BI是企业的未来；ML是BI未来！
现代ML与BI工具一起帮助公司利用大数据发挥潜力。借助 ML，BI 平台可以执行重要分析并适应不同的数据集。
BI商业智能历史
第一次记录到“商业智能”是在 1865 年：
它被用来描述银行家亨利弗内斯爵士如何收集和分析信息和经验证据以做出商业决策（而不是直觉或迷信！）。
在其间的 157 年中，我们不断改进我们的方法。
自 1970 年代以来，来自 JD Edwards、SAP 和 Siebel 的早期 BI 平台帮助我们访问和组织数据。
1990 年代和 2000 年代的 ERP 工具变得更易于使用；
直到最新一批所谓的“BI 3.0 工具”使 BI 成为大多数中型或大型公司的应用程序堆栈的一部分。他们使用交互式可视化界面使数据易于理解，并为公司的战略、职能和整体效率提供信息。
BI缺点
传统的商业智能平台无法满足现代企业的需求。这些工具并不总是与大多数企业的结构方式一致。它们最初是为数据科学家和分析师设计的--鉴于这些人在历史上最有能力解释数据和管理复杂的软件应用程序，这是有道理的。
但现在，我们希望销售人员、财务分析师和营销人员能够做出数据化的决策。
即使推动了自助式商业智能的发展，许多工具的复杂性意味着数据科学家正在浪费时间建立（和重建）常规报告来回答基本的营销查询。
这种低效率造成了回答问题的延迟，导致了数据团队的流失，并意味着公司将很难利用数据来发挥其真正的潜力。
机器学习ML是未来
机器学习（ML）是人工智能（AI）和计算机科学的一个细分领域。它使用算法来辨别一些给定数据中的模式并产生数学模型。这些模型使软件系统能够逐步提高其性能和准确性。从样本训练数据建立的模型类似于没有明确编程的软件。迭代过程使系统 "更聪明"，这使它们更容易找到洞察力，理解历史关系，并确定趋势和新机会。
现代ML是大数据的挑战和商业智能工具帮助公司利用数据发挥其潜力的能力之间缺少的环节。在ML的武装下，BI平台可以进行重要的分析并适应不同的数据集。从预测股票价格的变化到了解哪些客户更有可能购买，再到优化复杂的供应链，预测模型可以适应，所有这些都不需要或只需要最少的人工干预。它们运行的时间越长，BI/ML工具产生的结果就越准确。
而我们只是刚刚开始。
随着ML和BI解决方案的发展，我们将看到预测性分析被应用于整个企业。
定义BI当前状态的描述性分析和基本的图形和图表将演变为整个企业的员工每天都越来越依赖预测性分析的决策支持的世界。
自主决策--系统自动分析输入，决定适当的行动方案，并加以实施--也将变得越来越普遍。
总结
BI和ML将从根本上改变企业的运作方式。BI成功的历史障碍，如费力和令人沮丧的数据清理和准备，将由平台自主管理，加快分析时间，解放数据分析师和终端用户。在ML模型的支持下，自然语言处理（NLP）将向用户学习，预测查询，并定制响应。这将使大肆宣传的数据民主化成为现实。