楊士強教授給出了信息→信息流→行為性信息流的新挖掘思路。在信息層面， 通過內容理解， 進行信息內容的語義挖掘； 在信息流層面， 進行結構分析， 進行信息傳播的結構挖掘及演化規律挖掘； 在行為性信息流層面，通過行為建模， 進行用戶偏好挖掘 （如圖） 。

　　一些大數據技術正在被那些迫切需要這些技術， 且對新技術異常敏感的人們積極使用， 大數據挖掘正向各行各業擴展。幾年前，或許還僅僅只是Facebook、 雅虎這樣的大型網絡公司應用大數據技術。如今， 銀行業、 公共事業、 智能社區等等， 幾乎所有擁有海量數據的企業都在使用大數據技術， 這些技術在部分項目中也起到了關鍵作用， 如創建由社交媒體驅動的基于Web的服務。而在其他一些垂直行業、 企業也已經意識到， 與之前相比， 自己正處于業務轉型的一個絕佳機會當口。它們在產業鏈上的價值越來越依賴于信息。

　   BI→BA

　　商業智能的關鍵是從企業運作系統的數據中提取出有用的數據并進行清理， 以保證數據的正確性， 然后經過抽取（extraction） 、 轉換（transformation） 和裝載 （load） ， 即ETL過程， 合并到一個數據倉庫里， 從而得到企業數據的一個全局視圖。在此基礎上， 利用一些工具對其進行分析和處理， 最后將結果呈現給管理者，為管理者的決策過程提供支持。

　　自2003年商業智能技術興起開始， 處理并分析非結構化數據都是BI面臨的難點。大數據意味著包括交易和交互數據集在內的所有數據集， 其規模及復雜程度， 都遠遠超出了常用技術按照合理的成本和時限來捕捉、 管理及處理這些數據的能力。

　　IDC在對2008-2012年的BI工具預測中， 指出商業分析（BA）軟件應包括的兩大部分： 數據倉庫平臺和績效管理工具及應用。除開商業智能外， 它還包括了企業信息管理(EIM)、數據倉庫(DW)、 企業治理、 風險管理和合規(GRC)、 企業績效管理(EPM)、 分析應用(AA)五大支柱。

　　當報表、 多維分析等傳統的BI技術已被大家熟知之后， 它向更高級且易用的BA技術邁進。在BA中， EIM的作用舉足輕重， 在社交媒體等工具中產生的大量非結構化數據， EIM可以對其進行分析， 并將其轉化為有意義的數據。

　　從企業內部來說， 倘若公司高管和一線員工之間要獲得良好的溝通， 需要借助商業分析（BA） ， 與BI更多關注報表、 分析、 儀表盤不同，BA相當于在ERP和BI之間架起了一座橋梁。

　　對各個機構來說， 讓業務部門能夠訪問所有數據， 以便將其應用于整個大數據基礎設施中也顯得極為重要。數據集成讓組織機構能夠將傳統的交易數據與全新的交互數據組合起來， 從而獲得在其他情況下無法達成的洞察力和價值。比如， 可以通過社交媒體了解客戶的喜惡， 以此充實客戶資料來提高目標行銷效率。

　　而商業分析也不再只被少數專家所使用。作為企業管理層， 上班的第一件事也許是打開營運績效儀表盤查看企業運營情況， 餐廳也會分析顧客的偏好來管理和優化原料的供應， 超市則會根據商品銷售的關聯分析來進行貨架的布置。 BA已經融入人們的日常生活。

　　在此基礎上， 傳統以報表和多維分析為主的BI， 向整合了統計分析、 數據挖掘等高級分析技術的BA發展， 將逐漸成為主流。

　　機遇與挑戰

　　大數據與商業智能的融合將為企業帶來什么機遇？在信息技術和信息渠道不斷更新的當下， 應運而生的海量數據將社會帶入一個多元化的時代。毋庸置疑， 這給企業信息化， 乃至整個產業的發展帶來了前所未有的契機， 給予不同需求的廠商及合作伙伴更多的商業競爭機會。

　　對于合作伙伴而言， 傳統技術模式的創新更具推動作用， 創新的技術理念推動著產業生態環境的發展， 并能極大地促進于用戶的體驗， 達成與合作伙伴的共贏。在新興技術趨勢引導下的BI格局， 將在渠道層面掀起一番新的渠道機會。隨著企業業務系統的不斷完善， 客戶需求推動著其步入大數據與商業智能融合的道路。

對于企業而言， 隨著企業數據系統架構的不斷優化升級， 小至企業部門間的OA系統， 大到企業中的ERP， 乃至數據中心。種種信息系統的集合成為企業信息數據的新價值體系， 企業從海量數據中獲取價值的同時， 從不斷的企業應用實踐中可以得出BI在逐漸被企業駕馭于系統集成之上， 并逐漸開始與企業中ERP、 CRM、 SCM等系統相集成，由此， 使數