随着时代的发展，越来越多的技术场合开始使用“数据智能”(Data Intelligence,简称“ＤＩ”)这个词，它到底应该是个什么样的定义呢？ 实际上，数据智能是在云计算，大数据和人工智能技术兴起后产生的一个新的概念，它和我们以往熟知的商业智能(Business Intelligence,简称“BI”)以及当下热门的人工智能（Artificial Intelligene简称”AI”），有哪些关联和区别呢？
数据智能，纵观各专业媒体或者网络，到目前为止尚无明确而科学的定义，仅在Techopedia上有个粗略的解释，“数据智能是对各种形式的数据进行分析，以便公司可以利用这些数据来扩大其服务或投资。 数据智能还可以是公司使用内部数据来分析自己的业务或员工队伍，以便在未来做出更好的决策。业务性能、数据挖掘、在线分析和事件处理都是公司为数据智能目的收集和使用的数据类型。”这个解释虽然对于数据智能中涉及的数据的多样性做出了阐释，但未能在数据智能的技术实现，实现目标的全面性等领域做出科学的解释。
结合我们的技术理解和业务实践，数据智能是在更广泛和更深次的范围内，数据和业务及智能间的相互作用。鉴于此，我们将“数据智能”定义如下：数据智能是在云计算，人工智能，和大数据以及区块链等技术发展之下，对于数据建立的一系列方法、架构，技术和流程，用于将产生于组织内外各类数据，在云计算环境下，以各类智能技术为基础将其转换为有效率和有质量的信息，用于实现更有效的组织战略和战术决策，并直接或间接地自动驱动各类业务，进而和业务循环反馈。这其中包含了数据地采集，数据治理，智能引擎，业务驱动。
而商业智能作为在二十世纪末期和二十一世纪的第一个十年比较流行的概念，它是基于企业各类业务系统如ERP，CRM，HR等，为了更好的分析此类业务系统中的数据而发展建立的一套技术体系。根据传统的商业智能 （BI）定义它 是一个技术驱动的流程，用于分析数据和提供可操作的信息，帮助高管、经理和其他公司最终用户做出明智的业务决策。BI 包含各种工具、应用程序和方法，使组织能够从内部系统和外部来源收集数据，为分析做好准备，开发和运行针对该数据的查询，并创建报表、仪表板和数据可视化，使分析结果提供给企业
目前，数据智能有时可能被错误地称为商业智能。尽管这两个术语确实有一些相似之处，它们都是以数据为基础，有三个同地处理阶段：收集数据，存储数据，分析数据，但数据智能和商业智能还是存在本质的区别，尤其在是实现的目标，技术实现，数据基础，智能化手段等四个方面，其差异性是明确的。
1. 实现目标不同：BI是企业数据化管理的一整套的方案，用来将企业中现有的数据进行整合后提供报表并提出决策依据，解决的是管理运营中查询（querying）报表( reporting), 在线分析（OLAP),预警（Alerts）和预测(Prediction). 而数据智能的目标则不仅是作为辅助决策的工具，利用企业现有数据进行查询分析预测，更是在数据分析和预测的基础上，以智能的手段直接触发并驱动应用。如果将企业比作一部汽车，BI是驾驶舱里的各类仪表盘，那么数据智能就是企业这部车子的引擎发动机，数据就是源源不断注入的汽油。
2. 数据基础的不同：随着大数据的兴起，数据智能涉及的数据范围将不再仅限于原来的业务系统或者交易系统，而有更多来自于企业外部的数据，如互联网，社交网络，第三方社会资源数据等。同时数据的来源也将不仅限于业务处理和交易过程，更海量的实时数据，如来自于物联网连接下的机器，设备等。数据的种类也将极大丰富和扩展，不再简单的局限于结构化数据和非结构化的文本，视频和音频数据在智能化解构之后也将越来越多的参与数据智能应用。
3. 技术实现的不同： 在讨论BI商业智能时，我们讨论的是ETL、数据仓库、OLAP、数据挖掘，可视化报表等技术方法，而在讨论数据智能时，我们讨论的是大数据，云计算，物联网，人工智能，分布式数据库等，所以在两者的技术处理的流程类似，但技术实现的手段有着极大的区别。
4. 智能化手段的不同：商业智能因为囿于所处时代技术限制，大多依赖于统计学算法使用各类经典地聚类，分类算法，而数据智能随着机器学习和神经网络地进一步发展，更全面地融合了各类智能算法，智能化的手段更加多样化。
通过上述比较，我们可以发现，数据智能 ≠商业智能，数据智能虽然和商业智能有一定的历史传承，但不是商业智能的一次升级。应该说，数据智能是更高层次上地迭代进化，数据智能是在云计算和人工智能技术的基础之上和大数据结合后的一个应用驱动的范畴。其和商业智能最重要的区别是数据智能不再像商业智能那样作为企业辅助决策的依据，而是直接演化成了智能化驱动业务的引擎而存在于企业中，而原来商业智能所拥有的功能将作为是据智能的一个子集而继续存在。
未来所有的企业都是基于数据智能的企业，企业的经营战略应该建立在数据智能应用的技术战略之上，其追求的目标是以数据直接智能化地驱动业务，而不再是数据辅助决策。那么如何建设一个高效地与时俱进地数据智能应用平台是每个企业需要思考地问题。