商業智能管理系統是指利用數據倉庫、在線分析和數據挖掘技術來處理和分析商業數據，為不同領域提供不同的應用解決方案，幫助用戶解決業務活動中的復雜問題，幫助決策者面對快速變化的業務環境，快速響應和合理的業務決策管理系統。
從建立商業智能管理系統的技術角度來看，建立完整的商業智能管理系統涉及以下核心技術：數據倉庫（DW）技術，數據挖掘（DM）技術，在線分析處理（OLAP），決策支持系統（DSS）以及報告和分析等現代信息技術。
同時，現代管理理論也需要指導，包括統計、預測、客戶管理、供應鏈管理、企業資源規劃等管理理論和方法，以及企業建模方法。然后，需要靈活使用前端顯示器，提供更好的人際界面，以幫助和支持整個業務決策過程。
數據倉庫的典型工作是批處理集成、清潔、集成、預計和查詢服務所需的大量數據。數據源可以是操作數據庫、歷史數據、外部數據或現有數據倉庫中的數據信息，也可以是支持業務應用程序的相關數據或其他數據結構。數據源可以存在于各種不同的平臺上，包括電子表格，沒有結構信息、普通文本和圖像。
建立數據倉庫
建立一個數據倉庫是處理大量數據的基礎。數據倉庫是商業管理系統軟件的核心框架，其主要功能包括數據提取模塊、數據清洗模塊、數據轉換模塊，實現數據提取、凈化、過濾和數據標準化。
數據分析
數據分析是反映系統智能的關鍵，一般采用在線分析處理和數據挖掘技術。在線分析處理不僅提供了數據收集和收集，而且還提供了切片、切割、塊、鉆孔、卷曲和旋轉等數據分析功能，以促進用戶對大量數據的多維分析。數據挖掘的目標是挖掘隱藏在數據背后的知識。通過相關的分析聚類和分類，建立分析模型，預測企業未來的發展趨勢和問題。
信息展現
通過數據分析，系統得出結論并提交給決策者。顯示信息的主要方式如下：查詢、報表、可視化、統計、挖掘。也就是說，數據關系和模式的知識是通過數據挖掘等方法獲得的。
應用分析
利潤成本分析、資產分析、營銷分析、投資組合分析、人力資源管理、客戶關系管理、供應鏈管理等業務智能分析應用，根據各級決策者的需要，從數據倉庫提取相關數據，然后通過前端顯示工具確定數據分析方法，向決策者提供分析結果。
隨著互聯網的發展和企業信息化的深入，商業智能管理是信息社會高度發展的產物。同時，商業智能的出現也較大地促進了信息社會的發展。
