商业智能的技术体系主要有数据仓库(DW)、在线分析处理(OLAP)以及数据挖掘(DM)三部分组成。
　　数据仓库(DW)是商业智能的基础，许多基本报表可以由此生成，但它更大的用处是作为进一步分析的数据源。所谓数据仓库(DW)就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子，数据仓库能供给它们所需要的、整齐一致的数据。
　　在线分析处理(OLAP)技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
　　数据挖掘(DM)是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。

(1)客户分类和特点分析
　根据客户历年来的大量消费记录以及客户的档案资料，对客户进行分类，并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度，确定哪类顾客给企业带来最大的利润、哪类顾客仅给企业带来最少的利润同时又要求最多的回报，然后针对不同类型的客户给予不同的服务及优惠。
(2)市场营销策略分析
　利用数据仓库技术实现市场营销策略在模型上的仿真，其仿真结果将提示所制定的市场营销策略是否合适，企业可以据此调整和优化其市场营销策略，使其获得最大的成功。
(3)经营成本与收入分析
　对各种类型的经济活动进行成本核算，比较可能的业务收入与各种费用之间的收支差额，分析经济活动的曲线，得到相应的改进措施和办法，从而降低成本、减少开支、提高收入。
(4)欺诈行为分析和预防
　利用联机分析和数据挖掘技术，总结各种骗费、欠费行为的内在规律后，在数据仓库的基础上建立一套欺骗行为和欠费行为规则库，就可以及时预警各种骗费、欠费，尽量减少企业损失。