این مقاله شامل مطالعه ترکیبی از
هوش تجاری و متن کاوی دادههای نامشخص است. داده ها ی مورد اسنفاده در حوزه ی کسب وکار دقیق، صحیح و کامل نیستند. داده ها نامشخص در نظر گرفنهمی شوند و در ننیجه این عدم اطمینان به ننایج تولید شده توسطهوش تجاری مننقل می شود. در گذشنه، وب سایت ها اغلب برایجستجو از متن اسنفاده می کردند، که تنها اسنادی پیدا می شد کهحاوی تعریف داده شده توسط کاربر بود. متن کاوی با اسنفاده از وبمعنایی و بر اساس معنا جسنجو می کند و نه بر اساس یک کلمه.این روش جستجو ننایج
هوش تجاری را بهبود می بخشد و تحلیلشبکه های اجنماعی را آسان می کند.نرم افزار استخراج متن شبیه به یک تحلیل گر اطلاعاتی عمل می کندکه بر دامنه ی محدودی از تجزیه و تحلیل تمرکز می کند. متنبیانگر، طیف غنی و گسترده ای از اطلاعات هست، اما استخراج ایناطلاعات کار سختی است.این سختی کار ممکن است به این دلیل باشد، که تا به امروز کارکمی در اینباره شده است، و بسیاری از افراد در مورد دسترستی بهاطلاعات آن صحبت کرده اند و نه درباره ی استفاده ی مستقیم ازمتن برای اکتشاف اطلاعات ناشناخنه. این مقاله ما به کشف اینمناطق و تعریف هوش کسب و کار، داده های ساخت یافنه یا بدونساخنار و اسنخراج متن، و سپس بحث در مورد کاربردهای بالقوه ومحدودیت های متن کاوی می پردازد. ایده پشت این بحث توجه بهانواع جدید و هیجان انگیز گرایش های
هوش تجاری مانند محاسباتسبز، شبکه های اجتماعی، تجسم داده ها،
هوش تجاری سیار، تجزیهو تحلیل پیش بینی، برنامه های کاربردی ترکیبی، محاسبات ابری ونرم افزار به عنوان یک سرویس می باشد.در این مقاله به ایده های اخیر در مورد چگونگی طرح های اکتشافی،تجزیه و تحلیل روی متن و آنچه ما لازم داریم برای داده کاویبرروی متن می پردازیم.