协同商务智能系统初探

余文婷 吴 丹

（武汉大学信息管理学院，武汉，430072）

面对现在的经济和信息环境，商务智能（Business Intelligence，BI）历经几十年发展，也出现一些新变化和新要求。协同技术与商务智能的结合就是其中之一，协同商务智能的概念应运而生。商务智能提供商Tableau Software公司在2013年商务智能发展十大趋势报告[1]中指出，协同将不再仅是商务智能的一个理论特征，而会成为任何商务智能实施的现实基础。商务智能之父——美国Dresner Advisory Services首席研究官Howard Dresner在2013年的一项调查也表明，超过60%的受访者认可协同商务智能的重要性[2]。协同行为包括协同编辑、协同检索、协同质量控制等。近年来，国内外协同商务智能的研究方兴未艾，亟待更多了解，如夏火松[3]曾将Wiki技术应用到商务智能，提出基于Wiki的商务智能系统框架。本文通过将协同概念引入商务智能，探讨协同商务智能的理论与实践，为协同商务智能系统相关研究与开发提供借鉴与参考。

1 协同商务智能概念与意义

虽然人们对协同技术和商务智能并不陌生，但协同商务智能还是一个相对较新的概念，目前并没有一个比较权威的定义。不过从学者们现有观点中可以发现，协同商务智能是商务智能软件和协同工具，包括社交技术和Web2.0技术的结合，旨在提高数据驱动的决策支持[4]。协同商务智能工具主要重视三个方面，即协同交互、信息增强以及协同决策制定[5]。协同交互主要指商业伙伴之间能够相互交流，易于发现和讨论文档化是协同商务智能环境的两大特征；信息增强是指商业人士将自己的知识附加到商务智能结果上，如事件发生过程、相关知识发现、提供与商务智能结果相关的必需和重要的情境；协同决策制定是在前两个方面的基础上跟踪决策，并分析其影响或准确性，此外还包括社会网络的角色分工影响分析。协同商务智能顺应了企业发展的外部环境和内部要求。首先，伴随科学技术和社会生产力的不断进步，企业面临各方面挑战：产品更新速度加快，市场需求急剧变化；另一方面，经济发展也促使相关信息指数级增长，数量不断增加，形成商业大数据环境。任何一个企业都无法完全拥有这些信息，并且在这些海量数据中寻找到有价值的信息也日益困难。如何利用已有的商业数据来满足市场多变的需求成为亟需解决的问题。协同概念为企业提供了方法和思路。在大数据环境下，协同能让企业集中主要力量建设并发挥自己的资源优势，形成优势互补的超系统综合。此外，协同也能汇集各方知识和智慧，发挥各自专长，形成群居效应，提高信息发现、发掘能力和效率。协同概念的引入实际上体现了互惠互利、合作共赢的思想。其次，企业内部也需要协同。Gartner公司调查表明，80%商务智能项目的失败多是因为交流和合作的不足[6]。一个成功运作的企业，除了人财物等传统要素以外，信息也是举足轻重的组成部分。各部门之间信道是否畅通，信息传递是否及时，信息意识是否明确、清晰都将会影响整个企业的发展。协同商务智能利用社交技术，能够通过信息将企业各部分紧密联系在一起，促进整体信息的交流和分享，不仅提高信息流动的速度和效果，而且能提高企业凝聚力和向心力。总之在现有环境下，协同对企业、对商务智能的发展有着重要而深远的意义。

2 相关技术

2.1 CSCW

CSCW，Computer Supported Cooperative Work，即计算机支持的协同工作（以下简称CSCW）。它与协同商务智能之间有着直接联系。关于CSCW的研究最早开始于1984年，由Irene Greif和Paul M.Cashman在一次学术研讨会上提出。Carstensen等认为，CSCW强调协同活动及其协作如何被计算机系统的方法支持[7]。Wilson阐述了CSCW的定义，他认为CSCW是一个一般性的术语，它将对人们在群体中工作方法的理解和促成其实现的计算机网络技术、相关软硬件和服务等结合起来[8]。通过这个定义可以看出，CSCW是一种将人类合作行为模式与支持技术融合为一体的新兴技术，即研究基于计算机技术支持的环境中一个群体协同工作完成共同的任务的领域[9]。CSCW是一个设计指向型的跨学科研究领域，主要关注以设计充足的基于计算机的技术支持协作工作为目标的相关小组及其特性的理解。所以，CSCW不仅仅只关心技术本身，也注重在小组和组织工作中的个人如何受到这些技术的影响。CSCW的出现极大地促进了个人与个人、个人与团体、团体与团体之间的交流，为个人、团体、组织三者之间的信息交流和理解提供了渠道与媒介。CSCW的出现也打破了时间和空间障碍对协同活动的限制，降低了组织内交流和工作的成本。另外，CSCW也增加了团队各成员内的参与和贡献，人尽其才，并且能够保存交流的记录，从而促进长期的合作与学习，加快组织的知识管理进程及水平，建立智慧型组织。

2.2 BI 2.0

商务智能从1996年提出以来，随着技术不断发展，其概念也在不断拓展。商务智能专家王茁从方法论的角度认为，商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累积商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力[10]。数据仓储、数据分析、数据挖掘、可视化等是其核心技术。随着社交媒体的发展，人们开始将Web2.0的思想应用到商务智能中，为商务智能带来了新的机遇，发展成为商务智能2.0（BI 2.0）[11]。BI 2.0能支持员工实时进行企业数据动态查询，并能通过网络或者浏览器获取这些数据。这种功能的实现与面向服务架构（Service-oriented architectures，SOA）、语义网和数据交换开放标准，如可扩展商业报告语言（Extensible Business Reporting Language，XBRL）的兴起有关。所以BI 2.0事实上是Web 2.0和 Web 3.0，即语义网的结合。BI 2.0为商务智能带来了巨大的变化。Raden认为，BI 2.0的出现可以满足快速关联多源头相关信息的情景、偶然性和需求[12]。Nelson在他2010年的白皮书中提到了Web 2.0环境下的商务智能未来，如数据和行为有更加直接的关联，商业决策将会根据数据的影响受到监视，数据和复杂关系的可视化将更容易等，发现数据和复杂模型将会更加轻松[11]。BI 2.0的核心技术包括SOA和Web2.0，实时报告，事件集成（Event integration），更大的数据洞察力（Greater data insight），情景数据（Contextual data）以及无干预的行动先导（Actions initiated without intervention）[13]。

2.3 协同商务

协同商务（Cooperative commerce或Collaborative commerce），被誉为下一代的电子商务系统，其基本思想最早是由Garnter Group在1999年提出。协同商务是指企业利用前沿技术所提供的一整套跨企业合作的能力和更有效地管理当今错综复杂的企业生态系统。它能帮助企业同其关键的交易伙伴共享业务流程、决策、作业程序和数据，共同开发全新的产品、市场和服务，提高竞争优势[14]。它对应的是电子商务化发展的第三阶段，体现了知识经济时代集成处理模式。协同商务思想体现在三个方面：一是企业协同进化的思想，二是企业内部的协同，三是企业间的协同[14]。主要内容包括信息与知识的共享、业务整合、建立合作空间和商务交易[15]。商务理论中的协同植入，能提升企业的创新能力，构建深度知识管理，建立企业间的信任关系，达成同步工程，提升整体的即时响应速度。目前协同商务应用的主要技术包括SOA、Web Services技术[16]、代理技术[17]等。

通过对以上概念的梳理可以发现，有关协同技术的应用使协同商务智能与商务智能相比更有广度，与协同商务相比更具深度，和BI 2.0一脉相承，都注重信息交互，但是协同商务智能除Web 2.0技术外，还包括其他的技术，如CSCW等。

3 协同商务智能系统应用实践

本节主要通过对协同商务智能系统框架和实际系统功能的介绍及协同商务智能系统和传统商务智能系统的比较，具体说明目前协同商务智能的实际情况。

3.1 系统框架

通过文献调查，根据系统所支持协同范围不同，分为企业内和企业间协同。以下将分别介绍两者的典型系统框架。

3.1.1 商务智能网络（Business Intelligence Network）

同传统商务智能一样，数据仓储技术也是协同商务智能核心之一。主要有三个发展方向：仓储方式，即集成数据物理实质化，将所有数据都集成在一个仓储内；联合方式，即虚拟整合在一个全球框架下，有统一数据仓储平台，而数据实际上是分布的；以及对等（Peerto-peer）方式，即不需要一个全球范围框架集成各数据仓储。Rizzi在其文章里描述了基于对等方式的商务智能网络新框架（Business Intelligence Network，BIN）[18]。BIN主要支持不同公司网络间商务智能功能共享，打破了地域和公司环境的影响。BIN建立在对等网络基础上，每个参与者有独立的商务智能平台，该平台具有支持决策制定的商务信息分享功能，从而可以创造新知识。其结构如图1所示。

图1的右侧部分反映了BIN结构中各商务伙伴内部结构，其重要组成部分包括：

（1）用户界面。管理用户双向互动的基于网络部件。在此界面，用户能可视化地形成OLAP（OnLine Analytical Processing，联机处理分析）查询，并探寻查询结果。

（2）查询操作。可以接收用户界面或者相邻同伴的OLAP查询，发送到OLAP适配器，获取本地答案，并利用可用语义映射重组并转化给相邻同伴。

图1 BIN结构图[18]

（3）数据操作。收集并整合OLAP适配器的查询结果，然后返回给用户界面。并且数据操作部件还支持将从OLAP收集的结果发送到目标同伴。

（4）OLAP适配器。主要用于将从查询操作中收集的查询式发送到用于查询的多维引擎。

（5）多维引擎。根据代表同伴商业观点的多维架构管理本地数据仓储，并提供MDX式样的查询回答功能。

3.1.2 基于Business Cockpit的协同商务智能系统

Business Cockpit[19]是HP实验室开发的智能商务操作管理平台。该系统为领域专家设计，所以主要提供相关性分析算法、预测、解释、异常侦测等，其具体框架如图2所示。Dayal等人根据Business Cockpit已有的部件和算法，如度量算法、时间相关算法和基于实例的预测等，认为协同商务智能平台应包括四个层次，即数据通道适配层、商务智能整合层、本体和元数据层以及商务智能查询和分析层，并开发了相应的协同商务智能系统（以下简称基于Business Cockpit的CBI系统）[20]，其结构如图3所示。

数据通道适配层提供多样数据源的链接和获取，并将数据源和支持查询和更新的操作组件相映射。商务智能整合层可以整合多种潜在数据源。它能模块化和映射低层次语义和语法，使其和数据通道适配层的特定操作部件交互。而且商务智能整合层可以从多样数据源中抽取、整合、清理及转化数据，以更适应商务智能需求。本体和元数据层将商务处理、领域知识和数据／信息模型及其相关性和关联模型化。它可以展示特定数据源中的数据元素如何与其他整合在协同商务智能平台的信息、知识模型相关联。商务智能查询和分析层主要提供协同商务智能系统核心应用、工具和功能，这些功能可以调用虚拟协同层返回数据，形成观点和报告，了解和执行分析模型，并提供实时可视化数据探索。

图2 Business Cockpit结构[20]

3.1.3 小结

从上述分析可以看出，协同商务智能系统的结构主要与系统支持的协同范围有关。CBI系统如BIN主要使用的是对等网络技术，各个企业间数据和操作独立性强，可以减少地域和外部环境对协同的影响，更加适合支持企业间协同商务智能活动；而基于Business Cockpit的协同商务智能系统结构则通过数据渠道适配层，将各个渠道的信息进行整合，更适合企业内部使用。从具体结构来看，OLAP适配器是BIN系统的核心，是连接用户查询和数据处理结果的桥梁，其结构可以抽象为数据层、处理层和用户界面层；而基于Business Cockpit的CBI系统则在数据处理中更加注重数据的语义处理，设置了本体和元数据层，是整个系统智能化的基础。从功能上看，BIN较为单一，主要为信息的查询与分析；而基于Business Cockpit的CBI系统由于本体和元数据层对所收集的数据进行了深度内容和关系挖掘，在操作和分析层上所体现的功能更为丰富，如预测和趋势分析等；此外在用户界面上，基于Business Cockpit的CBI系统通过其虚拟协作平台，比BIN系统更为支持用户间的多样的协同需求和活动。

图3 基于Business Cockpit的协同商务智能系统结构[20]

3.2 实际应用系统

3.2.1 BITeamwork

BITeamwork[21]是 Oracle公 司 2013 年 推出的Oracle BI系统插件，专为支持商业用户和管理者的合作需求而设计。最新版本为BITeamwork 2.5。目前已有Colorcon、CISCO、verizon、TEVA等企业使用BITeamwork，反映出人们对OBIEE中协同商务智能的极大兴趣。它也是目前唯一一个集Salesforce和Microsoft Yammer于一体的商务智能系统。通过BITeamwork，用户可以在Oracle BI仪表盘和报告里添加评论形式的反馈，并且能够对这些评论进行完整和有效管理。另外，BITeamwork也会创造实施功能和一般管理功能来增强Oracle BI的使用性，是一个开放的、不断根据已有或潜在用户需求改善的系统。

3.2.2 Yellowfin

Yellowfin是一家成立于2003年的商务智能提供商。它由商务智能职业者设计，目的在于让商务智能更加简单。目前有超过一百万终端用户和遍布50多个国家的上万客户，已成为移动商务智能、协同商务智能和定位智能（Location Intelligence）领域的领导者[22]。Yellowfin的协同商务智能方案可以使用户分享观点，讨论数据并利用自己的知识轻松创造更好的决定。它独特的协同商务智能功能——故事版（Storyboard）和时间轴（Timeline）得到了BBBT①BBBT[EB／OL].[2013-12-30].http：／／boulderbibraintrust.org／.（Boulder BI Brain Trust，BI思想领导者和工业分析师集会）高度赞扬[23]。

3.2.3 Panorama Necto

Panorama Necto是加拿大Panorama软件公司开发的一款商务智能套件，将定位设置于拥有加强用户界面，高用户采用率和能减少操作成本的更优自服务的BI 3.0平台[24]。Panorama Necto通过基于网络的单一界面，提供统一的BI 3.0解决方案，以满足IT和商业用户的共同需要，缩小二者之间距离。Panorama Necto是目前唯一一个在合作和独特情境连接下将数据发现优势和企业商务智能结合的方案[25]。它能满足决策制定过程中各个层次的合作：不管是分析数据，查看仪表盘或者仅仅建立一个新模型，用户都能在不离开Necto应用的基础上开展、实施并跟踪对话以及分享其观点[26]。

3.3 协同商务智能系统与传统商务智能系统功能差异

BITeamwork、Yellowfin、Panorama Necto的协同功能如表1所示。可以看出，协同商务智能系统为了实现协同决策，主要设置评论、评注、分享等协同功能。通过对协同商务智能系统功能的分析，可以看出与原有商务智能系统相比，两者功能差异主要在两个方面，即对原有商务智能技术的改进以及新功能的引入。

表1 协同商务智能系统协同功能

（1）对原有商务智能技术的改进。一般而言，商务智能技术包括数据仓储技术、数据挖掘技术和决策支持技术等[27]。协同技术在商务智能系统中的应用使协同商务智能在原有基础上提高了数据规模，数据处理速度，挖掘深度和决策效率及效果。具体来说，首先协同技术的引入让公司可以专注于自身数据建设，不用追求数据规模，尤其是在当前大数据环境下。而且高效的协同查询功能为数据仓储建设提供了分布式的新思路，也能提高数据仓储影响速度，更快地返回用户所需信息，解决了集中与分散的问题。协同技术如标签等的利用也为商务智能系统加入了个性化信息组织的途径。其次，就数据挖掘来说，协同商务智能系统可以让更多的人参与到数据分析中，发挥集体智慧，主要体现在实体和事物相关性的分析和利用上。如Panorama Necto系统可以就具体信息，如某产品销量下降分析出有关责任人，然后建立有关责任人的会话，并邀请公司内的领域专家共同分析销量下降的原因[26]。在数据仓储和数据挖掘的基础上，将基于分析的决策制定在商务智能系统内发生，使观点与数据紧密联系，最终实现协同商务智能决策制定。这点在Yellowfin上体现明显。Yellowfin提供和讨论有关的三种功能，即中心讨论报道、评注和统一讨论主题，能将与讨论相关的信息记录下来，更好地了解与利用已有数据，减少逻辑障碍，在商务智能工具里形成一个所有人员都能参与的单一开放存取平台[28]。

（2）新功能的引入。协同商务智能系统不仅提高了原有商务智能技术，还为商务智能系统带来新的功能，主要是分享和交流方面。通过以上协同商务智能系统功能分析也可以看出，与一般商务智能系统相比，支持分享和交互的Web 2.0技术明显增多，更重视信息分享与用户之间交流。BITeamwork的评论功能全面而完善，方便用户间就某问题表达自己的观点。Panorama Necto加入了即时信息技术，用户可以就某个话题选择相关人员开展直接会话。而Yellowfin充分利用社交媒体在人群覆盖范围和交互性上的优势，将社交媒体成功植入商务智能平台，打破区域限制，形成了跨平台、跨系统的内容分享，从而将需要的信息推送给需要的人。

3.4 应用案例

本节以BIN和基于Business Cockpit的CBI系统为例对协同商务系统的应用进行分析。

3.4.1 BIN应用

Rizzi在文献[18]中提到了一个典型的用户交互例子，用以解释基于P2P结构的框架运作。系统运行环境设置为在欧洲国家间分享有关基金研究项目的信息。首先要为不同的同伴间构建合适的语义映射表达，用以表示源同伴s（source peer）多维架构（Multidimensional schema，Ms）和目标同伴t（target peer）多维架构（Mt）之间如何通过5种预测方式，即相同预测 （same predicate）、同 级 预 测 （equi-level predicate）、汇总预测（roll-up predicate）、分解预测（drill-down predicate）及相关预测（related predicate）映射。以英国和意大利为例，建立的映射如图4。因为是代码转换的例子，所以分别考虑有关ACM子类目分类中的主题以及用于评注映射ACM主题分解子类目和年度汇总的功能。图4也反映了一些可以用于定义的映射，以根据意大利（源同伴）采用的架构重组英国（目标同伴）表达的查询。

图4 两个同伴间相关事实多维架构[18]

BIN最大的特色是支持分布式的商业信息获取，如何实现不同同伴的信息查询是最重要课题。在映射基础上，图5表现的重组模型反映了英国关于在2011年4月“信息系统”大类下各子类的基金项目总数的OLAP查询q。其中S-T元组发生条件（Source-Target tuple generating dependencies）指的是查询表达在相关层使用的采用了架构映射语言的逻辑形式。重组过程需要三个步骤：①将英国和意大利的多维架构都转换为星型架构；②将q翻译为英国星型模型相关的查询；③将涉及到的映射转换为S-T元组发生条件。这样，源同伴返回的结果和目标同伴的查询之间就能形成无缝整合，实现知识共享。

图5 重组模型框架[18]

3.4.2 基于Business Cockpit的CBI系统应用

系统实施的环境为某IT组织的数据中心。该数据中心占地7万平方英尺，拥有3000名左右员工。整个中心有将近2000组IT设备，平均每组耗电能3～5千瓦，并且这些设备排列在冷热通道中。冷通道主要为系统提供冷空气，而热通道主要抽走设备散热，由统一的计算机房间空气调节（Computer room air conditioning，CRAC）控制。日常操作是数据中心设备经理须与若干有关管理者协调和分享信息，典型情况是需要相关管理者参与的诊断和问题解决。通常当关键操作指示器监视到某个问题后，数据中心设备经理就需要询问IT系统经理、电力管理和分配小组、冷却管理小组、水源管理小组和数据中心设计者，以了解有关因素的流动。在更复杂的情况下，有关责任人还需到数据中心实地诊断问题。他们通过不同渠道交流，但这种交流不包含所有相关活动的完整历史以及不同来源事件的关联。每个人只能看到特定领域信息，但是实际上问题的诊断和解决通常更需要操作信息的全盘把握。所以该中心开始使用基于Business Cockpit的CBI系统。利用该系统可以让远程用户在多来源事件相关性基础上，参与、分享、查看并合作采取有效决策。此外，通过了解在数据中心设计、操作过程或控制参数的变化，还能让操作人员主动预测和防止问题发生。基于Business Cockpit的CBI系统能为专家在决策会议中提供一个配备所有相关应用、数据模型和分析能力的虚拟房间，模拟效果如图6所示。大部分和协同会议有关的交流都能在一个渠道内完成，并且所作出的决策能被记录下并整合到工作流中，支持适合的行动。事实证明基于Business Cockpit的CBI系统实施将不同地域的领域专家集合起来，了解问题现状，过去相关事件和未来趋势，从不同角度分析操作，大大提高了协同智能问题解决的效率[20]。

图6 基于Business Cockpit的CBI系统环境中的虚拟房间[20]

4 启示

随着企业变得更加自动化、实时和数据驱动，传统的商务智能系统正向支持在线捕捉相关信息、协同制定决策方向发展。通过上文有关理论和实际系统分析，可以看出协同技术在商务智能系统的植入，使协同商务智能系统信息分享与协同决策的两个特点更为突出。具体来说，在框架上，协同商务智能系统增加了适配层，比传统商务智能系统更加注重不同媒介信息的收集、调节、整合，促进信息流动普遍化、快速化、及时化、准确化；在技术上，协同技术的引入改进了原有商务智能技术，而且Web2.0和社会网络等交互技术应用更加广泛；在功能上，个性化、交互性更强，用户参与度更高，参与范围更广，更为人性化。同时，参考协同技术在其他领域应用系统的功能，协同商务智能还有很大的进步空间。比如现有协同商务智能系统比较缺少对用户角色的区分。实际上根据参与者自身的优势与专长为之分配不同的角色，如探索者和挖掘者，引入相应的算法，使系统从不同协同检索者异步收集输入并且利用输入流影响检索和显示的信息。这点可以参考Cerchiamo②C erchiamo是美国FX Palo Alto实验室开发的一款协同信息检索系统。它强调用户各自的角色及之间实时、无缝、整合和双向的影响，每个角色都有各自的检索界面，深层次算法将重新分配信息并调整潜在检索算法参数。（http：／／www.fxpal.com／？p＝ces）系统的算法。另外为了更好利用已有数据，还可以引入Search－Together③SearchTogether是由Microsoft公司开发的IE7附加插件，支持认知、分工和持续性等特性。（http：／／research.microsoft.com／en－us／um／redmond／projects／searchtogether／.）的持续检索功能，将之前讨论过程记录，主要方式是保存页面元数据，存储检索过程，并可以将元数据以电子邮件形式发送给有关用户。

总之，协同技术在商务智能领域的嵌入表明了商务智能不再仅依靠技术力量，而是将技术作为手段，凸显人在商务智能活动中的重要地位，发挥集体智慧的力量，更加以人为本，为商务智能带来了新的发展机遇。在大数据和经济全球化背景下可以预见协同商务智能系统将会成为新研究热点，有广阔的发展前景。

[1]Tableau Software.Top 10Business Intelligence trends for 2013[EB／OL].[2013-12-30].http：／／www.tableausoftware.com／learn／whitepapers／top-10-trends-business-intelligence-2013

[2]Dresner H.Dresner report on Collaborative Business Intelligence trends reveals where collaboration is most valued[EB／OL].[2013-12-30].http：／／sandhill.com／article／dresner-report-on-collaborative-business-intelligence-trendsreveals-where-collaboration-is-most-valued／

[3]夏火松.商务智能[M].北京：科学出版社，2010：216

[4]Rouse M.Collaborative BI（collaborative business intelligence）[EB／OL].[2013-12-30].http：／／searchbusinessanalytics.techtarget.com／definition／collaborative-BI-collaborative-business-intelligence

[5]Larsen T.Business Intelligence ＆ Collaboration：The perfect pair[EB／OL].[2013-12-30].http：／／blog.mindjet.com／2012／11／business-intelligence-collaboration-the-perfect-pair／

[6]James L.Yellowfin to host Collaborative Business Intelligence best practices event[EB／OL].[2013-12-30].http：／／www.yellowfinbi.com／YFCommunityNews-Yellowfin-to-host-Collaborative-Business-Intelligence-best-practices-event-122738＃sthash.S8D3TcBx.dpuf

[7]Carstensen PH，Schmidt K.Computer supported cooperative work：New challenges to systems design[EB／OL].[2013-12-30].http：／／www.itu.dk／～schmidt／papers／cscw＿intro.pdf

[8]Wilson P.Computer supported cooperative work：An introduction[M].Dordrecht：Kluwer Academic Publishers，1991：6

[9]秦育华.CSCW 技术的研究与发展[J].内蒙古科技与经济，2005（12）：124-125

[10]谭学清，陆泉，谭永丽等.商务智能[M].武汉：武汉大学出版社，2006：10

[11]Nelson G S.Business Intelligence 2.0：Are we there yet？[EB／OL].[2013-12-30].http：／／support.sas.com／resources／papers／proceedings10／040-2010.pdf

[12]Raden N.Business Intelligence 2.0：Simpler，more accessible，inevitable[EB／OL].[2013-12-30].http：／／www.informationweek.com／software／information-management／business-intelligence-20-simpler-more-accessible-inevitable／d／d-id／1051440？

[13]Techopedia.Business Intelligence 2.0（BI 2.0）[EB／OL].[2013-12-30].http：／／www.techopedia.com／definition／26502／business-intelligence-20-bi-20

[14]熊励，陈子辰，梅益.协同商务理论与模式[M].上海：上海社会科学院出版社，2006：9

[15]百 度 百 科.协 同 商 务 [EB／OL].[2013-12-30].http：／／baike.baidu.com／link？url＝yIEG4AwmOOeB19-efirRFF6FNbE3Ojei9EzkaSKDHf5Vj5iJD5GkmKpGUrNcA8EWlg＿tJAEuB3OF9hxr4GIkvK＃1

[16]王谢宁.构建协同商务系统的核心技术研究[J].计算机技术与发展，2009，19（6）：221-228

[17]俞定国，陈楠，汪海航.基于Agent的协同商务过程管理系统研究[J].计算机应用研究，2007（7）：189-190，194

[18]Rizzi S.Collaborative Business Intelligence[A].Aufaure M，Zimányi E（Ed.）.Business Intelligence：Lecture Notes in Business Information Processing，volume 96[M].Berlin：Springer Berlin Heidelberg，2012：186-205

[19]Sayal M，Casati F，Dayal U，et al.Business Process Cockpit[EB／OL].[2013-12-30].http：／／www.hpl.hp.com／techreports／2001／HPL-2001-313.pdf

[20]Dayal U，Vennelakanti R，Sharma R，et al.Collaborative Business Intelligence：Enabling collaborative decision making in enterprises[A].Meersman R，Tari Z（Eds.）.On the Move to Meaningful Internet Systems：OTM 2008，Part I，LNCS5331[M].Berlin：Springer Berlin Heidelberg，2008：8-25

[21]BITeamwork[EB／OL].[2013-12-30].http：／／www.biteamwork.com／

[22]Yellowfin.About Us[EB／OL].[2013-12-30].http：／／www.yellowfinbi.com／YFWebsite-About-Us-24433

[23]James L.BBBT praise Yellowfin’s unique approach to Collaborative Business Intelligence[EB／OL].[2013-12-30].http：／／www.yellowfinbi.com／YFCommunityNews-BBBT-praise-Yellowfin-s-unique-approach-to-Collaborative-Business-Intelligence-142677＃sthash.MXSh6Bmv.dpuf

[24]Wikipedia.Panorama Software[EB／OL].[2013-12-30].http：／／en.wikipedia.org／wiki／Panorama＿Software

[25]Panorama Software.About Panorama[EB／OL].[2013-12-30].http：／／www.panorama.com／company／

[26]Panorama.Collaborative BI[EB／OL].[2013-12-30].http：／／www.panorama.com／business-intelligence-solutions／collaborative-bi／

[27]赵卫东.商务智能[M].北京：清华大学出版社，2009：5-6

[28]Yellowfin.White paper：Collaborative Business Intelligence[EB／OL].[2013-12-30].http：／／www.yellowfinbi.com／Document.i4？DocumentId＝117498