在数聚股份看来，商业智能分析的第一个层次是报表呈现，也是我们常说的数据可视化。其主要的目标就是从组织层面（集团、公司）或从业务部门出发，通过可视化分析报表直观、全面的呈现企业日常经营、业务的情况。
时至今日，各类商业智能BI软件 的数据可视化功能已经十分成熟，在满足常见的图形诸如柱状图、饼状图、折线图、二维表格等图形可视化的方式外，还支持在各个产品技术生态下的个性化图表呈现。可以说，这些形式用于企业日常的业务数据（财务、供应链、人力、运营等）呈现已经绰绰有余，再结合工具提供的各种维度（看数据的角度）筛选、关联、跳转、钻透等方式查看各类分析指标，业务分析图表能实现主题划分，确保主体间报表间相关联的逻辑关系。
一个层次清晰的商业智能BI报表首先让用户对业务产生清晰直接准确的洞察，并且一次开发完成后便可循环使用，大大减轻了手工制作Excel报表的繁琐。报表分析往往围绕各个业务部门日常工作展开，其中的分析内容包含复杂的计算规则，且数据源来源广泛，这一切对于数据的质量都提出了高于过往Excel时代的要求。
但是结合数聚股份长期的商业智能BI部署经验，很多企业的商业智能建设基本都只停留在这个阶段，或者还没有完全达到这个程度。在数据文化和BI认知均需提升的背景下，商业智能的价值此时往往有限，开发的报表内往往冗杂着大量未经筛选的指标，数据的作用仅从可视化角度对业务进行解读，信息接收的形式相对被动。
第二个BIwww.datacvg.com分析层次是数据的"异常"分析，本质上是将业务逻辑、技术（数据后台）逻辑和工具逻辑三者结合重构的过程。这里的异常指的是超出过往经验判断的情况。此阶段下客户往往已经形成了BI的基本认知，能够结合实际情况，对报表的开发提出明确的功能需求并敢于淘汰过往指标和新增业务逻辑。
在数聚股份看来，商业智能BI报表经历了第一层次的重构视觉感官后，直观地反映业务运营情况，展现经验之外的数据表现情况。商业智能就是要对这些 "异常" 数据进行有目的的分析，通过相关联的维度、指标使用钻透、关联等分析方式探索出可能存在的原因。
在这个BI分析层次中，带着问题通过可视化分析找新的问题，在多维度的指标体系下构建智能仪表盘，产生相对稳定的模型进行分析。这个阶段的用户不再被动接受图表信息，而能够准确定位深层次业务问题。数据和业务联系愈发紧密，数据图表之间的逻辑性更强。
第三个BI分析层次是形成业务分析模型。理想状态下，业务建模分析由业务用户提出为宜，但其实很多情况下，服务商的角度更便于总结业务分析模式，因为一个优秀的服务商往往可以统筹同一行业的多家企业信息，进而取长补短，在行业背景下提出真正适合于客户企业的模型。通过合理的建模找出业务中可能存在的问题，回归业务决策和执行层面，从而不断优化具体业务活动。业务建模可简单，可由一个或多个图表组成，也可复杂，通过一组或多组数据图表支撑。业务建模即业务分析的逻辑思维模型，在商业智能中，业务模型利用整合过后的数据、图表化方式来验证客户对业务分析的分析结果。
在数聚股份看来，业务建模分析化被动为主动，是一种更深层次的业务数据的价值挖掘和探索分析。 这层分析的提出更加深入业务，通常围绕一个一个业务分析场景展开。
