Biorąc pod uwagę nasze różne bazy danych skonstruowane w sposób, który pozwala nam wykorzystać ich zawartość do pomocy w planowaniu biznesowym, nadal potrzebujemy sposobu na interakcję z nimi w celu uzyskania tych wskazówek. Istnieje wiele sposobów, na które możemy to zrobić, a robiąc to, na różne sposoby możemy podzielić każde „inteligentne” zachowanie między użytkownika-człowieka a maszynę. Najwcześniejsze systemy po prostu wspierały ludzki osąd, umożliwiając tworzenie zapytań i agregacji zgodnie z intuicją użytkownika dotyczącą tego, co było istotne, lub prezentując dane w sposób, który ułatwiał ich interpretację, na przykład poprzez tworzenie wykresów lub wykresy. Jest to nadal bardzo potężna pomoc w ustaleniu, co jest lub nie jest istotne w danych. Proste pakiety, które mogą, na przykład, łączyć monitor aktywności w witrynie sieci Web z arkuszem kalkulacyjnym Excell, mogą być niezwykle skuteczne w identyfikowaniu osób, które regularnie odwiedzają witrynę. Rozszerzeniem tego jest wizualizacja danych, która wykorzystuje zdolność ludzkiego mózgu do wykrywania znaczenia w dwu- lub trójwymiarowych wzorcach. Sukces wizualizacji danych był w ostatnich latach w dużej mierze wynikiem zwiększonej mocy obliczeniowej. Szybsze maszyny oznaczają, że możliwe jest oglądanie dynamicznie zmienionych renderów danych: zmiana i kompresja skal, obracanie trójwymiarowych wykresów danych, lepsza rozdzielczość kolorów i tak dalej. Oznaczało to również, że rozwój narzędzi został uwolniony od wielu ograniczeń wydajnościowych. Oprócz możliwości konstruowania bardziej przyjaznych interfejsów użytkownika oznacza to również, że wiele operacji wizualizacji może być łatwiej potokowych, dzięki czemu operację skalowania można łatwo połączyć na przykład z procedurą kreślenia 3D, a następnie postrzegane w inny sposób. Stratedzy mogą korzystać z tych narzędzi, aby prezentować w czasie rzeczywistym rozgrywanie scenariuszy decydentom w sali konferencyjnej (którzy, nawiasem mówiąc, sami rzadko