند با طرح برنامه های عملی برای سازمان، فعالیت‎های تجاری را به صورت مؤثرتری انجام دهند.هوشمندی کسب و کار تنها یک ابزار نیست بلکه معماری است و در راستای شناسایی، جمع‌ آوری، پردازش و نتیجه گیری از داده ها فرآیندهای مختلفی طی می شود و از ابزارهای متفاوتی استفاده می‌کند (رونقی و فیضی؛۱۳۹۲:۵۳).مرور ادبیات در حوزه هوش تجاری “تقسیم بندی” را در تلا ش های تعریف این مفهوم نشان می‌دهد.این تقسیم بندی در دو دیدگاه مدیریتی و فنی با دو الگوی متفاوت خلاصه می‌شوند.رویکرد مدیریتی هوش تجاری را یک فرایند میبیند که در آن داده ها از درون و بیرون سازمان جمع‌ آوری و یکپارچه می‌شوند تا بتوانند اطلاعات مرتبط با فرایند تصمیم گیری را ایجاد نمایند.نقش هوش تجاری در این دیدگاه ایجاد یک محیط و فضای اطلاعاتی است که در آن داده های عملیاتی اکتساب شده از سیستم های پردازش تراکنشی و منابع خارجی می‌توانند تحلیل شوند تا دانش راهبردی کسب و کار در جهت پشتیبانی تصمیم گیری ساخت نیافته کسب و کار، تامین گردد.رویکرد فنی، هوش تجاری را به عنوان مجموعه ای از ابزارها که فرآیندهای ذکر شده را پشتیبانی می نمایند در نظر می‌گیرد.تمرکز این رویکرد بر روی فرایندها نیست بلکه بر روی فناوری ها، الگوریتم ها و ابزارهایی است که قابلیت ذخیره سازی، بازیابی، تجمیع و تحلیل داده ها و اطلاعات را ایجاد می‌کنند (روحانی و زارع؛۱۳۹۱:۱۰۵(.

۲-۱-۲) عناصر مؤثر بر هوش تجاری

هوش تجاری در قالب هر تعریفی به دنبال افزایش سودآوری سازمان با بهره گرفتن از اتخاذ تصمیمات هوشمند و دقیق است فرایند تصمیم گیری می‌تواند به سه بخش کلی تقسیم شود که عبارتند از:

۱- اکتساب داده ها و اطلاعات مورد نیاز

۲- پردازش و تجزیه و تحلیل داده ها و اطلاعات

۳- اقدام و نظارت بر پیامدهای اجرای آن

در هر یک از موارد فوق، سازمان های که از هوش تجاری استفاده نمی کنند، دارای مشکلاتی هستند که اغلب به دلیل حجیم بودن داده ها، پیچیدگی تحلیل ها و ناتوانی در ردگیری پیامدهای تصمیم گرفته شده، به وجود می‌آیند.هوش تجاری با کمک به حل مشکلات فوق، به دلیل ساختاری که در سازمان به وجود می‎آورد، خالق فرصت های جدیدی برای سازمان است (ناظمی و آقایی؛ ۱۳۹۱: ۲۹ ).سیستم های هوش تجاری عواملی هستند که به طور عمده شکاف های اطلاعاتی را در سطح استراتژیک و تحلیل های مالی، تحلیل های مربوط به انتظارهای مشتریان و تحلیل های خاص یک شرکت و بازار ویژه آن، پر می‎کنند (محمودی؛۱۳۸۷:۵۴).سیستم های هوش تجاری در واقع کاربرد تکنولوژی اطلاعات و تحلیل در پشنتیبانی از تصمیم گیری در کسب و کار است امروزه لزوم استفاده از ابزارهای جدید در تحلیل و ساخت سیستم های اطلاعاتی بر کسی پوشیده نیست.استفاده از ابزارهای تحلیل در چهار چوب یک مدل منطقی می‌تواند مسیر دستیابی به هدف را برای سازمان تسهیل نماید، یکی از چهارچوب ها هرم فرایند ایجاد ارزش افزوده مطابق شکل می‌باشد که فرایند هوش تجاری را به زبان ساده بیان می‌کند (ناظمی و آقایی؛ ۱۳۹۱: ۳۰).

شکل (۲-۱) هرم فرایند ایجاد ارزش افزوده در هوش تجاری (ناظمی و آقایی؛ ۱۳۹۱).

۲-۱-۳) اجزای هوش تجاری

ابزار هوش تجاری به طور عمده به عنوان ابزار جدید واسطه ای بین کارهای اجرایی و کارهای پشتیبانی تصمیم گیری پذیرفته شده است.قابلیت های هوش تجاری شامل تأیید تصمیم گیری، فرایند تحلیل بلادرنگ، تحلیل آماری، پیش‌بینی و داده کاوی است.در ادامه اجزای اصلی تشکیل دهنده هوش تجاری را تشریح می نماییم:

انبار داده : مخزن یا انبار داده جزء مهمی از هوش تجاری است که بر پایه موضوع خاصی شکل می‌گیرد.در اوایل دهه ۱۹۹۰، ویلیام اینمون^[۲۱] مفهومی را که مخزن داده نامیده می شود تعریف کرد که تعدادی از نیازهای پشتیبانی تصمیم گیری مدیران را نشان می‌دهد.سیستم های مخزن داده به یکپارچگی سیستم های کاربردی گوناگون کمک می‌کند.

این سیستم ها از طریق فراهم نمودن یک پایگاه ثابت از داده های تاریخی تجمعی و یکپارچه برای تجزیه و تحلیل، پردازش اطلاعات را پشتیبانی می‌کند.

یک مخزن داده یک مخزن مرکزی اطلاعات است که برای جستجو و تحلیل های کارآ تشکیل می شود.یک مخزن داده، داده های متنوع جمع شده از سراسر سازمان را در برمی گیرد و به شکلی محکم و نامتناقض یکپارچه می شود (محقر و حسینی و علی منش;۱۳۸۷).در واقع مخازن داده فضایی را برای ذخیره‎سازی موضوعی داده هایی که قبلاً جمع شده و تحلیل شده‎اند، فراهم می‎کند (محمودی؛ ۱۳۸۷: ۵۴).

منابع داده : منابع داده می‌تواند پایگاه داده (سبد اطلاعاتی)، داده گذشته، (مثلاً اطلاعات خارجی، از سازمان های تحقیق در بازار یا از اینترنت) یا اطلاعات از محیط انبار داده کنونی باشد.منابع داده می‌تواند پایگاه اطلاعات متقابل یا هر ساختار داده دیگر که از مسیر کارکرد کسب و کار تبعیت می‌کند، باشد.این ها حتی ممکن است بر پلتفرم های بسیار مختلفی استوار باشد و می‌تواند شامل اطلاعات طبقه بندی شده مانند جداول و برگه های مدون، یا اطلاعات طبقه بندی نشده مانند فایل ها یا عکس ها و دیگر اطلاعات اسنادی باشد (جلالی و روحانی؛ ۱۳۸۹ : ۳۸۱).

مرکز عرضه داده ^۱۶.یک مرکز عرضه داده مشابه آنچه توسط اینمان^۱۷(۱۹۹۹) توصیف شد، مجموعه ای از نواحی مشخص است که برای تأیید تصمیمات بر اساس نیازهای قسمت داده شده، سازماندهی شده است.شاید بیشترین اهمیت را بخش های مشخص سخت افزار، نرم افزار، اطلاعات و برنامه های مشخصی دارند که مراکز عرضه داده را تشکیل می‌دهند.هر بخش تعبیر خودش را از آنچه یک مرکز عرضه داده باید شبیه آن باشد دارد و مرکز عرضه داده مربوط به هر بخش ویژه خود و نیاز های خود است.مشابه انبار داده، مرکز عرضه داده شامل اطلاعات کاربردی است که به کارشناسان کسب و کار کمک می‌کند استراتژی را بر اساس تحلیل گرایشات و تجربیات گذشته تعیین کنند.تفاوت کلیدی در این است که ایجاد یک مرکز عرضه داده بر یک نیاز ویژه و از پیش تعیین شده برای گروه بندی و موقعیت خاص انتخاب داده مبتنی است.

ابزار سوال و گزارش.فرایند تحلیل بلادرنگ دیدگاه های چندبعدی و خلاصه از داده های کسب و کار تهیه می‌کند و برای گزارش، تحلیل، مدل سازی و برنامه ریزی برای بهینه کردن کسب و کار استفاده می شود.تکنیک ها و ابزار فرایند تحلیل بلادرنگ می‌تواند برای کار کردن با انبار داده یا مرکز عرضه داده طراحی شده برای سیستم های هوش تجاری سطح بالا استفاده شود.این سیستم ها، جستجوهایی را انجام می‌دهند که برای کشف تمایلات و عوامل نقد تحلیل نیاز است.نرم افزار گزارش دادن، دیدگاه هایی به هم پیوسته از داده تهیه می‌کند تا مدیریت را آگاه و مطلع از وضعیت کسب و کارشان نگه دارد(جلالی و روحانی؛ ۱۳۸۹: ۳۸۱ ).این ابزارها قادر به خلق و به کارگیری گزارش های ترکیبی مختلف هستند (محمودی؛ ۱۳۸۷: ۵۴).