微博的诞生、云计算、物联网、移动互联网等各种爆炸式数据，给商业智能的蓬勃发展提供了良好的“大数据”环境。大数据为BI带来了海量数据。对挖掘来说，大数据量要更容易对比.抢夺大数据市场，需要具备一定的实力，报表的呈现和简易分析只是停留在“B”的阶段，要想达到“I”的阶段，必须要结合整个大环境、大行业的数据来判断分析并给出真正有价值的信息和决策建议，这取决于你能拿到多广多深的数据和你的数据挖掘分析以及建模能力。

BI与大数据的区别在于，大数据能够基于BI工具进行大容量数据和非机构化数据进行处理，与传统基于事务的数据仓库系统相比较，大数据分析不仅关注结构化的历史数据，它们更倾向去对Web、社交网络、RFID传感器等非结构化海量数据进行分析，大数据无疑是对BI的一个完美补充。

为什么大部分BI厂商对于大数据表现出“冷处理”态度?
原因一：不论是大交互数据还是大交易数据，处理并分析非结构化数据，是BI业内，甚至是大数据处理，一直面临的难点。很多推BI产品的厂商，其技术能力达不到大数据所要求的高度。

原因二：现在很多的企业做的BI，并没有完全体现智能，最多只是将已有的数据使用报表进行呈现，开发的报表也很简单，大部分用户还没有希望从开发的BI系统中，发掘更多价值的意识。

原因三：大数据的确会有价值，但这个价值有多大，没办法准确衡量。从某些大数据中会挖掘出新的价值，但这个价值只是附加价值，是一个想象的空间。就比如沙漠里可能有金子，但并不是说沙漠中一定就能挖出金子。