人工智能商业化应用篇1

如果2016年以前可以称之为大数据发展的“上半场”，其核心工作是大数据市场的教育，那么从2017年开始，大稻萁进入“下半场”，其核心任务是全面推进大数据的应用，特别是行业应用。和云计算一样，大数据也是企业业务转型升级的一个重要“抓手”。国家的重视与扶持为大数据产业的发展提供了一个良好的契机，那么大数据厂商和企业用户又该如何利用好这一契机，加速大数据应用的落地呢？

大数据是能力，更是一种素养

提到Qlik公司，可能很多人都不会感到陌生。2016年2月，Qlik再次位列GarLrteT商业智能与分析平台魔力象限报告的领导者象限，这已经是Qlik连续6年位列领导者象限。用Qlik大中华区董事总经理潘应麟（AriesPoon）的话说，Qlik是商业智能（BI）领域颠覆性的力量。

大数据概念的普及、云计算的应用，以及社交网络、移动应用在中国的快速兴起，促使中国企业用户更加关注大数据应用，同时也推动了商业智能在中国的迅猛发展。“2017年，可视化分析平台的探索将成为大数据应用的重点和热点之一。每个员工对大数据的认知和数据素养的提升，将进一步推动企业的大数据实践。“潘应麟表示。

2017年是数据化元年，这是Qlik给出的判断。未来，整个社会是以数据为驱动的，企业的决策是以数据为依据的。这是数据化带来的最大变化。实现数据化需要一个过程，不仅需要“趁手”的大数据工具，更需要具有数据素养的人。这里说的人既包括那些专业的大数据工程师和科学家，也包括企业普通的员工。毫无疑问，数据化将引领信息化的新风尚。

在数据化时代，有哪些新的趋势、热点值得关注呢？

在大数据刚出现时，很多人认为大数据可以取代商业智能。其实，大数据与商业智能并不矛盾，大数据只是一种实现商业智能的更先进、更有效的手段和方法。

传统的商业智能应用通常部署在企业内部，比如部署在企业本地的数据仓库。Qlik认为，2017年是云计算的一个爆发点，大量的商业智能应用将部署在云端，而且混合云的应用方式更受企业青睐。传统的商业智能主要工作是制作让领导看的各种报告和报表。传统的商业智能是管理层专享的。但是随着大数据技术的发展，以及可视化分析功能的增强，数据分析的效率持续走高，而数据分析的成本不断降低，即使是普通员工也可以做一些力所能及的数据分析和挖掘工作。现代化的商业智能成了大众的“福利”。

以前，企业出于集中管理的需求而采用商业智能系统，看重灵活性与规模化，有时可能会为了达到管理的目的而牺牲敏捷性。潘应麟表示，从2017年开始，现代化商业智能将逐渐取代传统商业智能，追求弹性和开放平台，让更多的员工受惠。

大数据分析再也不是少数管理层和专家的专利。客观上，自助式的可视化分析工具的成熟促进了大数据应用的“平民化”发展，让那些希望自己掌控信息的处理、分析和挖掘的企业有了更多的主动权和选择权。以前，企业为了分析而分析，分析是目的。现在，分析是面向用户和需求的，分析的焦点转向了定制分析应用和应用中的分析。大数据工具渐渐变成了一个易于获取的商品，一些桌面的可视化应用已经是免费的。未来，人们将以更低的成本、更快的速度实现可视化的分析，探讨数据，获得更深入的商业洞察。

大数据是一种能力，更是一种素养。大数据的概念刚出现时，很多人理所当然地将大数据认定为是“阳春自雪”，是只有大数据科学家才玩得转的技术和应用。但是，当人们发现大数据应用无处不在，给人们的工作和生活带来翻天覆地的变化时才逐渐认识到，大数据不应该被当成一门深奥的学科，只供理论研究，而应该成为每个企业甚至每个员工的一种能力，或者说应该具备的一种专业素养。

现在，许多大数据企业得到这样一种共识――人人都是数据科学家，它的意思是，即使你不具备高等数学、数据建模等专业知识，也可以轻松自如地应用大数据的工具、方法，快速获得想要的分析结果，并以此作为决策的依据和行动的指南。

企业要具备数据化运营的能力，员工要具备基本的数据素养。数据化可以解释为阅读、操作、分析和讨论数据的能力。这也是Qlik认为的数据素养的基本内涵。

“我们尝试建立一个大数据的培养体系，在普遍提升企业员工的数据素养的同时，更多更好地培养大数据工程师、大数据科学家。”潘应麟表示，“我们的最终目标是建立一个可信的数据化环境，让用户放心地使用数据。”

善于发现大数据商机

《规划》中提出了大数据的七大任务：强化大数据技术产品研发，深化工业大数据创新应用，促进行业大数据应用发展，加快大数据产业主体培育，推进大数据标准体系建设，完善大数据产业支撑体系，提升大数据安全保障能力。大数据的发展可以从行业入手，抓住几个热点领域，比如工业大数据、政府大数据、制造业大数据、安全大数据等，率先取得突破。

人工智能商业化应用篇2

商业智能(BI)从诞生之日起就带着贵族气息，因为高高在上，让很多人对BI望而却步。如何让商业智能走向大众化，让用户可以如同使用PC一样，把商业智能当作每个人的工具，一直是业界内热议和争论的问题。

传统的观点认为，商业智能软件是决策辅助系统、是“老板工程”，属于少数高管和专业分析人员。这部分人员，仅占组织的15％左右。近年来，随着商务智能软件的快速发展，其用户界面变得前所未有的简单，非专业人士都可以轻松使用。因此，不少软件供应商都表示，它们的商务智能解决方案可以把大众化的比例提高到组织的60％左右。

从15％到60％，是一个跨越性的飞跃，但离“大众化”还是有差距的。何谓“大众化”?“大众化”意味着商务智能将不是少部分专业人士的专利，而是贴近大众生活的、人皆可用的、人人可以理解的工具和手段。通过它，可以将复杂深奥的信息内容以一种平民大众的渠道表达、展现、诠释给最普通的用户。

在商业智能大众化的大潮中，笔者找出了其中的佼佼者和读者分享。

2009年1月12日，海地发生了大地震，灾难发生后，关于震情和救援的报道占据了各大报纸和网站的首页。作为美国新闻界的领头羊和风向标的《纽约时报》是如何设计它的报道呢?

地震前后同一个地点的卫星地貌照片被重叠放在了同一个窗口内，窗口内部有一个类似窗帘的分屏箭头，通过拉动它，你看到了同一个地点地震前后的变化。拉动分屏箭头的同时，还会自动浮现出相关的文字说明。

通过这种对比，可以看到地表遭受的巨大破坏和当地灾民无家可归的惨状：原来的公共绿地上，现在遍布灾民的帐篷。和两张地图简单地放到一起相比，这种信息表达方式增强了对比效果，使对比更加直观、一目了然。

再看看另外一个小例子：已经持续一年多的美国经济危机让不少人都丢了工作，谁失业了?谁还将失业?这是一个人人都关心的民生话题。《纽约时报》对此做出的数据分析令人耳目一新、印象深刻，商业智能大众化的路线可谓走得炉火纯青。

所有不同人群的失业情况都囊括在一张图表当中。图的上方是“种族”、“性别”、“年龄”、“教育水平”等4个维度的查询定义选项，四下选择点击之后，你就看到了你所关心群体的失业率变化曲线，这条曲线在众多的曲线当中变成了蓝色。你可以清楚地和代表整体的基准曲线对比。更绝的是，每次点击之后，曲线上上下下的跃动和重叠使读者轻松得获得了和其它群体的失业率对比的印象。此外，移动你的鼠标，每条曲线都会出现小段文字说明。

(有兴趣的读者，可以点击链接到网站亲自体验。记住，这是大众化的商业智能，即使不懂英语，我也保证你能明白它在说什么!)

商业智能的应用注重信息的分析和整合，一个好的商业智能产品能够把复杂的信息内容视觉化、图象化、文字化，帮助用户看到不同事物之间的关系、差异以及发展的趋势和走向。如果仅仅是把两张照片并列在一起，信息并没有整合，没有增值，只是1+1=2，那就不是商务智能。在这两个例子中，《纽约时报》通过对信息内容独具匠心的整合，把零散的信息融合为新的知识，产生了1+1>2的效果，给商务智能如何走向大众化提供了很好的启发。

商业智能原来高高在上，由技术和分析人员一手把控的局面将一去不复返。商业智能在企业中的应用会越来越重视实用化，企业中高层管理人员甚至关键的业务人员通过BI的应用，将获得更有效的业务洞察力，并能够利用这种理解能力的提升来改进业务绩效。他们逐步倾向更多地介入企业BI应用的扩展，同时，BI技术的发展也使这种大众化的应用成为了可能。

由于各种原因，大部分中国企业在商务智能的应用方面还举步不前，甚至举棋不定，离大众化还有很长的路要走。但我们要看到，以构建IT运营平台为中心的时代即将过去，世界已经跨进了以信息分析和挖掘为中心的智能时代。这个大潮，浩浩荡荡，就在我们眼前。

链接

2009年后商业智能(BI)的五大预测

12月18日，在荷兰举行的Gartner商业智能(BI)高峰论坛上，专家们讨论了商业智能所面临的机遇与挑战。Gartner公开了对BI在2009至2012年期间的发展的五大预测。

预测1;2012年后，全球前5000强企业中超过35％的企业将无法随其业务与市场上的重大变化而作出敏锐的决策。

预测2到2012年，商务部门将控制至少40％的BI投资预算。

预测3：到2010年，20％的组织将通过软件即服务的业务模式(SaaS)获得具行业特色的分析应用软件。这种模式将成为BI投资组合的标配。

人工智能商业化应用篇3

关键词：商业智能；体系结构；数据仓库

1.商业智能(BusinessIntelligence,BI)的概述

怎样从业务数据中提取有用的信息，然后根据这些信息来采用明智的行动--这就是商业智能的课题。因此，商业智能较为合理的定义应该是：如何通过技术手段对分散在不同系统的数据进行有效整合，从数据中获取有用的信息，再将这些信息转换为知识，用于商业决策。可见，BI并不是基础技术或者产品技术，而是一种解决方案。简而言之,它是能够帮助用户对自身业务经营做出正确明智决定的工具，是决策支持系统的最新技术和最新发展，BI=DB（数据库）+DW（数据仓库）+OLAP（在线分析处理）+DM（数据挖掘），是多种技术的集合，是人工智能技术的最新方法。BI是在ERP等信息管理工具基础上提出来的，是基于信息技术构建的智能化管理工具，它可以实时地对ERP、CRM、SCM等管理工具生成的企业数据进行各种分析，并给出报告，帮助管理者认识企业和市场现状，做出正确的决策。这个过程包括四个关键点：数据、信息、知识和决策。围绕这些关键点，从技术的实现方法来看，直接相关的技术主要是数据仓库技术和数据挖掘技术。从业务的角度来讲，则主要是知识和商业决策过程。

数据仓库包含两个含义：数据仓库数据库(DataWarehouseDatabase)和数据仓库环境(DataWarehouseEnvironment)。数据仓库主要是对分散在不同系统的数据进行收集、整理和分析，用于克服常常出现的信息孤岛问题，使机构对客户和自己内部有一个完整、准确的理解，更好地服务于客户，有效地管理内部。它是管理信息的基础工程，是企业和政府走向智能管理的关键和基石。数据挖掘主要是从大量的数据中提取潜在、有用的信息，并把信息用于决策之中的过程。

(1)商业智能的体系结构

所谓体系结构(Architecture)是指一整套的规则和结构，为一个系统或产品的整体设计提供主框架。而一个商业智能的体系结构是指通过识别和理解数据在系统中的流动过程和数据在企业中的应用过程来提供商业智能系统应用的主框架。

一个基本的商业智能体系结构，根据不同的商业需求可以得到与之相应改进的体系结构，使之更好地解决商务问题。例如，根据主题和数据分析的需要设计不同的数据仓库，选择合适的中间件和决策分析工具，预留不同的应用程序接口。

②网络环境下BI的体系结构

网络环境下的商业智能系统建立在基于流程的扁平化组织基础上，可以改变内部传统的基于职能的多字塔式的"科层制"组织模式，提高对市场及客户的反映速度，降低运营成本，实现物流、资金流、信息流的集成统一，实现事前、事中的集中计划与管理控制。网络环境

下的商业智能系统模型图略。

2.商业智能在商务领域的使用现状

20世纪80年代，数据仓库起源于美国，早期成功率并不高，不到50%。经过了一段艰苦历程，从90年代中期开始已经非常成熟，项目的成功率已经达到95%以上。而在美国这样的技术和应用领先的国家，数据挖掘得到大力推广也是1996年之后的事情了。但是，数据挖掘的实用性很快得到业内的认可，并迅速地推广到全球的许多地方，尤其是在欧美国家。

数据挖掘引入中国最早是在20世纪末，起步较晚。但是这一技术很快得到银行和电信的认可。从2000年开始，国内的一些企业已经开始建立数据仓库，确切地讲应该是开始探索和使用一些多维分析工具和前端展现工具。2003年，数据仓库在银行、电信等行业已经开始推广。期间数据挖掘在国内也已经开始推行，但这些都还处于启蒙时期。

数据仓库和数据挖掘的理念以及它们可能为企业、事业和政府所带来的经济效益和管理水平的提高已经得到普遍的认可。但是，这些技术距离有效推广和应用尚有一段路要走。从对于技术本身的把握以及应用的理解方面来看，目前我国和发达国家相比还有较大的差距。只是从硬件和通用软件的角度来看，似乎差别已不明显。事实上，我们很多企业的硬件产品先进程度已经远远超过国外的同行。造成这种现象有多种原因，其中包括但不仅限于大厂商的宣传、鼓动；企业的理念和方法的问题；企业的决策机制；目前国内厂商和企业的应用实施能力还不太高；企业的应用和理解能力有限等等。众多的原因导致了我们许多企业花钱不少，但效益不高。

也就是说，商业智能应用的规划、设计、开发、实施是一项相当复杂的系统工程。事实上，国内用户在发展商业智能应用的过程中确实遇到这样或那样的问题，这些问题有些涉及宏观的系统定位和应用发展理念，有些出于具体的实现步骤或技术，还有些是认识上的误区。

2.1统一需求和定位问题。

谈到商业智能系统需求的问题集中在：应用需求的不明确（具体业务部门提不出需求）、不急迫；企业决策层对该类系统的用途及如何得到投资回报不清楚；系统建设复杂(不知该如何设计模型、存放什么信息)，令人望而却步。这些问题实际上在某种程度上与东西方文化差异有关。

事实上，西方国家自工业革命之后，强调用可量化的尺度来描述生产、生活的各个方面，并由此发现和掌握其规律。相反，古老的中国文化则更注重经验、直觉和对人性的把握，对数据的依赖性就相对薄弱。

2.2复、受非技术成份影响大。

商业智能系统的可持续发展力差、系统常被废弃而后又重建，造成资源浪费；技术和概念停滞不前，应用上不去；且受非技术的影响大。这是国内目前商业智能应用较普遍的问题。有些人说，商业智能系统是"一把手"工程；这表面上看是对商业智能系统的肯定，但实际上是一个误区。基于这样的概念建立的商业智能系统，功能的单一是一定的，而且也是最容易遭受由于权力的更替而带来的灭顶之灾。

事实上，商业智能系统的应用面在一个企业中是多层次的，其广泛程度超过任何一个业务处理系统，但前提条件是各部门业务人员和管理人员具有基于数据、统计和分析去指导决策和行动的工作习惯。

2.3信息平台和应用的问题。

国内企业对商业智能的需求一般是从具体的应用开始，如大客户管理系统、领导决策支持系统、经营分析系统、财务管理系统等等。但这些应用的背后都需要数据仓库的支持。这样就引出了一个问题，是先开发应用还是先建立数据仓库平台。在信息平台和实际应用间有效地平衡，将系统的建设可分阶段实施、可持续发展是商业智能应用实施的关键。

2.4思维模式问题。

目前，国内企业商业智能系统实施过程中的一个主要的问题是带着明显的传统事务处理系统的思维模式。这种惯性的思维主要表现在：系统的设计仍沿用传统生命周期的思想，根据需求、开发应用，但商业智能的应用需求往往复杂多变;在商业智能系统实施方法学上显得落后;对商业智能领域的技术发展趋势的了解和把握还不足，在产品选型上对其技术路线和定位研究不透彻，在数据仓库核心的选择上一般单纯地以性能为衡量指标，动辄大搞性能测试，既不全面也不专业，殊不知查询性能在商业智能系统中是最容易被满足的。

2.5商业智能仅是业务报表吗？

许多企业会把实现现有业务报表的问题作为商业智能应用的开始，这虽然看起来是一条务实的途径，但实际上可以算是一个误区，其中隐藏着风险。企业领导每日看报表但并不关心报表从何而来。如果商业智能系统以报表起步，就必须向决策者解释这仅仅是最基础的功能。而我们的项目实施人员往往在这一点上很难与高层领导达成共识，毕竟"钓鱼工程"、"豆腐渣"工程在今天是太多了。因此，商业智能系统的建设必须满足报表，但更要超越报表，从一开始必须给企业的决策层感受到商业智能应用的威力。

2.6系统投资回报问题。

任何一个IT系统的建立都要讲究投资回报。整个商业智能应用的绝大部分时间都是在花钱：从数据的采集、数据仓库的存储、各种分析、挖掘的服务器和软件。而真正能够使商业智能应用赚钱的阶段则是因此得到正确的决策，并运用于企业的业务和市场。这是一个开环和闭环的问题。目前的国内企业，对闭环的问题考虑不多，即便是有了决策支持系统，问题是这些决策能否有通畅的渠道得以实施？

2.7应用条件成熟度问题。

有不少对商业智能有需求的国内企业，其传统的事务处理系统仍不完善，如零售行业、一些制造业企业和乡镇企业等。这在国外并不多见。但对国内企业来说，是否需要等到业务系统完善之后再考虑商业智能呢？实际上并不一定，因为市场竞争并不等人。实际上，数据采集的方式多种多样。即便是一个用笔和纸纪录业务过程的机构，也可以通过扫描和识别将数据汇入数据仓库或数据集市，实现分析决策。同时，我们还应该有概率统计的概念，在无法获得全部完整数据的情况下，系统通过概率加权，依然能够提供足够准确的分析。

作者简介:

人工智能商业化应用篇4

【关键词】商业智能企业信息化竞争力

随着全球信息化的发展，在世界各地、各行各业已掀起信息化的浪潮，信息化的层次也在不断演进，从MRP，MRPII，ERP到CRM，从数据仓库到数据挖掘，每一次变革都极大地推动着企业信息化的升级和企业管理水平的提高，功能强大的、面向事务型的信息系统在各个行业中大量应用。然而，这些应用都集中在前端的数据查询、存储和简单处理方面。现在企业已积累了大量的业务数据，有研究表明，平均18个月信息量就翻一番，但是能分析的数据估计只有7%。如何将大量的数据转换为可靠的信息以挖掘潜在的商机，已成为人们越来越关注的问题。由此，商业智能(BusinessIntelligence，简称BI)技术应运而生。本文就商业智能如何提升企业信息化以及在现实企业中应用模式进行探讨。

1企业信息化阶段模型

美国哈佛大学教授里查德·诺兰（Richard.Norlan）首先提出了信息系统发展的4个阶段，即开发期、普及期、控制期和成熟期，这是按时间顺序建立的四阶段模型。到20世纪80年代后期，信息系统的用途不断扩大，此时诺兰又提出了六阶段模型。即初始期、普及期、控制期、整合期、数据管理期和成熟期。这样诺兰模型已成为说明企业信息化发展程度的有力工具，是一个比较成功的模型，它在概念层次上对企业进行信息系统总体规划，对信息化的计划制定过程和衡量企业处于哪一个信息化发展阶段等方面提供重要参考。但是随着信息时代的发展，人们发现诺兰模型有其局限性，不能只是从计算机技术发展和人们接受使用计算机的水平来评价管理信息系统进程，而要从信息资源的有效配置、数据有效管理、系统有效集成，甚至还要从具体企业的信息化实施过程出发，所以就出现了业界普遍认可的企业信息化四阶段模型，这四阶段分别是：单一部门信息化，跨部门信息化，企业级信息化，产业链级信息化。如下表：

从这四阶段模型看，都是基于企业实现信息化过程，企业可以按照自己的具体情况实施信息化，不必按部就班按照诺兰模型的六个阶段。在现代企业信息化过程中，必须结合技术、管理、文化因素渐进地进行，使新的智能技术融入到企业管理中。

2商业智能内涵

商业智能这一术语1989年由GartnerGroup的HowardDresner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。DatawarehouseInstitute组织认为“BI是将数据转换为知识并将知识应用到商业行为上的一个过程”;GantnerGroup则认为“BI是将数据转换为信息的过程，然后通过发现将信息转化为知识”。简单地说，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识和洞察力，促使他们做出对企业更有利的决策。其实，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。为此，把商业智能看成是一种解决方案应该比较恰当。要深入认识商业智能，必须了解商业智能组织架构体系。

商业智能组织架构体系主要由数据仓库、OLAP以及数据挖掘三部分组成。

按照W.H.Inmon这位数据仓库系统构造方面的权威设计师的说法，“数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程”。这个简短而又全面的定义指出了表明数据仓库主要特征的四个关键词：面向主题的（subject-oriented）、集成的（integrated）、时变的（time-variant）、非易失的（nonvolatile），将数据仓库与其他数据存储系统（如关系数据库系统、事务处理系统和文件系统）区别开来。

联机分析处理(OnlineAnalyticalProcessing，简称OLAP)是一类软件技术，它帮助分析人员、管理人员或执行人员能够从多种可能的观察角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维度特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入理解。

数据挖掘是按照一定的规则对数据库和数据仓库中已有的数据进行信息开采、挖掘和分析，从中识别和抽取隐含的模式和有趣知识，并利用它们为决策者提供决策依据。数据挖掘的任务是从数据中发现模式。模式有很多种，按功能可分为两大类：预测型（Predictive）模式和描述型（Descriptive）模式。

3商业智能技术提升企业信息化程度

企业信息化进展到一定程度，数据量激增，面对海量数据，人们感慨数据丰富，信息贫乏。许多国内外企业纷纷决定采用商业智能技术解决出现的问题，从而提高企业的信息化水平。

3.1提升企业管理决策能力

在传统的经济环境下，企业老总往往可以参考不多的信息凭借经验直接给出决策。在网络经济环境下，这样制定出的决策往往是偏颇的。而现在事实上很多决策者仍在采用此种方法，因此提升战略决策者的洞察力是非常必要的。如果企业应用商业智能，战略决策者能够冲破自身的局限性，产生有意义的深远的洞察力。这是因为：决策者通过商业智能提供的图形、图表、表格等工具来陈述问题。图形和图表是一种直观的问题陈述方式，它强调数据之间的关系，管理者可以对图形或图表中的数据进行分析。相比传统的报表，管理者更能够尽快作出反映，提升分析问题的洞察力。有研究表明，26%以上的决策者不能够恰当的选择问题陈述工具以辅助问题解决。这种不恰当的选择，导致问题解决时间的延长及结果的偏颇。图形等陈述手段对决策者的启示作用是有限的，为了解决问题，进行相关信息的推理是非常重要的。它为决策者提供一个开始通过搜索或分析开始数据探索的出发点。这种向导式的分析，通过借助储存的专家系统可以给决策者带来新的理念，更新决策者的思想。向导和决策者间的交互激发了知识的产生，即决策者洞察力的产生。

3.2整合企业信息，提高报表分析

商业智能从技术层面上看，都是以数据仓库为基础，利用OLAP或数据挖掘技术根据决策者的需要从中提炼出各种表或视图。大致有几种类型。①企业级报表，这类报表生成器用来生成很好的格式化的静态报表，如财务报表、企业销售报表等。②立方体分析，它是基于立方体的商业智能工具向业务经理们提供简单的切片和钻取分析能力。③任意查询和分析，如关系型OLAP(ROLAP)工具供超级用户对数据库进行任意的访问，对整个数据库进行切片、钻取，从而分析到最细粒度的交易信息。④统计分析和数据挖掘，它是通过统计分析和数据挖掘工具，可以使用各类模型进行预测或者寻找两个变量之间的因果相关性。⑤报表分发和预警，它是基于报表分发机制，可以根据订阅、调度或者数据库中的触发事件向大量的用户群发送整个报表或者告警信息。

4企业信息化中商业智能典型应用

4.1商业智能典型应用

在竞争激烈的市场经济中，那些企业需要具有商业智能的软件，主要集中在竞争激烈的数据密集型的生活消费品行业和零售业以及金融服务业：如银行、保险等。使用商业智能都可以立竿见影地带动销售，这一点在零售业表现最为明显。这就是商业智能中的销售管理，它通过系统存储的产品销售信息建立销售模型，分总体销售模型和区域、部门销售模型，对产生不同结果的销售模型分析其销售量和销售策略，进行销售影响的因素分析和评估，根据不同的销售环境对相应的产品销售方案进行改进和创新，及时落实产品上架和下架计划，提高企业营销额。通过对历史数据的分析还可以建立提高销售量的预测模型。但是国内的生活消费品行业和零售业利润薄，信息化程度低，资金实力不强，没有足够能力实施。反而是电信、金融、航空等行业被商业智能厂商们看好，因为在国内这些行业的信息化程度高，并且这些行业从某种意义上都是服务业，客户的需求在这些行业中扮演着重要角色，准确、科学地把握客户的需求是身处这些行业的企业决策者们孜孜以求的东西，所以利用商业智能建立客户关系管理尤为重要。建立以客户为中心的数据平台集成客户信息，能有效保证客户信息的集中、统一和规范并从中挖掘出有价值的信息，就能获得更多的利润，帮助企业在适当时间、通过适当渠道、为客户提供适当的产品和服务。同时，通过发展曲线企业及时发现市场和顾客异常情况，快速采取措施，降低企业风险提高企业收益。如信用卡分析，银行、保险等行业的欺诈监测等。

4.2商业智能应用案例——中国光大银行国际结算系统

光大银行的国际结算系统于2001年正式运行，是光大银行的重要的业务，业务品种主要包括进口开证、到单、付汇、信用证通知、议付、结汇、转让信用证、出口托收、进口代收、进出口押汇、贴现、包买票据等，并实现了与SWIFT、会计系统接口。国际结算系统上线运行一段时间后，面临的问题是无法解决有效地利用数据进行分析，为决策提供强有力的支持。所以急需建立一套强大的报表和统计分析系统，提供给光大银行总行和各分支行的业务人员、管理人员对国际结算业务的经营和收益进行深入分析。

光大银行建立面向国际结算部的数据分析系统，该系统利用光大银行国际结算系统积累的大量有价值的历史交易数据，国际结算统计分析系统真实地反映光大国际结算业务的经营状况、揭示其发展的规律和趋势，提供高质量的统计数据和报表，并且支持OLAP验证式分析功能。光大银行国际结算统计分析系统基于数据仓库和OLAP技术，提供一个易用、灵活、快速的，集成了分析、统计、报表、数据挖掘的商业智能系统。国际结算统计分析系统是一个全行集中的分析系统，分支行无需配备该系统的维护人员，最大限度地降低光大银行的维护成本；而且各级业务人员无需科技部门的协助就可以自己定制各种报表和分析报告。

国际结算统计分析系统：（1）提供及时、方便的信息获取的方法，涵盖国际结算业务系统统计分析需要的全部数据，以及汇款柜台系统的部分数据，保证数据的质量和及时性，可以通过多个角度、多个层次进行信息查询。（2）可以让业务人员方便地定义各种报表，得心应手地在报表中嵌入分析结果，并且支持报表下钻功能，最大限度的降低开发和维护成本。（3）支持快捷地绘制各种指标的走势曲线、对比柱图、占比图形，对数据进行内在关系和深度挖掘，为决策者作出正确的决定提供有力的依据。可以从机构、行和客户等角度分析国际结算业务的收益情况。（4）能够及时地对异常的情况进行告警，使决策者随时掌控全局。分级的等级评估更是预警、各种比较的有效方法。

光大银行国际结算统计分析系统为光大银行国际业务部的决策管理工作提供了强大的查询、统计、分析、数据挖掘、报表定制功能，极大地提高了工作效率和工作质量，并且减少系统的维护成本，达到较高的投资回报率。用户可以随时、随地掌握业务的变化和收益的变化，帮助用户从“市场占有率”观念转变为“利润贡献度”观念，从而在未来激烈的竞争中立于不败之地。

人工智能商业化应用篇5

【关键词】物联网商业模式创新分析

一、绪论

物联网，即“物物相连的互联网”，是指通过信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。随着技术的不断发展与成熟，物联网产业具有巨大的市场需求，成为国民经济新的增长点。业界公认，物联网将引发继计算机、互联网与移动通信网之后的世界信息产业的第三次浪潮。

商业模式是指公司从事商业活动的具体方法和途径，是企业间竞争和产业发展的基础。我国物联网产业目前仍处于初级阶段，商业模式还未成熟，威胁与机遇并存，亟需寻找合适的商业模式来作为支撑实现物联网产业的经济价值。本文以无锡为例，在大量调查研究和对现有物联网商业模式分析的基础上，针对未来物联网商业模式发展提出了几点建议。

二、无锡物联网发展与商业模式分析

在我国，物联网的建立还不成系统，大多物联网产业依旧停留在政府项目和概念发展的层次上，仍然处于产业发展的初步阶段。尽管其市场增长速度较快，但总体规模不容乐观。由于物联网产业的兴起时间不长，国内外基本同步，是我国抢占战略性新兴产业发展制高点的希望所在。

自2009年成立国家传感网创新示范区（国家传感信息中心）以来，无锡物联网建设发展已经初步形成了物联网人才和项目在无锡的集聚发展的态势。产业发展的载体建设和空间布局基本完善，产业发展的目标和路径初步确立，物联网企业和产业化项目不断增多，产业集群发展势头明显，部分企业显示出较好的成长性，核心关键技术研发取得重要突破。物联网产业规模快速增长，2011年全市物联网及相关产业产值达796亿元，其中核心产业实现销售收入475亿元，全市物联网产业年销售收入100万元以上企业有608家。创新资源快速集聚，全市已经聚集国内外物联网重点研发机构32家，包括中科院和新华社分别在无锡成立物联网研究发展中心和资讯中心，中国电科集团、中国航天科技集团、国家电网公司以及中国电信、中国移动、中国联通等大型央企分别在无锡布点建设了物联网科研机构；全国有17所重点高校在无锡设立了物联网学院或者研究中心。

产业的发展需要良好的商业模式作为基础。作为物联网发展的排头兵，无锡物联网产业目前存在的商业模式主要由以下五种。

1、政府买单型商业模式

自传感网创新示范区建设启动以来到2012年，无锡有76个物联网应用示范项目竣工，在建或拟建的经国家立项或推广的示范项目有10个，居国内物联网重点城市前列。其中无锡机场周界防入侵工程、220千伏西泾智能化变电站已经投入试运营；“感知太湖·智能水利”工程一期已完工，整个工程2012年年内建成；“感知环境·智能环保”工程的智能中枢——环境监控中心项目2012年年内已经封顶。

上述物联网示范应用基本都是由政府买单，因为目前物联网应用刚进入交通、民航、电力、工业等民生工程、公共服务领域，催生了一大批中小企业，正处于大规模产业化初期，需要政府为物联网产业的发展提供安全保障。政府为物联网发展具有战略性、全局性、示范性和某些公共服务、民生工程买单，有助于加强产业化过程中各行业各部门之间的互动与协调，能有效地保障物联网产业的顺利发展。

2、政企合作型商业模式

中国移动运营商与无锡市政府在TD网与物联网融合项目上的合作就是典型的政企合作模式。物联网与TD网的结合将成为中国自主知识产权发展的又一里程碑。中国移动主要提供技术服务，从推动TD网络融合、提升核心技术自主创新力、引导产业链的合作与发展、促进物联网商业用途的规模化等多个方面加速TD与传感网的融合发展，倾力打造物联网产业的新高地，在我国物联网发展的新时期发挥了更加积极的作用。

这种政企合作型商业模式能很好地利用双方的优势，政府强大的资金支持与企业先进的科研技术平台，强强联合以求发挥物联网产业更大的效用。政企双方可以广泛开展示范项目合作，在工农业以及公共服务等多个领域广泛运行，其中包括环境监测、要地防入侵、智能交通、智能家居、智慧城市、社区医疗健康工程、基于RFSIM的市民卡等，由点到面，逐步推广，形成产业重点化突破和规模扩大化增长格局，以推动物联网产业链的健康成长。

3、政府扶持、市场运作商业模式

无锡市江阴申港三鲜养殖有限公司与清华同方合作开发的鲥鱼养殖监控管理系统，将于近日建成，届时可实现智能化养殖，大大提高鲥鱼、河蟹的成活率和养殖的商业效益。以转变农业发展方式、提升信息化水平为目的，按照“政府扶持、院所支撑、市场运作、合作共赢”的运营管理机制，农业方面的物联网示范项目在无锡市风生水起，推动无锡市感知农业大步前行。根据《无锡市物联网应用示范工作三年行动计划》，从2012年到2014年，无锡市将重点在九大领域开展物联网先导应用示范项目，农业方面将以精准农业、智能畜牧和智能水产养殖为切入点，推进物联网行业应用，建立农业智能综合应用平台，实现对重点农产品的智能管理和辅助决策，并开展农产品的电子商务和全程溯源服务。

这种模式通过政府的作用力将物联网技术应用到农业的生产发展上，使传统农业更加智能化与人性化。促进该模式在农业应用项目中的全面实施，将进一步推进物联网技术在农业领域原材料生产与产品研发应用的结合，推动现代农业技术的快速进步。

4、厂商用户与科研机构联合推动型商业模式

2011年，有93项物联网应用示范项目在生态农业、平安家居、机杨安保等领域逐渐开展；2011年9月，国内首个基于物联网技术的智能交通项目——惠山智能交通工程一期启用后，锡澄路、惠山大道等主干道的交通通行能力提高了10%以上；2011年公安部门的“清网行动”中，依托公共安全物联网平台，通过人像比对识别技术抓获了8名逃犯。“智能化”格局的构建，使人们的生产、生活更加便利。

这类应用的推动力来自众多科研成果转化生产、生活应用的需求，科研机构充分发挥自身技术优势，将科研专利出售给有需要的厂商用户，合作开发出实用性的智能化方案，如环保领域的碳足迹监控系统、智能化城市交通系统等，此类商业模式在保障民生、促进社会生产生活健康发展方面发挥着重要作用。

三、我国物联网发展商业模式的选择

在市场竞争白热化、全球化浪潮席卷的今天，商业模式的重要作用越来越受到全社会特别是产业界的高度重视。随着物联网的发展，人们关注最多的是有关物联网核心技术的突破、标准的制定或者政策的支持以及应用规模的扩大和新的应用领域所带来的新机会，但物联网商业模式创新的缺失已凸显为阻碍物联网发展最重要的问题之一。无锡物联网发展之所以取得成功，与其良好的产业发展商业模式选择有关。从无锡物联网产业的发展和现有的商业模式来看，我们认为我国未来物联网商业模式应该主要包括以下几种。

1、政府主导型商业模式

这种由政府主导，建立物联网示范应用的模式，有助于快速启动市场，加强产业发展中各行业主管部门的协调与互动，有效化解新兴产业发展初期风险的不确定性，保障物联网产业的顺利发展。一般主要应用于物联网产业发展的初级阶段。其需求的创造作用和应用的示范作用十分明显。

2、运营商主导型商业模式

资金实力雄厚的的企业，如中国三大通讯运营商，可采用运营商主导型的商业模式，由电信运营商联合应用服务商自行开发标准化业务，建立信息化产品基础平台，形成智能终端或其它智能应用，依据定位的客户市场和客户群体共生需求特征提供全套业务和解决方案。运营商利用提供通道来收取费用，凭借公共平台，在项目运作中具有较强的竞争力。2009年，中国移动、中国电信和中国联通三家通信运营商分别进驻无锡建立研究中心，这对于运营商主导型商业模式的建立将提供强大的技术支持，更好地推动无锡“智慧型城市”的建设。

3、公共性平台服务模式

对于普遍性的行业以及该行业内大大小小的企业来说，物联网发展的难度较大，涉及硬件、软件、标准及运营等方方面面，需要公共平台的支持和服务。建立的公共平台将广泛服务于大规模的用户群体，势必将带动社会化的应用创新和生活方式的转变。对于拥有众多中小企业聚集的城市或者工业园区聚集地，适用于此类模式，政府在物联网服务平台上的大力投资和建设，对现代装备制造业、现代农业、现代服务业、消费电子、交通运输、民生工程及其他传统产业改造升级和发展将起到重大的推动作用。

4、特定行业自营型商业模式

各个行业都有其特殊性，而且也存在部分特殊行业资源不便在统一平台共享的特点行业企业根据其特定性及业务投资建设独立的业务平台，以运营商和服务商为通道，形成行业领域的智能化模式和应用。如金融交易信息、银行服务、电力、视频监控信息等存在保密性要求或者隐私保护需求等，

5、合作型商业模式

一些行业企业用户出于特定业务需求，但又无力投资建设独立的物联网业务服务平台，所以就寻求与系统集成商或软件产品商的合作，充分利用运营商的传感技术和运营服务能力，形成满足行业或某些特定领域需要的智能化服务方案。无锡智能公交系统便是通过无锡公交公司与系统集成商和软件产品开发商的合作建立起来的。

四、总结

适宜、高效的商业模式对于企业的发展来说至关重要。然而，目前国内的物联网产业仍处于起步阶段，商业模式不成熟，普遍存在着高投入、低盈利的现象。由此，创新的、实用型的商业模式成为大力发展物联网产业的重中之重。加快物联网产业的健康发展，务必需要开发出使政府、运营商、客户企业等多方共赢的商业模式。同时，企业在选取商业模式时需要考虑自身的发展规模，发展领域以及资金实力等综合情况，适时适当地调整发展模式。

（注：本论文为江南大学2012年大学生创新训练项目的阶段性成果，课题组成员还包括：刘熠达、王铎、郭琳。）

【参考文献】

[1]张云霞：物联网商业模式探讨[J].电信科学，2010，26（4）.

[2]陶冶：物联网产业商业模式的探索与创新[J].南京理工大学学报（社会科学版），2010，23（4）.

[3]杨大春：无锡发展物联网产业的竞争优势及战略选择[J].江南论坛，2009（11）.

[4]汪衣冰：中国移动在物联网应用领域的探索与实践[J].电信技术，2010（1）.

[5]王卫宏：物联网的发展与相关产业价值链[J].电信工程技术与标准化，2009（12）.

[6]侯赞慧、岳中刚：我国物联网产业未来发展路径探析[J].现代管理科学，2010（2）.

人工智能商业化应用篇6

[关键词]智能电子商务应用研究

随着Internet技术应用的普及和深入，电子商务这种全新的商务模式被越来越多的人们所接受。但是由于Internet本身所具有的开放性、动态性和异构性的特征，随着其不断发展，信息量不断膨胀，给人们获取自己需要的信息带来一定程度的麻烦。为了解决这个问题，智能化电子商务系统应运而生，智能化电子商务系统是一种基于互联网，能够代替人并且具有一定逻辑推理能力、自学习能力、交流能力的智能化的电子交易模式。基于智能化的电子商务能帮助人们完成许多繁琐的信息处理工作，可以给人们带来很多方便。

一、智能概述

1.智能的定义

智能(IntelligentAgent)的理论和技术在20世纪90年代已经提出，是一个新的研究和开发领域，其内容涉及到人工智能、信息检索、计算机网络、数据库、数据挖掘、自然语言处理等领域的理论和技术，主要是人工智能方面。

但是，对于是什么是“智能”，到目前为止，理论界还没有一个统一和权威的说法，但从许多专家对智能提出的定义都有一个共同的特点，即：智能可以通过感知、学习、推理及行动，能够基于知识库的训练后能模仿人类社会的行为，即具有智能性。在网络环境下，智能能够用户或其他程序，以主动服务的方式持续完成一组操作的软件可以定时或交互地执行，对网络环境变化做出反应，用于达到用户的目标、满足用户的需求。

2.智能的特点

(1)智能性(Intelligenty)。智能性是智能技术的一个最基本的特征，主要指的是的推理和学习能力，即它具有解决问题所需的丰富知识、策略和相关数据，能够进行相关的推理和智能计算。同时，智能还可以在用户没有给出十分明确的需求时信息时捕捉用户的偏好、兴趣及意图，并按最佳方式代为其完成任务。此外，智能还可以对信息进行筛选和过滤，自动拒绝一些不合理或可能给用户带来危害的请求。

(2)自主性（Autonomy）。自主性又称学习性。主要是指智能能够自主运行。具有强烈的行为目的性能够根据需要主动采取一系列行动，以达到某种目的。智能技术能够根据当前环境的变化，动态地调整自己去完成各项任务、计划，并主动地把信息过滤、整理后提供给用户服务，并能够从经验中不断进行自我学习，根据环境及时调整自身的行为，从而提高分析问题和处理问题的能力。

(3)性。性也是智能技术的一个最基本的特征，主要是指智能的自主与协调工作能力。表现为智能从事行为的自动化程度，即操作行为可以离开人或程序的干预，能够自动使用通信协议进行信息交换，并把检索信息结果主动推送给用户，并管理用户的个人资料及其私人目录下的知识库。但在其系统中必须通过操作行为加以控制，当其他提出请求时，只有自己才能决定是接受还是拒绝这种请求。

(4)合作性。主要是指每个智能都有标准的接口，采用统一的通信语言进行信息的交流。多系统由多个组成，通过本身的搜索活动和相互之间的交互活动，构成系统的群体活动，相互之间分工合作共同完成复杂任务，从而实现系统整体的功能或目的，同时，在这种交互的过程中每个也都实现了自己的功能或目的。

（5）适应性。主要是指智能能够根据用户以前的经验理解所处的周围的环境，并能对环境和相关事件的变化及时反应，做出决策，改变自己的行动，或者在遇到问题时能在最短时间内给用户以警告。因此，智能可以接受委托、遵循承诺，产生输出反应动作和行为。

二、智能的工作流程

智能可以看成一个黑箱，通过传感器感知环境，通过效应器作用环境。同时，智能也可以看作是知识处理的实体，它由知识库、规则库、推理机、各之间的通信协议组成，能够完成知识发现、通信协作、规则库应用、监督、知识库管理、推送等功能。在智能的工作流程中，每个都有自己的知识库，用户表达出自己的信息需求后，通过通信协作传给知识库，然后根据用户信息库中用户特定的需求和近期的爱好兴趣为标准来筛选信息。监督的作用就是当用户提出自己的信息需求时，检查知识库中是否存在用户以前相似的信息需求，如果有就把知识库中用户以前的需求记录提取出来，通过推送发给用户；如果知识库中没有用户的信息需求，经规则应用库理解生成一定的搜索规则，传送给知识发现进行相关信息搜索，搜索后的结果经信息过滤后存于信息数据库，再经过知识库的推理机制推测用户的潜在需求，并作为用户需求历史信息记录下来，结果传递给用户。监督的作用是根据一定的规则实时跟踪信息数据库中历史记录在Internet网络上的动态变化，一旦知识发现收集到相关内容和更新内容，它就立即通知规则应用库生成新的检索规则或应用，并通知和提醒用户有新的信息内容，还可以通过E―mail方式把特定更新内容以推送方式传达给用户。检索完成后允许用户对结果进行满意度和相关度的评价并反馈给知识库，一方面用来了解用户的新的兴趣需求；另一方面用来完善用户所需信息相关度的匹配规则，为用户的未来信息检索提供可靠的保障。

三、智能的在电子商务中的应用

智能的应用领域非常广泛，在许多方面有着重要的应用意义，例如，电子商务、信息服务、系统与网络管理等领域。而将人工智能的思想引入到电子商务的交易过程中来，使电子商务的交易过程变的更加自动化和人性化，可以说是电子商务发展的最新阶段。在电子商务交易中，智能作用于价值链和虚拟价值链的每个环节，电子商务交易过程中买卖双方都会应用智能。在实际应用过程中，可以将智能分成不同层面。

1.智能在电子商务中的宏观应用层面

宏观方面，智能技术主要是为企业，政府、教育系统等机构来提供竞争情报系统服务、信息管理软件开发及协同商务解决方案等服务。但是，目前在宏观电子商务活动中，智能技术的实际应用还比较欠缺，一般还是以提供商务情报信息服务为主。智能技术可以从Internet上帮助用户检索到大量有价值的隐性信息，不仅仅是文本信息，还有声音、动画等多媒体信息，并且可以是多语种内容的信息。智能可以形成用户需要的各类资源集合，并从大量的公共数据中筛选和提炼有价值的信息，从而为企业，政府、教育系统等机构做出正确的决策、提高应对环境变化的能力和自身的竞争力提供信息支持和依据。

2.智能在电子商务中的微观应用层面

智能在电子商务中的微观应用层面的作用主要是根据用户的特殊需求同时检索多个网站，对商品信息进行筛选或监测，最终找到符合条件的物品所在的站点进行商务活动。这种技术在我国的大规模商品价格比较购物网站――查价网体现得比较明显，查价网将搜索引擎技术与智能技术结合起来，为用户提供商品的价格比较、每日最低行情快递等信息服务，目标是成为连接消费者与经销商的商品价格信息交流的平台。同时，智能微观层面的合作筛选功能还可以将用户的购买习惯同其他消费者的购买倾向相比较后进行推荐，这种技术在现在的电子商务网站中大多已经实现，技术也已经比较成熟。如国内的当当网上书店使用了会员制进行管理，在用户首次登陆并进行购买活动以后，将与用户兴趣相关的书籍在旁边列出，以供用户参考选购，这样就节省用户在寻找感兴趣图书的时间，同时也获得了用户的偏好来帮助公司对用户进行个性化广告和产品的推介。

3.智能技术应用于宏微观电子商务的比较

宏观与微观电子商务中应用智能技术的系统结构是相似的，但是由于目标用户、服务范围等方面的差异，智能技术在不同应用层面上的侧重点还是有所差别。

(1)目标用户。宏观层面电子商务的用户主要是是大型企业，研究机构，传媒机构等，需要专业、最新、整理过的信息，以情报信息的方式提供给用户，帮助用户做出决策和研究，而提供这样的服务就需要提供者具有很强的信息获取能力和强有力的信息系统的支持。微观层面电子商务的用户群体主要是以价格为纽带的联系起来的小商户和一般消费者，网站的主要业务集中在保证小商户的网上商店的正常运行和消费者能够方便的获取价格信息。

(2)服务范围。由于目标用户不同，也就决定了智能应用于宏微观电子商务服务的范围不同。宏观层面电子商务主要服务是为大型企业、研究机构等提供情报，这就要求必须将信息的来源扩展到整个行业并针对用户的特殊需求来进行信息的定制。微观层面电子商务的服务范围相对较窄，主要将在自己网站上注册的小商户的产品信息、报价信息等搜集起来，为用户提供智能化的、个性化的产品价格信息。

(3)应用维护。在宏观层面智能的电子商务中，需要全体员工充分参与到企业情报门户系统中，对系统功能进行应用和发掘，在允许的范围内定制自己所需要的信息服务，共同保证系统运行的通畅。企业情报门户系统具有智能性，并自带媒体自动定期升级功能，用户是不需要维护的。在微观层面智能的电子商务中的用户有商户和消费者两部分，网上商店需要商户来进行定期维护和信息更新，而消费者无须进行维护。

(4)信用评价。在宏观层面智能的电子商务中，信息系统提供机构作为信息提供的主体，其信用直接关系自己的生存与信誉，所以必须与企业密切合作才能够提供信息服务，因此不需要进行信用评价。而在微观层面智能的电子商务中，不仅需要根据用户主观的留言进行信用评价，还应用了基于定单的智能互动式的评价，因而更能真实的反映出网上商店的运行情况，根据客观的数据来说明问题和评价买卖双方的信用情况，为用户提供帮助。

(5)最终目标和信息反馈。在宏观层面智能的电子商务中，实施主体的最终目标是帮助企业建立企业情报门户网站，依靠权威的信息来源和先进的智能技术，为用户反馈及时、准确、可信度高的情报，最终实现企业信息流转的畅通，帮助企业进行科学的决策，在竞争中保持优势。而在微观层面智能的电子商务中，其用户数量虽然庞大但是经常定制使用比较的用户不多，因此比较智能较难对每一个用户累积到足够的查询偏好信息来进行学习，导致了很难及时反馈回准确的信息。

四、结论

智能已经成为解决电子商务在Internet信息空间的信息处理问题的有效方法，对电子商务的交易双方都有强大的诱惑力，基于智能技术的电子商务将是一个极有前途的方向。但是，因为智能技术目前还不是非常成熟，目前在电子商务活动中，所以智能技术的实际应用还比较欠缺，这就意味电子商务智能系统还需要进一步的研究。

参考文献：

[1]胡国胜等:智能在电子商务中应用研究.软科学，2003.1

[2]李伟超牛改芳:智能技术分析及应用.情报杂志，2003.6

[3]樊广俭马丽平:搭建个性化的电子商务平台.经济论坛，2003.17