(1) 老板，你要這么多數(shù)據(jù)做什么？
假如你是一個商品零售公司的老板。
你的公司很先進，已經(jīng)實現(xiàn)了業(yè)務(wù)信息化，每一筆銷售單據(jù)都保存在數(shù)據(jù)庫中，日積月累，已經(jīng)保存了十余年的銷售數(shù)據(jù)，上億條銷售記錄。
這時如果我問你：“反正三年前的數(shù)據(jù)留著也白白占地方，耗費存儲成本，索性把它們?nèi)珓h掉吧，這樣不用買硬盤就能容納新數(shù)據(jù)，如何？”
你會從容的接受我這個建議嗎？
那么老板，你要這么多數(shù)據(jù)做什么？
是的，和我一樣，你也已經(jīng)隱約認識到數(shù)據(jù)的價值，這就是我們割舍不下歷史數(shù)據(jù)的原因，就像任何一個現(xiàn)代化企業(yè)，甚至就像任何一個傳統(tǒng)的票號，如百年老店般虔誠地保存著古老的數(shù)據(jù)，因為我們有直覺，我們的直覺告訴我們：這些數(shù)據(jù)有用！
但這僅僅是一種直覺，到底該怎樣把這些占據(jù)大量存儲空間的數(shù)據(jù)的價值挖掘出來，讓這些數(shù)據(jù)從成本的消耗者變成利潤的促進者？
這中間似乎缺少了某些環(huán)節(jié)。
(2) Business Intelligence - 連接數(shù)據(jù)與決策者
BI(Business Intelligence) 是一種運用了數(shù)據(jù)倉庫、在線分析和數(shù)據(jù)挖掘等技術(shù)來處理和分析數(shù)據(jù)的嶄新技術(shù)，目的是為企業(yè)決策者提供決策支持。
讓我們振臂高呼三遍：決策支持，決策支持，決策支持！
BI 是一個工廠：
>> BI 的原材料是海量的數(shù)據(jù)；
>> BI 的產(chǎn)品是由數(shù)據(jù)加工而來的信息和知識；
>> BI 將這些產(chǎn)品推送給企業(yè)決策者；
>> 企業(yè)決策者利用 BI 工廠的產(chǎn)品做出正確的決策，促進企業(yè)的發(fā)展；
這就是 Business Intelligence，即商業(yè)智能——連接數(shù)據(jù)與決策者，變數(shù)據(jù)為價值。
BI 應(yīng)用的兩大類別是信息類應(yīng)用 和 知識類應(yīng)用，其特征如下表所示：
信息類 BI 應(yīng)用
指由原始數(shù)據(jù)加工而來的數(shù)據(jù)查詢、報表圖表、多維分析、數(shù)據(jù)可視化等應(yīng)用，這些應(yīng)用的共同特點是：將數(shù)據(jù)轉(zhuǎn)換為決策者可接受的信息，展現(xiàn)給決策者。
例如將銀行交易數(shù)據(jù)加工為銀行財務(wù)報表。
僅負責提供信息，而不會主動去分析數(shù)據(jù)。
例如，銀行財務(wù)報表工具沒有深入分析客戶流失和銀行利率之間關(guān)系的能力，而只能靠決策者結(jié)合信息，通過人的思考，得出知識。
知識類 BI 應(yīng)用
指通過數(shù)據(jù)挖掘技術(shù)和工具，將數(shù)據(jù)中隱含的關(guān)系發(fā)掘出來，利用計算機直接將數(shù)據(jù)加工為知識，展現(xiàn)給決策者。
會主動去數(shù)據(jù)中探查數(shù)據(jù)關(guān)聯(lián)關(guān)系，發(fā)掘那些決策者人腦無法迅速發(fā)掘的隱含知識，并將其以可理解的形式呈現(xiàn)在決策者面前。
(3) BI 初級應(yīng)用模式概覽——數(shù)據(jù)查詢(Querying)
數(shù)據(jù)查詢是最簡單的 BI 應(yīng)用，屬于 MIS 系統(tǒng)遺產(chǎn)，雖然出身比較老土，但是目前仍然是決策者獲取信息的最直接的方法。
如今，數(shù)據(jù)查詢界面已經(jīng)徹底擺脫了傳統(tǒng) SQL 命令行，大量的下拉菜單、輸入框、列表框等元素甚至是鼠標拖拽界面將后臺干苦力的 SQL 語句包裝成一個妖艷無比的數(shù)據(jù)獲取系統(tǒng)，而本質(zhì)仍然沒有離開數(shù)據(jù)查詢的幾大要素：
>> 查什么
>> 從哪兒查
>> 過濾條件
>> 展示方法
目前國外比較流行的數(shù)據(jù)查詢應(yīng)用已經(jīng)完全釋放了數(shù)據(jù)查詢的靈活性，如右圖所示的是 Cognos ReportNet 的數(shù)據(jù)查詢界面 Query Studio，允許用戶通過純?yōu)g覽器界面，以鼠標拖拽操作定義數(shù)據(jù)查詢要素，并以報表和圖表等多種方式展現(xiàn)數(shù)據(jù)。
(4) BI 初級應(yīng)用模式概覽——報表(Reporting)
報表是國內(nèi)最熱衷的 BI 應(yīng)用之一，這與報表在我國企事業(yè)單位中的歷史地位是分不開的。我國的報表以其格式詭異、數(shù)據(jù)集中、規(guī)則古怪等特征著稱于世，曾經(jīng)讓無數(shù)國外報表工具和 BI 工具捶胸頓足。
報表的兩大要素是數(shù)據(jù)和格式，如果沒有格式，則報表應(yīng)用幾乎等同于數(shù)據(jù)查詢應(yīng)用?？梢哉f，報表就是將查詢出來的數(shù)據(jù)按照指定的格式展現(xiàn)。
報表應(yīng)用包含了報表展現(xiàn)和報表制作兩大模塊。報表展現(xiàn)就是讓決策者看到報表，并允許決策者通過條件定義來選擇報表數(shù)據(jù)，例如選擇報表年度、部門、機構(gòu)等等；報表制作面向報表的開發(fā)人員，其格式定義靈活性、數(shù)據(jù)映射靈活性、計算方法的豐富程度等均影響了 BI 報表應(yīng)用的質(zhì)量。
需要澄清一下的是，Microsoft Excel 不算是一個 BI 報表工具，因為 Excel 沒有連接數(shù)據(jù)源的能力，充其量是一個 Spread Sheet。但是 Excel 強大的格式功能讓報表制作人員竟折腰，乃至到后來，幾乎所有 BI 廠商都提供了面向 Microsoft Excel 的插件，通過插件，Excel 可以連接到 BI 的數(shù)據(jù)源上，搖身一變?yōu)?BI 報表工具，丑小鴨變天鵝。
5) BI 高級應(yīng)用模式概覽——在線分析(OnLine Analytical Processing,OLAP)
OLAP ，即聯(lián)機分析處理，是 BI 帶來的一種全新的數(shù)據(jù)觀察方式，是 BI 的核心技術(shù)之一。
我們知道，數(shù)據(jù)在數(shù)據(jù)庫中是以數(shù)據(jù)表來存儲的，比如某商店的銷售數(shù)據(jù)存儲在如下所示的一張數(shù)據(jù)表中：
銷售時間
銷售地點
產(chǎn)品
銷售數(shù)量
銷售金額
2004-11-1
北京
肥皂
10
342.00
2004-11-6
廣州
桔子
30
123.00
2004-12-3
北京
香蕉
20
12.00
2004-12-13
上海
桔子
50
189.00
2005-1-8
北京
肥皂
10
342.00
2005-1-23
上海
牙刷
30
150.00
2005-2-4
廣州
牙刷
20
100.00
決策者希望知道的往往是分布、占比、趨勢之類的宏觀信息，比如下列問題：
>> 北京地區(qū)的銷售數(shù)量雖時間的變化趨勢？
>> 哪種產(chǎn)品在 2005 年銷售比 2004 年銷售增幅最大？
>> 2004 年各產(chǎn)品銷售額的比例分布？ ……
面對這種需求，必須用 SQL 語句進行大量的 SUM 操作，每得出一個問題的結(jié)果，就需要 SQL SUM。面對上面的 7 條記錄，我們可以很容易的得出結(jié)果，但是當我們面對百萬級甚至億級的記錄條數(shù)時，例如移動公司通話數(shù)據(jù)，每次 SQL SUM 都需要消耗大量的時間來計算，決策者經(jīng)常是在第一天提出分析需求，等到第二天才能拿到計算結(jié)果，這種分析方式是“脫機分析”，效率很低。
為了提高數(shù)據(jù)分析效率，OLAP 技術(shù)徹底打破以記錄為單位的數(shù)據(jù)瀏覽方式，而將數(shù)據(jù)分離為“維度(Dimension)”和“度量(Measure)”：
>> 維度是觀察數(shù)據(jù)的角度，例如上面示例中的“銷售時間”、“銷售地點”、“產(chǎn)品”；
>> 度量是具體考察的數(shù)量值，例如上例中的“銷售數(shù)量”和“銷售金額”；
這樣一來，我們就可以將上面這張平版的數(shù)據(jù)列表轉(zhuǎn)換為一個擁有三個維度的數(shù)據(jù)立方體( Cube )：
而探查數(shù)據(jù)的過程，就是在這個立方體中確定一個點，然后觀察這個點的度量值：
當然，數(shù)據(jù)立方體并不局限于三個維度，這里采用三個維度來說明問題，只是因為通過圖形可以表現(xiàn)出來的極限就是三個維度。
維度可以劃分層次，例如時間上可以從日向上匯總為月和年，產(chǎn)品可以向上匯總為食品和日用品，地點可以向上匯總為華北和華南，用戶可以沿著維度的層次任意向下鉆取(Drill Down)和向上匯總(Roll Up)：
通過這種方式，我們就可以擺脫 SQL SUM 對速度的制約，快速定位符合不同條件的細節(jié)數(shù)據(jù)，更可以迅速得到某一層次的匯總數(shù)據(jù)。OLAP 技術(shù)為決策者提供了多角度、多層次、高效率的數(shù)據(jù)探查方式，決策者的思維不再被固定的下拉菜單、查詢條件所束縛，而是由決策者的思維帶領(lǐng)數(shù)據(jù)的獲取，任意組合分析角度和分析目標，這種打破傳統(tǒng)的互動性分析和高效率使 OLAP 成為 BI 系統(tǒng)的核心應(yīng)用。
(*) 第四噴：BI 高級應(yīng)用模式 —— 數(shù)據(jù)可視化與數(shù)據(jù)挖掘
(6) BI 應(yīng)用模式概覽——數(shù)據(jù)可視化(Visualization)
數(shù)據(jù)可視化應(yīng)用致力于將信息以盡可能多的形式展現(xiàn)出來，目的是使決策者通過圖形這種直觀的表現(xiàn)方式迅速獲得信息中蘊藏的知識，如趨勢、分布、密度等要素。 值得一提的是，以 MapInfo 公司為代表的 GIS 軟件商，目前也正在努力結(jié)合 BI 應(yīng)用。MapInfo 率先提出了 Location Intelligence 概念，依托于地理信息系統(tǒng)，展現(xiàn)各地區(qū)的屬性值，例如人口密度，工業(yè)產(chǎn)值，人均醫(yī)院數(shù)量等等，這種可視化應(yīng)用部分與 BI 數(shù)據(jù)可視化應(yīng)用重合，并形成有力補充，有時可以在一個項目中互相搭配。
上圖所示的是 Cognos Visualizer 產(chǎn)品，這家伙用幾近嘩眾取寵的豐富形式展現(xiàn)數(shù)據(jù)和信息，包含了地圖、餅圖、瀑布圖等近五十種展現(xiàn)圖形，并提供了二維和三維兩種展現(xiàn)方式。所有的圖形元素都是可活動的，例如用戶可以通過點擊地圖上的某一個省，鉆取到這個省各個城市的信息，這種可交互性是 BI 與普通圖片生成軟件的顯著差異。
(7) BI 應(yīng)用模式概覽——數(shù)據(jù)挖掘(Data Mining)
數(shù)據(jù)挖掘是最高級的 BI 應(yīng)用，因為它能代替部分人腦功能。
數(shù)據(jù)挖掘隸屬于知識發(fā)現(xiàn)(Knowledge Discovery)在結(jié)構(gòu)化數(shù)據(jù)中的特例。
數(shù)據(jù)挖掘的目的是通過計算機對大量數(shù)據(jù)進行分析，找出數(shù)據(jù)之間潛藏的規(guī)律和知識，并以可理解的方式展現(xiàn)給用戶。
數(shù)據(jù)挖掘的三大要素是：
>> 技術(shù)和算法：目前常用的數(shù)據(jù)挖掘技術(shù)包括——
自動類別偵測(Auto Cluster Detection)
決策樹(Decision Trees)
神經(jīng)網(wǎng)絡(luò)(Neural Networks)
>> 數(shù)據(jù)：由于數(shù)據(jù)挖掘是一個在已知中挖掘未知的過程，
因此需要大量數(shù)據(jù)的積累作為數(shù)據(jù)源，數(shù)據(jù)積累
量越大，數(shù)據(jù)挖掘工具就會有更多的參考點。
>> 預(yù)測模型：也就是將需要進行數(shù)據(jù)挖掘的業(yè)務(wù)邏輯由
計算機模擬出來，這也是數(shù)據(jù)挖掘的主要任務(wù)。
與信息類 BI 應(yīng)用相比，以數(shù)據(jù)挖掘為代表的知識類 BI 應(yīng)用目前還不成熟，但是從另一個角度來看，數(shù)據(jù)挖掘可發(fā)展的空間還很大，是今后 BI 發(fā)展的重點方向，SAS，SPSS 等知識類 BI 應(yīng)用廠商形象逐漸高大，悄悄占據(jù)了新的利潤增長點。
上圖中是著名的 IBM Intelligent Miner 在分析客戶的消費行為。它能對大量的客戶數(shù)據(jù)進行分析，然后自動將客戶劃分為若干群體（自動類別偵測），并將每個群體的消費特征顯示出來，這樣決策者就能一目了然的針對不同客戶的消費習(xí)慣，制定促銷計劃或廣告計劃。
上述功能如果單靠信息類 BI 應(yīng)用來實現(xiàn)，則需要決策者根據(jù)經(jīng)驗進行大量的 OLAP 分析、數(shù)據(jù)查詢工作，而且還不一定能發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律。例如上述客戶分類，對于一個擁有 400 萬用戶的銀行來說，如果沒有數(shù)據(jù)挖掘工具，會把人活活累死的。
(8) BI 底座——數(shù)據(jù)倉庫技術(shù)(Data Warehouse)
在開始噴這個主題之前，讓我們先看看數(shù)據(jù)倉庫的官方定義：
數(shù)據(jù)倉庫(Data Warehouse)是一個面向主題的(Subject Oriented)、集成的(Integrate)、相對穩(wěn)定的(Non-Volatile)、反映歷史變化(Time Variant)的數(shù)據(jù)集合，用于支持管理決策。以上是數(shù)據(jù)倉庫的官方定義。
“操作型數(shù)據(jù)庫”如銀行里記賬系統(tǒng)數(shù)據(jù)庫，每一次業(yè)務(wù)操作（比如你存了5元錢），都會立刻記錄到這個數(shù)據(jù)庫中，長此以往，滿肚子積累的都是零碎的數(shù)據(jù)，這種干臟活累活還不得閑的數(shù)據(jù)庫就叫“操作型數(shù)據(jù)庫”，面向的是業(yè)務(wù)操作。
“數(shù)據(jù)倉庫”用于決策支持，面向分析型數(shù)據(jù)處理，不同于操作型數(shù)據(jù)庫；另外，數(shù)據(jù)倉庫是對多個異構(gòu)的數(shù)據(jù)源有效集成，集成后按照主題進行了重組，并包含歷史數(shù)據(jù)，而且存放在數(shù)據(jù)倉庫中的數(shù)據(jù)一般不再修改。
操作型數(shù)據(jù)庫、數(shù)據(jù)倉庫與數(shù)據(jù)庫之間的關(guān)系，就像 C:、D: 與硬盤之間的關(guān)系一樣，數(shù)據(jù)庫是硬盤，操作型數(shù)據(jù)庫是 C:，數(shù)據(jù)倉庫是 D:，操作型數(shù)據(jù)庫與數(shù)據(jù)倉庫都存儲在數(shù)據(jù)庫里，只不過表結(jié)構(gòu)的設(shè)計模式和用途不同。
那么為什么要在操作型數(shù)據(jù)庫和 BI 之間加這么一層“數(shù)據(jù)倉庫”呢？
一是因為操作型數(shù)據(jù)庫日夜奔忙，以快速響應(yīng)業(yè)務(wù)為主要目標，根本沒精力伺候 BI 這邊的數(shù)據(jù)需求，而且 BI 這邊的數(shù)據(jù)需求通常是匯總型的，一個 select sum(xx) group by xx 就能讓操作型數(shù)據(jù)庫耗費大量資源，業(yè)務(wù)處理跟不上趟，麻煩就大了，比如你存了 5000 元錢，發(fā)現(xiàn)十分鐘后錢還沒到賬，作何感想？一定是該銀行的領(lǐng)導(dǎo)在看餅圖？
二是因為企業(yè)中一般存在有多個應(yīng)用，對應(yīng)著多個操作型數(shù)據(jù)庫，比如人力資源庫、財務(wù)庫、銷售單據(jù)庫、庫存貨品庫等等，BI 為了提供全景的數(shù)據(jù)視圖，就必須將這些分散的數(shù)據(jù)綜合起來，例如為了實現(xiàn)一個融合銷售和庫存信息的 OLAP 分析，BI 工具必須能夠高效的取得兩個數(shù)據(jù)庫中的數(shù)據(jù)，這時最高效的方法就是將數(shù)據(jù)先整合到數(shù)據(jù)倉庫中，而 BI 應(yīng)用統(tǒng)一從數(shù)據(jù)倉庫里取數(shù)。
將分散的操作型數(shù)據(jù)庫中的數(shù)據(jù)整合到數(shù)據(jù)倉庫中是一門大學(xué)問，催生了數(shù)據(jù)整合軟件的市場。這種整合并不是簡單的將表疊加在一起，而是必須提取出每個操作型數(shù)據(jù)庫的維度，將共同的維度設(shè)定為共用維度，然后將包含具體度量值的數(shù)據(jù)庫表按照主題統(tǒng)一成若干張大表（術(shù)語“事實表”，F(xiàn)act Tables），按照維度-度量模型建立數(shù)據(jù)倉庫表結(jié)構(gòu)，然后進行數(shù)據(jù)抽取轉(zhuǎn)換。后續(xù)的抽取一般是在操作性數(shù)據(jù)庫負載比較小的時候（如凌晨），對新數(shù)據(jù)進行增量抽取，這樣數(shù)據(jù)倉庫中的數(shù)據(jù)就會形成積累。
大多數(shù) BI 應(yīng)用并不要求獲取實時的數(shù)據(jù)，比如決策者，只需要在每周一看到上周的周報就可以了，95% 的 BI 應(yīng)用都不要 求實時性，允許數(shù)據(jù)有 1 小時至 1 個月不等的滯后，這是決策支持系統(tǒng)的應(yīng)用特點，這個滯后區(qū)間就是數(shù)據(jù)抽取工具工作的時間。當然，BI 應(yīng)用中通常還將包含極少的對實時數(shù)據(jù)的要求，這時僅需針對這些特殊需求，將 BI Querying 軟件直接連接在業(yè)務(wù)數(shù)據(jù)庫上就可以了，但是必須限制負載，禁止做復(fù)雜查詢。
目前的數(shù)據(jù)庫產(chǎn)品都對數(shù)據(jù)倉庫提供有專門優(yōu)化，例如在安裝 MySQL 的高版本時，安裝成序會詢問你是想讓數(shù)據(jù)庫實例作為 Transaction-Oriented ，還是 Decision Support ，前者就是操作型數(shù)據(jù)庫，后者就是數(shù)據(jù)倉庫（決策支持么，再振臂高呼一遍），針對這兩種形式，數(shù)據(jù)庫將提供針對性的優(yōu)化。
(9) BI 花邊
BI 的相關(guān)知識大致就是這樣了，寫一些花邊作為結(jié)束語吧。
BI 要害：BI 無法處理非結(jié)構(gòu)化數(shù)據(jù)，只能處理數(shù)字信息，但是在企業(yè)中，還存在有大量像文本、流媒體、圖片等非結(jié)構(gòu)化的數(shù)據(jù)，這些數(shù)據(jù)同樣蘊藏有大量價值，但是面對這些數(shù)據(jù)，目前的 BI 工具無能為力。比較靠譜的是 IBM Intelligent Miner for Text，但是它在處理中文方面似乎十分薄弱。
BI 廠商和產(chǎn)品：
首先讓我們認識一下國外大人物！數(shù)據(jù)倉庫方面，有 IBM DB2，Oracle，Sybase IQ，NCR Teradata 等等；BI 應(yīng)用方面，有 Cognos，Business Objects，MicroStrategy，Hyperion，IBM 等等；數(shù)據(jù)挖掘方面，有 IBM，SAS，SPSS 等等。巨無霸 Microsoft 也在 BI 領(lǐng)域插了一腿，推出了 SQL Server Analysis Server、Reporting Services 等 BI 相關(guān)產(chǎn)品搶占山頭！
我們往往容量只把眼光放在國外的BI大佬們而忽略國內(nèi)漸漸突起的BI新軍，如今國內(nèi)比較出名的BI有奧威智動的Power-BI，尚南的BlueQuery 及潤乾報表等，特別值得一提的是奧威智動的Power-BI是一款標準化BI，在國內(nèi)已經(jīng)具有一定的市場占有率。
中國的 BI 市場發(fā)展：
時間段
國內(nèi) BI 應(yīng)用情況
2002 年以前
大量 BI 軟件被看作是能從多個數(shù)據(jù)源中抽取數(shù)據(jù)的報表工作，滿眼全是報表。
一開始，公司的銷售在推銷產(chǎn)品時都向用戶介紹：“我們是 BI 領(lǐng)域最強的……”效果不好；后來那些銷售終于找到了竅門，上來就說：“我們什么報表都能做！”然后訂單不斷。
2002-2003
OLAP 的價值終于被某些慧眼發(fā)現(xiàn)，一些競爭壓力大的企業(yè)為了提高競爭力，迫切需要從歷史數(shù)據(jù)中挖掘價值，迅速發(fā)現(xiàn)了 OLAP 的優(yōu)勢，這時銷售終于不用再說“我們什么報表都能做”了。但是國家機關(guān)、壟斷型企業(yè)，仍舊是報表，并且以為 BI 就是報表。
2004
隨著越來越多成功 BI 項目的實施，OLAP 終于得以見天日，這時國內(nèi)才形成數(shù)據(jù)查詢+報表展示+OLAP分析的合理 BI 應(yīng)用結(jié)構(gòu)。一些數(shù)據(jù)可視化的需求也時常被用戶提出，在一些競爭激烈、數(shù)據(jù)量大的企業(yè)，已經(jīng)出現(xiàn)了數(shù)據(jù)挖掘應(yīng)用。
2005
信息提供已經(jīng)無法滿足很多企業(yè)的要求，特別是銀行、通信、證券等競爭激烈、風(fēng)險密集的行業(yè)，大量涌現(xiàn)對數(shù)據(jù)挖掘的需求，BI 應(yīng)用終于形成信息+知識的整體。
BI 工具在中國遇到的難題：
* 復(fù)雜表樣：中國是世界上報表最復(fù)雜的國家。中國的表樣設(shè)計思想與西方不同，西方報表傾向于僅用一張報表說明一個問題，而中國的報表傾向于將盡可能多的問題集中在一張報表中，這種思路直接導(dǎo)致了中國報表的復(fù)雜格式和詭異風(fēng)格。
* 大數(shù)據(jù)量：中國是世界上人口最多的國家。以中國移動公司為例，僅我國一個省的用戶數(shù)量，就相當于歐洲一個中等國家的人口，是真正的海量數(shù)據(jù)！國外數(shù)據(jù)庫、數(shù)據(jù)倉庫和 BI 應(yīng)用軟件，都在中國經(jīng)受著大數(shù)據(jù)量承載能力的考驗。對于美國，可能一個客戶分析應(yīng)用兩秒鐘就能出結(jié)果，但是在中國這樣的數(shù)據(jù)量下，可就不是兩秒鐘的問題了。
* 數(shù)據(jù)回寫：中國是世界上對 BI 系統(tǒng)要求最奇特的國家。本來 BI 系統(tǒng)是以忠實再現(xiàn)源數(shù)據(jù)為原則，但這個原則在中國遇到了難題，許多領(lǐng)導(dǎo)都提出了數(shù)據(jù)修改需求，“報表里數(shù)字不好看，就要能改啊，而且有時候也需要調(diào)整啊，這樣上級領(lǐng)導(dǎo)看著就好嘛！ ”一個領(lǐng)導(dǎo)如是說。目前能滿足此要求的 BI 產(chǎn)品，僅有 Microsoft 和 MicroStrategy 兩家。微軟對中國市場算是吃透了。
