商务智能是企业信息化的高级阶段,专注于将业务数据转化为知识,从而为企业管理者提供决策支持,并提升企业的竞争优势。商务智能通过现代信息技术收集、管理结构化和非结构化的商务数据,然后利用人工智能、机器学习中的技术手段来对数据进行挖掘,最终得出战略层面的知识服务于企业的决策。然而,随着现代信息技术的发展和采集手段的日益完善,业务数据规模爆炸式地增长,使商务智能无法在合理的时间内完成决策支持任务。量子计算利用量子的叠加和纠缠的特性来实现计算任务,在解决一些特定问题时,相较于经典计算有着明显的加速效果。例如,在大数质分解问题上,Shor算法相较于经典算法有着指数级别的加速;在无序数据库搜索问题上,Grover算法相较于经典算法有着平方根级别的加速。近年来,量子计算也被逐渐应用于商务智能领域,多项高效的量子化商务智能技术已被提出。当前,量子化商务智能技术是前沿的、具有创新性的研究方向,有着很高的学术价值。然而,量子化商务智能的研究仍处于发展阶段,还有许多商务智能技术没有相应的量子算法。本文针对一些没有高效量子算法的商务智能技术展开研究,在改进量子搜索算法的基础上,提出了一些相较于经典商务智能技术有明显加速效果的量子商务智能技术。提出技术有望在量子计算机真正到来的时刻发挥一些作用。总的来讲,本文研究包含以下几个方面:（1）量子搜索算法的改进商务智能中存在着大量的搜索问题,量子搜索算法是解决搜索问题的利器。然而现有的量子搜索算法及其改进算法存在着一些缺陷。为了更好地将其与商务智能技术结合起来,本文从几个不同的方面提出量子搜索的改进策略。首先,针对在目标分量可知的情况下Grover算法只能在特定的情况下达到100%成功概率的问题,本文提出一种多算子量子搜索算法和一种相位自适应量子搜索算法。这两种算法在目标分量已知的情况下,总能以100%的概率获得目标分量。其次,针对Grover算法在目标分量占比取值范围可知的条件下无法保持高成功概率的问题,本文提出一种分段式量子搜索算法,该算法在目标分量占比取值范围可知的情况下,可以保持93%以上的成功概率。最后,针对迭代次数自适应量子搜索算法效率低的问题,本文提出一种扩大搜索范围的迭代次数自适应量子搜索算法,该算法在迭代次数自适应的基础上确保了85.36%的成功概率。（2）基于局部量子化粗糙集的关联规则挖掘粗糙集的属性约简是关联规则挖掘中重要的预处理技术,粗糙集核属性求解则是属性约简的重要步骤。核属性求解的效率关系着属性约简的效率,进而影响着关联规则挖掘的时效性。为了从整体上提升关联规则挖掘的时效性,本文提出一种基于量子搜索的核属性求解算法,并将其应用于基于粗糙集的关联规则挖掘中。（3）基于量子搜索的免参数离群点检测离群点检测技术是商务智能中的一项重要技术,可用于商务欺诈行为检测、用户行为异常检测等。然而,现有的离群点检测算法已无法高效地处理稀疏性不一致、体量巨大的业务数据。为提升检测的效率,本文先给出一种基于自然邻居图的离群点检测算法;接着通过构建两个距离量子黑盒,实现了自然邻居图的量子化。理论分析证明了该算法在复杂度方面的优势;数据实验验证了该算法相较于其他离群点检测算法的优势。（4）基于量子化Na NG-DBSCAN的客户细分聚类是客户细分中的一项重要任务。然而,客户关系数据存在着数据密度不一致、数据模式不规则、参数难确定等问题。为解决这些问题,本文先提出一种基于量子搜索的Na NG-DBSCAN聚类算法;然后,构建了一种基于量子化Na NG-DBSCAN的客户细分模型。数据实验验证了该模型的有效性。