商務智能:實施研究與前景分析

[摘要] 對商業智能（BI）的特性、架構、技術等進行歸納分析，重點討論企業BI的實施過程，研究企業實施BI的策略，結合當前市場、技術等因素認為SaaS、云計算是BI的未來發展方向，最后分析BI與知識管理的關系以及BI在物聯網中的運用。

[關鍵詞] 商務智能 部署 趨勢 SaaS 云計算

1引言

隨著經濟全球化和信息時代的到來，企業所處的環境更加復雜多變，市場競爭更加激烈，企業自身的組織結構也越來越復雜、規模越來越龐大。在此環境下，企業要想求得生存和發展就必須高效運營、正確決策、快速響應。這就需要有工具來幫助企業對經營過程中產生的大量數據和資料進行收集、整理、分析和評估，據此做出正確的預測，從而實現從數據到信息、從信息到知識、從知識到利潤的轉化。

企業以前是通過信件、電話或是傳真與客戶聯系，現在正努力進行數據化、信息化，因為它需要對客戶的動態做出更快的響應，提高服務水平并降低成本。企業資源規劃(ERP)、銷售終端(POS)、市場調查、供應商、客戶、網絡、政府部門等都在不斷地給企業添加數據，實際上平均每18個月企業的數據量就翻一番，但并不是全部的數據都能被分析和利用，有專家估計，目前被利用的數據只有5%-10%[1]。大量的數據是冗余、不相關、不完整或者質量很差的。怎樣才能把大量的數據迅速轉換成可靠的信息，發現數據背后隱藏的信息和知識，商務智能（business intelligence，BI）因此而誕生。BI的核心價值在于它能夠把信息轉換為知識，然后把知識轉變成利潤。

2相關研究回顧

商務智能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，通過應用基于事實的支持系統，來輔助商業決策的制定。BI技術提供幫助企業迅速分析數據的技術和方法，包括收集、管理和分析數據，將這些數據轉化為有用的信息，然后分發到企業各處。

1990-1995年，對BI的研究主要基于數據庫、數據建模，Edward R. Tufte[3]在1990-1991年間發表的關于信息，特別是信息定量可視化的著作為BI研究奠定了基礎。Inmon[4]于1994年提出數據倉庫的概念，1996年發表的Managing the Data Warehouse[5]成為數據倉庫的里程碑，1997年出版的Corporate Information Factory[6]為數據倉庫和數據挖掘建立了著名的信息工廠的框架。1998年以后BI的研究逐漸增多，Larry Kahaner[7]提出競爭智能，還有一些學者對數據倉庫和數據挖掘技術、數據質量、機器學習等不同方向進行研究。2001年以后，BI的研究主題從技術層面上升到了企業戰略層面，如平衡計分卡、戰略競爭分析等。

國內方面，王茁的《三位一體的商務智能管理、技術與應用》（2004）是一本全面介紹BI概念、框架、實施等方面的專著，從組織管理、技術實施、行業應用幾個維度對BI進行了詳細的探討[1]。李萍等（2005）研究了BI實施的戰略、運營和商務三個層面[8]。宗平等（2006）對主流的BI系統進行了橫向對比分析研究[9]。龍青云等[10]（2007）歸納分析了BI的組成部件及其功能，列舉了BI實施中的技術工具。張巧[11]（2009）研究了目前國內BI的框架結構及關鍵技術，歸納了實施現狀與未來趨勢。宋麗麗[12]（2009）從BI的數據結構角度研究了BI在技術上的具體實現方法。

從文獻調研中可以看出，國內學者對BI的研究分為兩種類型：①從普及、介紹的角度，對BI的概念、構成和功能等進行全面的介紹，包括對市場中已有的BI軟件系統進行對比分析，這一類型的研究目的是導入BI的概念；②有計算機等專業背景的學者，多從編程、數據庫架構等技術角度對BI的實施和部署進行研究，還包括對BI在不同行業領域內的應用的探討。調研發現，國內這兩方面的研究都缺少從具體實施、發展變化等組織與管理角度對BI的探討。按照一般的概念，BI不是簡單的一個軟件應用，也不是一組軟件技術的堆積，而是一種建立在軟件應用基礎上的解決方案，單純的軟件部署只占BI中很有限的部分，在具體實施中一方面要面對企業組織管理方式的變革、商業流程的再造甚至是核心競爭力的改變等與組織管理、企業文化這類非技術因素相關的問題；另一方面BI作為軟件技術的有機組合，還要面對飛速發展的新技術、新環境對BI提出的變革需求。因此，企業要想通過實施BI來增強其競爭實力，優化業務流程，僅僅靠概念普及、技術實現是不夠的，本文立足于BI的實施，從BI實施中遇到的問題、相應的對策、可能面臨的挑戰與變革等方面出發開展探索，力求從非技術角度對BI在企業中的實施與應用提供可行的研究分析思路。

3BI的概念

BI通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。企業中的數據包括：①來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商的數據；②來自企業所處行業和競爭對手的數據；③來自企業所處的其他外部環境中的各種數據。

目前，企業界、學術界對商業智能的定義并不統一，例如：

IBM(企業界)[13]認為BI是一種能力，通過使用企業的數據資產來制訂更好的商務決策。企業的決策人員以數據倉庫為基礎，經過各種查詢分析工具、聯機分析處理或者是數據挖掘加上決策人員的行業知識，從數據倉庫中獲得有利的信息，進而幫助企業提高利潤，增加生產力和競爭力。

Olszak(2002，學術界)[14]認為BI是一系列的概念、方法和流程的集合，其目標不僅僅是幫助決策，而且支持企業的戰略實施。它的主要任務是面向不同信息源的智能瀏覽、集中、綜合以及多維分析。

本文在閱讀文獻的基礎上，結合國內外BI實施情況，參照王茁的觀點，總結認為BI是一種解決方案，它的核心任務是從許多來自不同的企業運作系統的數據中，提取出有用的數據，進行清理以保證數據的正確性，然后經過數據、轉換、裝載（ETL，extraction，transformation，loading）抽取過程，合并到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最后將知識呈現給管理者，為管理者的決策過程提供支持。

4BI的技術結構與功能

雖然BI不能簡單地理解為一些軟件及數據庫的組合，但是IT技術在BI中還是發揮了基礎性的作用，支持從數據的收集、儲存到整合應用等整個商務智能運行環節，其中與BI實現的功能相對應的關鍵技術包括數據倉庫技術、OLAP技術、數據挖掘與可視化技術等，關于BI技術的討論不是本文的重點，但作為對BI進行研究不可缺少的一個方面，研究BI的技術結構與功能還是必要的。

針對BI的系統結構，不同的組織、學者、機構等針對各自研究重點與領域給出了許多不同的結構模式，這是一種非常正常的現象，因為BI本質上是服務于企業管理與決策的由一組軟件技術構成的解決方案，并不是靜態的軟件包，BI面對不同的應用、行業必須呈現出不同的結構和功能，以滿足具體的應用需要，沒有必要追求BI結構的形式上的統一。

本文以BI的核心——數據倉庫為基礎，以美國數據倉庫研究院給出的BI架構為例說明BI的技術結構。

數據來源:美國數據倉庫研究院（www.dw-institute.com）

美國數據倉庫研究院的商務智能架構由左右兩個部分組成:左邊為數據倉庫環境，右邊為分析環境。其中，數據倉庫系統是商業智能應用的核心，它是整個系統存儲和管理數據及信息的地方。

商務智能技術，也即企業利用數據倉庫、數據挖掘、在線分析處理、決策支持系統等現有信息系統對企業經營過程中產生的大量結構化和非結構化商務數據和信息進行收集、整理、分析，以便輔助企業做出正確決策，采取有效商務行動，優化商務流程，是全面提高商務績效的工具、方法、技術的統稱[15]。商務智能技術是企業提升智能化決策水平的一系列關鍵技術，是多項技術交叉在一起的復合應用。

商務智能技術是企業智能化決策的重要手段和工具，其基本應用包括個性化的信息分析、預測、輔助決策。商務智能支持企業內各種角色的應用：戰略決策層將通過建立戰略企業管理模式的商務智能系統來實時了解企業對戰略目標的執行程度；中、高層管理人員通過建立運營智能系統來隨時了解企業運行情況；企業分析研究人員則可通過商務智能分析工具對企業現狀進行分析，向高層領導提供分析結果，支持決策。商務智能提供了一種戰略的、戰術的、功能性的框架在組織中處理商務分析需求。

5BI在企業中的應用

5.1企業對BI的關注

商業智能軟件市場方興未艾，為低迷的IT產業帶來了一束曙光。根據弗瑞斯特研究中心[16]的調查發現，2008年底有44%的企業表示，計劃在今年購買BI軟件。根據IDC報告[17]的數據，在2012年之內，商業智能市場不包括日本在內的亞太地區規模將從2005年的3.4億美元擴大到2010年的6.39億美元。正是看到了BI市場的巨大前景，一些IT服務提供商紛紛推出自己的BI軟件，如Oracle、微軟、IBM公司、國內的金碟公司等。

5.2企業BI的部署

從技術角度說，BI 是一種運用了數據倉庫、在線分析和數據挖掘等技術來處理和分析數據的技術，目的是為企業決策者提供決策支持，但技術并不是BI的全部，BI是管理手段和信息技術的融合。企業級商業智能的構建是一個系統工程，它有三個層次，需要一步一步建設。第一個層次business i-Mode是整個BI工程的基礎，第二個層次business integration 是整個BI工程的技術實現基礎，第三個層次business intelligence才是真正意義上的商業智能的軟件實現，如圖2。這三個層次相輔相成，缺少任何一個層次，企業都沒有辦法形成完整的BI體系。

5.3企業BI部署遇到的問題及對策

我們知道沃爾瑪是應用企業BI提升競爭力的典范，沃爾瑪通過使用BI對零售業務流程進行全面詳細的數據分析，在物流、定價、選面等幾個關鍵成功因素方面都取得了巨大的競爭優勢，但是我們也要知道，像沃爾瑪這種把信息技術運用到極致的企業，還是相對少的，在國內，中國本土企業在BI應用上依然鮮有作為。雖然工商銀行、民生銀行、廣東發展銀行等金融企業和樂百氏、雙匯這類傳統企業都在著手建立BI系統，但目前還無法驗證應用的效果到底如何[18]。

相關統計數字顯示，在國外，投資建設BI的企業有60%-70%以失敗告終，而在中國，這個數據可能會更高。其中的原因有很多，比如缺乏歷史數據支持、理解上存在誤區等。據澳信傳媒集團2008年9月發布的《第三屆中國IT技術趨勢調查》總結報告顯示，已經有60%以上的企業開始了商業智能項目的開發和應用，雖然這已經是一個很不錯的比例，然而，從諸多調查數據中可以看出，商業智能應用實際上并沒有像業界預測的那樣，產生井噴式的增長，傳統的數據庫應用包括數據處理和存儲等依然在數據庫應用中占據較大的比例。簡言之，目前還存在諸多因素阻礙企業開展商業智能應用。

5.3.1BI實施困境的成因

● 與組織結構、經營管理方面相關的原因包括：①實施過程難以控制；②協調配合難度大，如大型的BI項目需要多個部門的認真配合，如導入源數據到數據倉庫這么一個簡單環節也會同時牽涉到眾多部門的參與；③一把手支持力度不夠，參與BI的業務人員級別低、資金投入少以及BI系統上線后的使用者數量少且不專業；④領導層的意識里對BI存在錯誤認識，對于BI的期望值過高等，也會造成BI項目的失敗。

● 與具體操作層面有關的原因包括：①企業運營層不能提供可靠的信息，有許多商業人士不能確信他們企業內部的信息是否準確，很多企業的管理者表示他們因為缺乏可信的信息而做出過失敗的決策，可見數據的質量存在很大的問題，BI的有效應用，離不開數據的支持，如果沒有準確的數據，那么所要分析產生的報表、決策都與事實存在差距，將會導致整個決策的錯誤；②技術不成熟，目前只有報表、OLAP、儀表盤和統計分析等使用比較成功，而其他方面的應用還處于研發、摸索階段，例如對非結構化數據和質量不高的數據的處理，目前還缺少有效的實用工具；③國內大部分企業的信息化水平較低，一些企業的信息化水平甚至非常低，這就造成了在整個市場競爭中，信息化水平整體偏低的企業難以把BI做好、做出效果。

5.3.2BI成功實施的策略

BI系統對于企業發現市場新機會、創造競爭新優勢的作用是顯而易見的。但企業在真正實施BI過程中，并不是一帆風順或者很快就能達到理想目標的，有些企業在BI方面進行了巨額的軟硬件投資及人力投資卻并不能給企業帶來預期的管理效率。因而，必須注重BI應用的策略，本文從應用、行政、技術三個方面討論BI成功實施的可能策略。

●應用角度。①業務、目標主導BI。企業BI的實施要結合公司的實際，了解企業急待解決的問題，從管理層最關心的業務主題開始，比如應收賬款和賬期、現金流、生產質量、庫存或者促銷結果等。以業務趨動而非IT趨動BI，很多企業明白這樣的道理，即應該由業務部門的需求主導軟件的設計和開發。但由于業務人員的水平不足以提出未來管理模型架構，企業應該給予IT部門絕對的權威，讓它有權要求業務部門配合IT部門共同協商提出需求模型，以盡量準確地把握企業的業務發展方向。②進行BI成本控制。BI經常被企業視為龐然大物，非得花費個上千萬的預算才有可能辦到，而這些預算中，數據倉庫往往又是當中最耗費成本的。排除數據倉庫在建置時采用主題式、整合過的數據這類方法，數據倉庫本質上就是可以儲存大量數據的數據庫，從目前微軟的SQL Server 2005都宣稱能儲存TB級別的數據量來看，以較低成本建置資料倉庫事實上不難達成。③系統應用應具有簡易性。由于商務智能系統是為業務部門應用的，業務部門的需求也在不斷地變化，所以該系統不是設計好固定的界面讓業務部門來應用就可以了，而是一定要讓應用部門學會自己使用“傻瓜照相機”，不要所有的業務應用都讓IT部門專門為其開發并進行針對性的培訓，而應該使業務部門像使用日常辦公軟件一樣，能夠較為容易地掌握使用方法和基本的開發與拓展技術，可以及時地使用商務智能系統進行一般的分析、查詢和問題跟蹤工作。

●技術角度。①控制數據來源。導入BI系統，用意在發掘數據中的事實，由這個事實再發展出種種分析結果與面向服務對象的決策協助[19]。因此想要發掘出事實，有賴于“干凈”的資料數據。BI架構中，干凈的數據通常利用ETL工具達成，數據從來源到目的的清潔過程，每經過一個階段，數據就更具價值。而對于有ERP系統的企業，這個問題較小。②注重數據分析：要成立專門的數據分析部門。在國內，對數據分析師這個職位提到的還不多，國外有專家建議，如果準備上BI系統的話，一定要落實相應的數據分析部門。企業對數據進行優化的目的，是要從中找出最有價值的數據，這些有價值的數據挖掘出來后，如果沒有相應的人對其進行跟蹤處理，數據的價值也就只停留在被用于迅速做出報表的層面了。③分段的設計思想。在數據倉庫的設計中，要考慮將數據倉庫和業務系統相對隔離，將數據倉庫和分析應用相對隔離，BI實施前，要對項目的整體規劃、技術架構、分步實施進行規劃，對于是否需要ODS，數據倉庫的邏輯架構和物理架構的設計以及數據集市的結構等都要進行認真的設計。業務驅動的系統容易出現問題使初期的數據整合很難拓展為企業的數據倉庫，所以在設計時，需要特別關注系統的整體架構。

#61548;管理角度。①領導參與。商務智能項目與企業其他信息化工程一樣，是一把手工程。在項目實施過程中，如果部門相互獨立，相互協作就得不到保證。如果是IT部牽頭，業務部應該有專人介入。否則，由于業務繁忙，業務部門的人員對項目的重視程度往往不夠，很少發表意見或者參與項目決策，導致項目的失敗，所以一定要由企業的一把手出面，各個相關部門有專人參加，參加的人對企業的業務比較熟悉，而且能領會領導的意圖。②加強培訓。項目前期需求需要引導和培訓，項目中間需要對項目組人員進行技術工具培訓，以便項目上線后，公司會有專人維護。因為商務智能項目是一個過程，必須根據業務需求，實時進行項目的開發。項目上線后還要對業務人員進行培訓，特別是教會業務人員學會工具的利用，針對自己的需求自行進行項目開發[20]。

6企業BI的前景與趨勢

商務智能從誕生到普及伴隨著企業信息化進程的不斷推進，正處在高速發展的階段，經歷著劇烈的變革，這其中既緣于技術進步的驅動，更緣于市場對企業BI提出的新需求，本文試從BI與搜索技術的融合方面討論BI的未來趨勢。

6.1BI與搜索技術的融合

目前企業實踐中遇到的問題是，有價值的信息高度分散在企業的各個角落，這是信息管理領域早已公認的事實，同時也是多年來未被攻克的一個難題。在BI的數據挖掘技術不斷演進的同時，隱藏于一個簡單Web頁面之后的企業搜索技術的介入，有望為企業用戶提供一條快速、簡單且更加理想化的信息訪問通道。在BI運行過程中，敏捷、準確地制作報表并分析是恒定不變的法則，但是在數據的實時展現和信息獲取的易用性方面，BI與用戶的實際期望值之間一直存在距離。雖然各大BI廠商都力圖把自己的產品打造得更貼近客戶需求、界面更友好，但BI報表定制對絕大多數的企業員工而言，依然是一個神秘的領域。企業業務信息的掘取似乎是那些統計學專業人才方能勝任的工作。最近幾年來，BI廠商一直在尋找讓BI應用更加平民化或大眾化的方法，但直到BI與企業搜索技術交疊之后，才使用戶看到了BI應用最有價值的一面。

BI與搜索技術的融合帶來的明顯好處有兩個方面：①BI數據更易于訪問，用戶不必知道信息來自何方，這是搜索為BI領域帶來的革命性改變[21]。具體來說，就是用戶在進行BI數據訪問時，并不需要了解在企業搜索引擎背后數據收集、數據過濾、報表定位以及報表重建等步驟是怎樣運作的。他們所要做的只是熟悉企業搜索引擎的使用方法，了解它和基于Web的消費類搜索引擎的細微差異，以及如何使用它的高級搜索選項。②整合結構化與非結構化數據。回顧BI的技術發展史，傳統BI 主要提供結構化信息的搜索。但對于非結構化數據的搜索，一些BI廠商提供的文本挖掘技術覆蓋能力有限。在技術的區分方面，結構化數據搜索主要包含數值計算和分析技術，非結構化數據主要圍繞關鍵詞、主題詞或元數據的搜索，其核心技術仍是結構化查詢。企業搜索技術將幫助企業解決非結構化數據檢索問題。其關鍵作用是擴大數據查詢和分析的范圍，建立結構化與非結構化查詢結果的關聯關系，有效彌補BI數據挖掘和文本挖掘技術的不足。

BI與搜索技術融合的構想一經提出，就被寄予了厚望。人們希望這種融合能夠解決那些長期懸而未決的問題。以Google One Box為代表的企業級搜索產品的成熟更是讓BI行業發生了很多改變，但我們也必須正視這一領域所面臨的困難。傳統BI所實現的結構化數據搜索無法向用戶提供上下文關聯信息，這樣的問題最終會通過元數據搜索的介入而得到解決，就像在數據庫領域XML所獲得的成功一樣。但是在目前，海量的結構化數據與非結構化數據的結合仍是一個難題。非結構化數據搜索的挑戰在于，如何駕馭如此龐大、高容量的文檔信息[22]。

BI與搜索的融合不是單純易用性的改進，需要解決的關鍵問題包括實施成本、技術標準化等。雖然現有的解決方案已經能夠支持企業對BI與搜索系統的同步部署，但是分步實施仍是最佳選擇。企業BI實施者需要協調BI和搜索的部署特性，BI項目強調以客戶應用為中心，而搜索強調技術標準化，在技術融合過程中需要加以調和。真正的融合應該是無縫的，BI與搜索在現階段的融合表現顯然與這一標準還有很大距離。其中，結構化和非結構化數據搜索怎樣自然結合是癥結之一。結構化和非結構化信息的搜索技術是截然不同的，非結構化搜索的技術也有進一步的細分。非結構化數據搜索應該被更加準確地定義為文件檢索技術，包含檢與索兩方面。檢就是文檔歸類，在這一領域，SAS[23]等廠商所提供的文本挖掘(text mining)技術正趨向于成熟；索就是搜索，目前最成熟的是以Google為代表的蜘蛛(spider)技術。

6.2BI在物聯網中的應用

自2009年物聯網受到各行各業的重視后，物聯網的聲音一直沒有中斷過，對于能夠成為推動產業發展以及推動整個社會進步的一項重要技術，物聯網無疑成為當前以及未來的熱點。物聯網作為一種與互聯網、移動互聯網同等重要的網絡，隨著技術的日益成熟，應用日益普及，市場規模將會達到數萬億元。正如物聯網報告指出，物聯網具備的條件最后需要智能處理，需要通過龐大系統來進行智能分析和管理，而這個智能分析管理就是當前被企業管理者以及CIO所持續關注的商業智能（BI）[24]。

當前，商務智能已經成為企業信息化建設的下一個目標，企業的領導決策者以及業務人員希望通過引進商務智能來了解市場動態、企業的內部管理等，對于商務智能的需求越來越強烈。從企業對于商務智能的需求映射到物聯網的發展，看似不同，但其本質的發展都是一樣的。如果把物聯網看成一個“企業”，那么這個“企業”就是一個多元化的覆蓋不同領域、不同行業的企業，它所產生的數據、信息會相當巨大，如何把這些數據進行分析、轉換成有效的信息以及實現智能的管理，顯得尤為重要。 關于物聯網與商業智能，在物聯網報告中同樣是這樣定義的：物聯網是一個智能的網絡，面對采集的海量數據，必須通過智能分析和處理才能實現智能化。因此，商務智能將大有可為。

雖然，我們看到物聯網對于商業智能的需求同樣也很強烈，但商業智能在物聯網的部署并不是一步到位的，物聯網的海量數據對商務智能提出了新的要求：①實時商務智能，即隨時隨地實現商務智能。受內部和外部的、可預見的和突發事件的影響，物聯網任何一個應用端均需要對瞬息萬變的環境實時分析并做出決策[25]。②分析速度更快。實時商務智能要求其分析速度更快，這就使商務智能不得不進行架構上的改變。BI專家指出，以前的BI都是把它存儲在硬盤上面，數據和硬盤有接口互相交換，這種交換限制了速度的提高。以前的BI只是一個軟件，如果用戶要分析的話，把它通過網絡連接到服務器進行計算就可以了。但現在，BI 企業沒有完全將BI固化到硬盤里，而是和硬件廠商進行綁定，推出一個專門為分析而制定的軟硬結合的工具，從而大幅提高分析速度。③數據質量控制。海量的數據如果不能保證數據的真實性，那么就會產生錯誤的結果和判斷，后果非常嚴重。因此，數據質量控制是獲得真實結果的重要保證。④關鍵績效指標分析、即時查詢、多維分析、預測功能以及易用的數據挖掘等也是BI必不可少并需要不斷加強的地方。

參考文獻：

[1] 王茁，顧潔.三位一體的商務智能（BI）——管理、技術與應用.北京:電子工業出版社，2004.

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

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

http://www.businessweek.com/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，張道宏. 論商務智能的應用與架構. 西安郵電學院學報，2005(4):8-11.

[9] 宗平，王文杰. 主流商務智能軟件分析. 計算機工程與科學，2006，28(12):4-6.

[10] 龍青云，胡巧多. 商務智能的架構體系和技術工具.北京：AECC 專題學術研討會論文集，2007：152-155.

[11] 張巧. 商務智能發展現狀與趨勢分析.中國證券期貨，2009(2):14-17.

[12] 宋麗麗，王嶸冰. 商務智能系統的數據體系結構研究. 遼寧大學學報，2009，36（1）：55-59.

[13] 朱曉武.商務智能的理論和應用研究綜述.計算機系統應用，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].http://www.forrester.com/go?docid=39218src=45351pdf.

[17] 計世網. IDC:商務智能2010年規模達19億英鎊.[2010-12-19].http://www.ccw.com.cn/cio/data/ccw/sb/htm2007/20070207_240762.asp.

[18] 鄒大斌.商務智能:在危機中找機會.計算機世界，2009(3):1-2.

[19] 余長慧，潘和平.商業智能及其核心技術.計算機應用研究，2002(3):14-16.

[20] 胡翠華，陳登科.商務智能在我國的發展現狀、問題及其對策.科技管理研究，2007(10):50-52.

[21] 張革伕.現行商務智能及其局限性與發展策略研究.電子商務，2008(2):84.

[22] 焦慧敏，汪林林.商務智能在現代企業中的應用與研究.計算機工程與設計，2006(7):2503-2506.

[23] SAP公司.SAP產品白皮書（2000）.[2010-12-19]. http://www.sap.com/china/solutions/business-suite/brochures/index.epx.

[24] 吳勇毅.值得關注的BI未來新趨勢.信息與電腦，2010(11):31-33.

[25] 周瑾.商務智能與知識管理對比分析.情報雜志，2007(3):80-83.

[作者簡介] 周格非，男，1988年生，碩士研究生，發表論文3篇。