商务智能:实施研究与前景分析

[摘要] 对商业智能（BI）的特性、架构、技术等进行归纳分析，重点讨论企业BI的实施过程，研究企业实施BI的策略，结合当前市场、技术等因素认为SaaS、云计算是BI的未来发展方向，最后分析BI与知识管理的关系以及BI在物联网中的运用。

[关键词] 商务智能 部署 趋势 SaaS 云计算

1引言

随着经济全球化和信息时代的到来，企业所处的环境更加复杂多变，市场竞争更加激烈，企业自身的组织结构也越来越复杂、规模越来越庞大。在此环境下，企业要想求得生存和发展就必须高效运营、正确决策、快速响应。这就需要有工具来帮助企业对经营过程中产生的大量数据和资料进行收集、整理、分析和评估，据此做出正确的预测，从而实现从数据到信息、从信息到知识、从知识到利润的转化。

企业以前是通过信件、电话或是传真与客户联系，现在正努力进行数据化、信息化，因为它需要对客户的动态做出更快的响应，提高服务水平并降低成本。企业资源规划(ERP)、销售终端(POS)、市场调查、供应商、客户、网络、政府部门等都在不断地给企业添加数据，实际上平均每18个月企业的数据量就翻一番，但并不是全部的数据都能被分析和利用，有专家估计，目前被利用的数据只有5%-10%[1]。大量的数据是冗余、不相关、不完整或者质量很差的。怎样才能把大量的数据迅速转换成可靠的信息，发现数据背后隐藏的信息和知识，商务智能（business intelligence，BI）因此而诞生。BI的核心价值在于它能够把信息转换为知识，然后把知识转变成利润。

2相关研究回顾

商务智能1989年由Gartner Group的Howard Dresner[2]首次提出，它描述了一系列的概念和方法，通过应用基于事实的支持系统，来辅助商业决策的制定。BI技术提供帮助企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

1990-1995年，对BI的研究主要基于数据库、数据建模，Edward R. Tufte[3]在1990-1991年间发表的关于信息，特别是信息定量可视化的著作为BI研究奠定了基础。Inmon[4]于1994年提出数据仓库的概念，1996年发表的Managing the Data Warehouse[5]成为数据仓库的里程碑，1997年出版的Corporate Information Factory[6]为数据仓库和数据挖掘建立了著名的信息工厂的框架。1998年以后BI的研究逐渐增多，Larry Kahaner[7]提出竞争智能，还有一些学者对数据仓库和数据挖掘技术、数据质量、机器学习等不同方向进行研究。2001年以后，BI的研究主题从技术层面上升到了企业战略层面，如平衡计分卡、战略竞争分析等。

国内方面，王茁的《三位一体的商务智能管理、技术与应用》（2004）是一本全面介绍BI概念、框架、实施等方面的专著，从组织管理、技术实施、行业应用几个维度对BI进行了详细的探讨[1]。李萍等（2005）研究了BI实施的战略、运营和商务三个层面[8]。宗平等（2006）对主流的BI系统进行了横向对比分析研究[9]。龙青云等[10]（2007）归纳分析了BI的组成部件及其功能，列举了BI实施中的技术工具。张巧[11]（2009）研究了目前国内BI的框架结构及关键技术，归纳了实施现状与未来趋势。宋丽丽[12]（2009）从BI的数据结构角度研究了BI在技术上的具体实现方法。

从文献调研中可以看出，国内学者对BI的研究分为两种类型：①从普及、介绍的角度，对BI的概念、构成和功能等进行全面的介绍，包括对市场中已有的BI软件系统进行对比分析，这一类型的研究目的是导入BI的概念；②有计算机等专业背景的学者，多从编程、数据库架构等技术角度对BI的实施和部署进行研究，还包括对BI在不同行业领域内的应用的探讨。调研发现，国内这两方面的研究都缺少从具体实施、发展变化等组织与管理角度对BI的探讨。按照一般的概念，BI不是简单的一个软件应用，也不是一组软件技术的堆积，而是一种建立在软件应用基础上的解决方案，单纯的软件部署只占BI中很有限的部分，在具体实施中一方面要面对企业组织管理方式的变革、商业流程的再造甚至是核心竞争力的改变等与组织管理、企业文化这类非技术因素相关的问题；另一方面BI作为软件技术的有机组合，还要面对飞速发展的新技术、新环境对BI提出的变革需求。因此，企业要想通过实施BI来增强其竞争实力，优化业务流程，仅仅靠概念普及、技术实现是不够的，本文立足于BI的实施，从BI实施中遇到的问题、相应的对策、可能面临的挑战与变革等方面出发开展探索，力求从非技术角度对BI在企业中的实施与应用提供可行的研究分析思路。

3BI的概念

BI通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。企业中的数据包括：①来自企业业务系统的订单、库存、交易账目、客户和供应商的数据；②来自企业所处行业和竞争对手的数据；③来自企业所处的其他外部环境中的各种数据。

目前，企业界、学术界对商业智能的定义并不统一，例如：

IBM(企业界)[13]认为BI是一种能力，通过使用企业的数据资产来制订更好的商务决策。企业的决策人员以数据仓库为基础，经过各种查询分析工具、联机分析处理或者是数据挖掘加上决策人员的行业知识，从数据仓库中获得有利的信息，进而帮助企业提高利润，增加生产力和竞争力。

Olszak(2002，学术界)[14]认为BI是一系列的概念、方法和流程的集合，其目标不仅仅是帮助决策，而且支持企业的战略实施。它的主要任务是面向不同信息源的智能浏览、集中、综合以及多维分析。

本文在阅读文献的基础上，结合国内外BI实施情况，参照王茁的观点，总结认为BI是一种解决方案，它的核心任务是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过数据、转换、装载（ETL，extraction，transformation，loading）抽取过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

4BI的技术结构与功能

虽然BI不能简单地理解为一些软件及数据库的组合，但是IT技术在BI中还是发挥了基础性的作用，支持从数据的收集、储存到整合应用等整个商务智能运行环节，其中与BI实现的功能相对应的关键技术包括数据仓库技术、OLAP技术、数据挖掘与可视化技术等，关于BI技术的讨论不是本文的重点，但作为对BI进行研究不可缺少的一个方面，研究BI的技术结构与功能还是必要的。

针对BI的系统结构，不同的组织、学者、机构等针对各自研究重点与领域给出了许多不同的结构模式，这是一种非常正常的现象，因为BI本质上是服务于企业管理与决策的由一组软件技术构成的解决方案，并不是静态的软件包，BI面对不同的应用、行业必须呈现出不同的结构和功能，以满足具体的应用需要，没有必要追求BI结构的形式上的统一。

本文以BI的核心——数据仓库为基础，以美国数据仓库研究院给出的BI架构为例说明BI的技术结构。

数据来源:美国数据仓库研究院（）

美国数据仓库研究院的商务智能架构由左右两个部分组成:左边为数据仓库环境，右边为分析环境。其中，数据仓库系统是商业智能应用的核心，它是整个系统存储和管理数据及信息的地方。

商务智能技术，也即企业利用数据仓库、数据挖掘、在线分析处理、决策支持系统等现有信息系统对企业经营过程中产生的大量结构化和非结构化商务数据和信息进行收集、整理、分析，以便辅助企业做出正确决策，采取有效商务行动，优化商务流程，是全面提高商务绩效的工具、方法、技术的统称[15]。商务智能技术是企业提升智能化决策水平的一系列关键技术，是多项技术交叉在一起的复合应用。

商务智能技术是企业智能化决策的重要手段和工具，其基本应用包括个性化的信息分析、预测、辅助决策。商务智能支持企业内各种角色的应用：战略决策层将通过建立战略企业管理模式的商务智能系统来实时了解企业对战略目标的执行程度；中、高层管理人员通过建立运营智能系统来随时了解企业运行情况；企业分析研究人员则可通过商务智能分析工具对企业现状进行分析，向高层领导提供分析结果，支持决策。商务智能提供了一种战略的、战术的、功能性的框架在组织中处理商务分析需求。

5BI在企业中的应用

5.1企业对BI的关注

商业智能软件市场方兴未艾，为低迷的IT产业带来了一束曙光。根据弗瑞斯特研究中心[16]的调查发现，2008年底有44%的企业表示，计划在今年购买BI软件。根据IDC报告[17]的数据，在2012年之内，商业智能市场不包括日本在内的亚太地区规模将从2005年的3.4亿美元扩大到2010年的6.39亿美元。正是看到了BI市场的巨大前景，一些IT服务提供商纷纷推出自己的BI软件，如Oracle、微软、IBM公司、国内的金碟公司等。

5.2企业BI的部署

从技术角度说，BI 是一种运用了数据仓库、在线分析和数据挖掘等技术来处理和分析数据的技术，目的是为企业决策者提供决策支持，但技术并不是BI的全部，BI是管理手段和信息技术的融合。企业级商业智能的构建是一个系统工程，它有三个层次，需要一步一步建设。第一个层次business i-Mode是整个BI工程的基础，第二个层次business integration 是整个BI工程的技术实现基础，第三个层次business intelligence才是真正意义上的商业智能的软件实现，如图2。这三个层次相辅相成，缺少任何一个层次，企业都没有办法形成完整的BI体系。

5.3企业BI部署遇到的问题及对策

我们知道沃尔玛是应用企业BI提升竞争力的典范，沃尔玛通过使用BI对零售业务流程进行全面详细的数据分析，在物流、定价、选面等几个关键成功因素方面都取得了巨大的竞争优势，但是我们也要知道，像沃尔玛这种把信息技术运用到极致的企业，还是相对少的，在国内，中国本土企业在BI应用上依然鲜有作为。虽然工商银行、民生银行、广东发展银行等金融企业和乐百氏、双汇这类传统企业都在着手建立BI系统，但目前还无法验证应用的效果到底如何[18]。

相关统计数字显示，在国外，投资建设BI的企业有60%-70%以失败告终，而在中国，这个数据可能会更高。其中的原因有很多，比如缺乏历史数据支持、理解上存在误区等。据澳信传媒集团2008年9月发布的《第三届中国IT技术趋势调查》总结报告显示，已经有60%以上的企业开始了商业智能项目的开发和应用，虽然这已经是一个很不错的比例，然而，从诸多调查数据中可以看出，商业智能应用实际上并没有像业界预测的那样，产生井喷式的增长，传统的数据库应用包括数据处理和存储等依然在数据库应用中占据较大的比例。简言之，目前还存在诸多因素阻碍企业开展商业智能应用。

5.3.1BI实施困境的成因

● 与组织结构、经营管理方面相关的原因包括：①实施过程难以控制；②协调配合难度大，如大型的BI项目需要多个部门的认真配合，如导入源数据到数据仓库这么一个简单环节也会同时牵涉到众多部门的参与；③一把手支持力度不够，参与BI的业务人员级别低、资金投入少以及BI系统上线后的使用者数量少且不专业；④领导层的意识里对BI存在错误认识，对于BI的期望值过高等，也会造成BI项目的失败。

● 与具体操作层面有关的原因包括：①企业运营层不能提供可靠的信息，有许多商业人士不能确信他们企业内部的信息是否准确，很多企业的管理者表示他们因为缺乏可信的信息而做出过失败的决策，可见数据的质量存在很大的问题，BI的有效应用，离不开数据的支持，如果没有准确的数据，那么所要分析产生的报表、决策都与事实存在差距，将会导致整个决策的错误；②技术不成熟，目前只有报表、OLAP、仪表盘和统计分析等使用比较成功，而其他方面的应用还处于研发、摸索阶段，例如对非结构化数据和质量不高的数据的处理，目前还缺少有效的实用工具；③国内大部分企业的信息化水平较低，一些企业的信息化水平甚至非常低，这就造成了在整个市场竞争中，信息化水平整体偏低的企业难以把BI做好、做出效果。

5.3.2BI成功实施的策略

BI系统对于企业发现市场新机会、创造竞争新优势的作用是显而易见的。但企业在真正实施BI过程中，并不是一帆风顺或者很快就能达到理想目标的，有些企业在BI方面进行了巨额的软硬件投资及人力投资却并不能给企业带来预期的管理效率。因而，必须注重BI应用的策略，本文从应用、行政、技术三个方面讨论BI成功实施的可能策略。

●应用角度。①业务、目标主导BI。企业BI的实施要结合公司的实际，了解企业急待解决的问题，从管理层最关心的业务主题开始，比如应收账款和账期、现金流、生产质量、库存或者促销结果等。以业务趋动而非IT趋动BI，很多企业明白这样的道理，即应该由业务部门的需求主导软件的设计和开发。但由于业务人员的水平不足以提出未来管理模型架构，企业应该给予IT部门绝对的权威，让它有权要求业务部门配合IT部门共同协商提出需求模型，以尽量准确地把握企业的业务发展方向。②进行BI成本控制。BI经常被企业视为庞然大物，非得花费个上千万的预算才有可能办到，而这些预算中，数据仓库往往又是当中最耗费成本的。排除数据仓库在建置时采用主题式、整合过的数据这类方法，数据仓库本质上就是可以储存大量数据的数据库，从目前微软的SQL Server 2005都宣称能储存TB级别的数据量来看，以较低成本建置资料仓库事实上不难达成。③系统应用应具有简易性。由于商务智能系统是为业务部门应用的，业务部门的需求也在不断地变化，所以该系统不是设计好固定的界面让业务部门来应用就可以了，而是一定要让应用部门学会自己使用“傻瓜照相机”，不要所有的业务应用都让IT部门专门为其开发并进行针对性的培训，而应该使业务部门像使用日常办公软件一样，能够较为容易地掌握使用方法和基本的开发与拓展技术，可以及时地使用商务智能系统进行一般的分析、查询和问题跟踪工作。

●技术角度。①控制数据来源。导入BI系统，用意在发掘数据中的事实，由这个事实再发展出种种分析结果与面向服务对象的决策协助[19]。因此想要发掘出事实，有赖于“干净”的资料数据。BI架构中，干净的数据通常利用ETL工具达成，数据从来源到目的的清洁过程，每经过一个阶段，数据就更具价值。而对于有ERP系统的企业，这个问题较小。②注重数据分析：要成立专门的数据分析部门。在国内，对数据分析师这个职位提到的还不多，国外有专家建议，如果准备上BI系统的话，一定要落实相应的数据分析部门。企业对数据进行优化的目的，是要从中找出最有价值的数据，这些有价值的数据挖掘出来后，如果没有相应的人对其进行跟踪处理，数据的价值也就只停留在被用于迅速做出报表的层面了。③分段的设计思想。在数据仓库的设计中，要考虑将数据仓库和业务系统相对隔离，将数据仓库和分析应用相对隔离，BI实施前，要对项目的整体规划、技术架构、分步实施进行规划，对于是否需要ODS，数据仓库的逻辑架构和物理架构的设计以及数据集市的结构等都要进行认真的设计。业务驱动的系统容易出现问题使初期的数据整合很难拓展为企业的数据仓库，所以在设计时，需要特别关注系统的整体架构。

管理角度。①领导参与。商务智能项目与企业其他信息化工程一样，是一把手工程。在项目实施过程中，如果部门相互独立，相互协作就得不到保证。如果是IT部牵头，业务部应该有专人介入。否则，由于业务繁忙，业务部门的人员对项目的重视程度往往不够，很少发表意见或者参与项目决策，导致项目的失败，所以一定要由企业的一把手出面，各个相关部门有专人参加，参加的人对企业的业务比较熟悉，而且能领会领导的意图。②加强培训。项目前期需求需要引导和培训，项目中间需要对项目组人员进行技术工具培训，以便项目上线后，公司会有专人维护。因为商务智能项目是一个过程，必须根据业务需求，实时进行项目的开发。项目上线后还要对业务人员进行培训，特别是教会业务人员学会工具的利用，针对自己的需求自行进行项目开发[20]。

6企业BI的前景与趋势

商务智能从诞生到普及伴随着企业信息化进程的不断推进，正处在高速发展的阶段，经历着剧烈的变革，这其中既缘于技术进步的驱动，更缘于市场对企业BI提出的新需求，本文试从BI与搜索技术的融合方面讨论BI的未来趋势。

6.1BI与搜索技术的融合

目前企业实践中遇到的问题是，有价值的信息高度分散在企业的各个角落，这是信息管理领域早已公认的事实，同时也是多年来未被攻克的一个难题。在BI的数据挖掘技术不断演进的同时，隐藏于一个简单Web页面之后的企业搜索技术的介入，有望为企业用户提供一条快速、简单且更加理想化的信息访问通道。在BI运行过程中，敏捷、准确地制作报表并分析是恒定不变的法则，但是在数据的实时展现和信息获取的易用性方面，BI与用户的实际期望值之间一直存在距离。虽然各大BI厂商都力图把自己的产品打造得更贴近客户需求、界面更友好，但BI报表定制对绝大多数的企业员工而言，依然是一个神秘的领域。企业业务信息的掘取似乎是那些统计学专业人才方能胜任的工作。最近几年来，BI厂商一直在寻找让BI应用更加平民化或大众化的方法，但直到BI与企业搜索技术交叠之后，才使用户看到了BI应用最有价值的一面。

BI与搜索技术的融合带来的明显好处有两个方面：①BI数据更易于访问，用户不必知道信息来自何方，这是搜索为BI领域带来的革命性改变[21]。具体来说，就是用户在进行BI数据访问时，并不需要了解在企业搜索引擎背后数据收集、数据过滤、报表定位以及报表重建等步骤是怎样运作的。他们所要做的只是熟悉企业搜索引擎的使用方法，了解它和基于Web的消费类搜索引擎的细微差异，以及如何使用它的高级搜索选项。②整合结构化与非结构化数据。回顾BI的技术发展史，传统BI 主要提供结构化信息的搜索。但对于非结构化数据的搜索，一些BI厂商提供的文本挖掘技术覆盖能力有限。在技术的区分方面，结构化数据搜索主要包含数值计算和分析技术，非结构化数据主要围绕关键词、主题词或元数据的搜索，其核心技术仍是结构化查询。企业搜索技术将帮助企业解决非结构化数据检索问题。其关键作用是扩大数据查询和分析的范围，建立结构化与非结构化查询结果的关联关系，有效弥补BI数据挖掘和文本挖掘技术的不足。

BI与搜索技术融合的构想一经提出，就被寄予了厚望。人们希望这种融合能够解决那些长期悬而未决的问题。以Google One Box为代表的企业级搜索产品的成熟更是让BI行业发生了很多改变，但我们也必须正视这一领域所面临的困难。传统BI所实现的结构化数据搜索无法向用户提供上下文关联信息，这样的问题最终会通过元数据搜索的介入而得到解决，就像在数据库领域XML所获得的成功一样。但是在目前，海量的结构化数据与非结构化数据的结合仍是一个难题。非结构化数据搜索的挑战在于，如何驾驭如此庞大、高容量的文档信息[22]。

BI与搜索的融合不是单纯易用性的改进，需要解决的关键问题包括实施成本、技术标准化等。虽然现有的解决方案已经能够支持企业对BI与搜索系统的同步部署，但是分步实施仍是最佳选择。企业BI实施者需要协调BI和搜索的部署特性，BI项目强调以客户应用为中心，而搜索强调技术标准化，在技术融合过程中需要加以调和。真正的融合应该是无缝的，BI与搜索在现阶段的融合表现显然与这一标准还有很大距离。其中，结构化和非结构化数据搜索怎样自然结合是症结之一。结构化和非结构化信息的搜索技术是截然不同的，非结构化搜索的技术也有进一步的细分。非结构化数据搜索应该被更加准确地定义为文件检索技术，包含检与索两方面。检就是文档归类，在这一领域，SAS[23]等厂商所提供的文本挖掘(text mining)技术正趋向于成熟；索就是搜索，目前最成熟的是以Google为代表的蜘蛛(spider)技术。

6.2BI在物联网中的应用

自2009年物联网受到各行各业的重视后，物联网的声音一直没有中断过，对于能够成为推动产业发展以及推动整个社会进步的一项重要技术，物联网无疑成为当前以及未来的热点。物联网作为一种与互联网、移动互联网同等重要的网络，随着技术的日益成熟，应用日益普及，市场规模将会达到数万亿元。正如物联网报告指出，物联网具备的条件最后需要智能处理，需要通过庞大系统来进行智能分析和管理，而这个智能分析管理就是当前被企业管理者以及CIO所持续关注的商业智能（BI）[24]。

当前，商务智能已经成为企业信息化建设的下一个目标，企业的领导决策者以及业务人员希望通过引进商务智能来了解市场动态、企业的内部管理等，对于商务智能的需求越来越强烈。从企业对于商务智能的需求映射到物联网的发展，看似不同，但其本质的发展都是一样的。如果把物联网看成一个“企业”，那么这个“企业”就是一个多元化的覆盖不同领域、不同行业的企业，它所产生的数据、信息会相当巨大，如何把这些数据进行分析、转换成有效的信息以及实现智能的管理，显得尤为重要。 关于物联网与商业智能，在物联网报告中同样是这样定义的：物联网是一个智能的网络，面对采集的海量数据，必须通过智能分析和处理才能实现智能化。因此，商务智能将大有可为。

虽然，我们看到物联网对于商业智能的需求同样也很强烈，但商业智能在物联网的部署并不是一步到位的，物联网的海量数据对商务智能提出了新的要求：①实时商务智能，即随时随地实现商务智能。受内部和外部的、可预见的和突发事件的影响，物联网任何一个应用端均需要对瞬息万变的环境实时分析并做出决策[25]。②分析速度更快。实时商务智能要求其分析速度更快，这就使商务智能不得不进行架构上的改变。BI专家指出，以前的BI都是把它存储在硬盘上面，数据和硬盘有接口互相交换，这种交换限制了速度的提高。以前的BI只是一个软件，如果用户要分析的话，把它通过网络连接到服务器进行计算就可以了。但现在，BI 企业没有完全将BI固化到硬盘里，而是和硬件厂商进行绑定，推出一个专门为分析而制定的软硬结合的工具，从而大幅提高分析速度。③数据质量控制。海量的数据如果不能保证数据的真实性，那么就会产生错误的结果和判断，后果非常严重。因此，数据质量控制是获得真实结果的重要保证。④关键绩效指标分析、即时查询、多维分析、预测功能以及易用的数据挖掘等也是BI必不可少并需要不断加强的地方。

参考文献：

[1] 王茁,顾洁.三位一体的商务智能（BI）——管理、技术与应用.北京:电子工业出版社,2004.

[2] Gartner Group Inc.Gartner BI summit 2008: Q&A with Howard Dresner. Intelligent Enterprise,2008,11(3)：1.

[3] Edward R. The war on information clutter. Business Week.[2010-12-19].

/archives/1991/b321146.arc.htm.

[4] Inmon, W H. The data warehouse and data mining. Communications of the Acm,1996,39(11): 49-50.

[5] Inmon W H, Welch J D, Glassey K L. Managing the Data Warehouse. New York City ：John Wiley & Sons,1996.

[6] Inmon W H, Imhoff C, Sousa R. Corporate Information Factory. New York City：Wiley, 2001.

[7] Jenkins M, Alleyne S. What"s our business?. Black Enterprise, 2005,36(3):71.

[8] 李萍,张道宏. 论商务智能的应用与架构. 西安邮电学院学报,2005(4):8-11.

[9] 宗平,王文杰. 主流商务智能软件分析. 计算机工程与科学,2006,28(12):4-6.

[10] 龙青云，胡巧多. 商务智能的架构体系和技术工具.北京：AECC 专题学术研讨会论文集，2007：152-155.

[11] 张巧. 商务智能发展现状与趋势分析.中国证券期货,2009(2):14-17.

[12] 宋丽丽，王嵘冰. 商务智能系统的数据体系结构研究. 辽宁大学学报，2009,36（1）：55-59.

[13] 朱晓武.商务智能的理论和应用研究综述.计算机系统应用,2007(1):114-117.

[14] Shake S M, Gembick M P. The waroom gudie to competitive intelligence. New York: McGraw-Hill,1999.

[15] Rouibah K, Ould-ali S. Puzzle: A concept and prototype for linking business intelligence to business strategy. Journal of Strategic Information and System,2002,11(2):133-152.

[16] Forrest Research. Business Intelligence.[2010-12-19]./go?docid=39218&src=45351pdf.

[17] 计世网. IDC:商务智能2010年规模达19亿英镑.[2010-12-19]..cn/cio/data/ccw/sb/htm2007/20070207_240762.asp.

[18] 邹大斌.商务智能:在危机中找机会.计算机世界,2009(3):1-2.

[19] 余长慧,潘和平.商业智能及其核心技术.计算机应用研究,2002(3):14-16.

[20] 胡翠华,陈登科.商务智能在我国的发展现状、问题及其对策.科技管理研究,2007(10):50-52.

[21] 张革伕.现行商务智能及其局限性与发展策略研究.电子商务,2008(2):84.

[22] 焦慧敏,汪林林.商务智能在现代企业中的应用与研究.计算机工程与设计,2006(7):2503-2506.

[23] SAP公司.SAP产品白皮书（2000）.[2010-12-19]. /china/solutions/business-suite/brochures/index.epx.

[24] 吴勇毅.值得关注的BI未来新趋势.信息与电脑,2010(11):31-33.

[25] 周瑾.商务智能与知识管理对比分析.情报杂志,2007(3):80-83.

[作者简介] 周格非，男，1988年生，硕士研究生，发表论文3篇。

推荐访问:实施 前景分析 智能 研究 商务