& gt& gtBI 의 원료는 엄청난 양의 데이터입니다.
& gt& gtBI 제품은 데이터에서 가공된 정보와 지식입니다.
& gt& gtBI 는 이러한 제품을 기업 의사결정권자에게 푸시합니다.
& gt& gt 기업 의사결정권자는 피공장 제품을 이용하여 올바른 결정을 내리고 기업 발전을 촉진한다.
이것이 바로 비즈니스 인텔리전스, 즉 비즈니스 인텔리전스입니다. 데이터를 의사 결정자와 연결하여 데이터를 가치로 변환합니다.
BI 응용 프로그램은 정보 응용 프로그램과 지식 응용 프로그램의 두 가지 주요 범주로 나뉘며, 그 특징은 다음 표에 나와 있습니다.
정보 비즈니스 인텔리전스 애플리케이션:
원시 데이터에서 처리된 데이터 쿼리, 보고서 차트, 다차원 분석, 데이터 시각화 등을 말합니다. 이러한 어플리케이션의 공통된 특징은 데이터를 의사결정권자가 받아들일 수 있는 정보로 변환하여 의사결정권자에게 제시하는 것입니다.
예를 들어 은행 거래 데이터를 은행 재무제표로 처리합니다.
정보만을 제공할 뿐 능동적으로 데이터를 분석하지는 않습니다.
예를 들어, 은행 재무보고 도구는 고객 손실과 은행 이자율 간의 관계를 깊이 분석할 능력이 없으며 의사 결정자의 정보 결합에만 의존하여 인간의 사고를 통해 지식을 얻을 수 있습니다.
지식 비즈니스 인텔리전스 애플리케이션:
데이터 마이닝 기술 및 도구를 말하며, 데이터에서 숨겨진 관계를 발굴하고, 데이터를 컴퓨터를 통해 지식으로 직접 처리하여 의사 결정자에게 제공합니다.
데이터 속의 데이터 연계를 적극적으로 발굴하고, 의사결정권자의 뇌가 빨리 발굴할 수 없는 숨겨진 지식을 발굴하고, 이해할 수 있는 형식으로 의사결정권자에게 제시할 것이다.
(3) 양방향 데이터 쿼리의 주요 응용 프로그램 모드 개요
데이터 쿼리는 MIS 시스템의 유산인 가장 간단한 비즈니스 인텔리전스 애플리케이션입니다. 비교적 오래된 학교에서 왔지만, 여전히 의사결정자들이 정보를 얻는 가장 직접적인 방법이다.
오늘날의 데이터 쿼리 인터페이스는 기존의 SQL 명령줄, 많은 드롭다운 메뉴, 입력 상자, 목록 상자 등의 요소에서 완전히 벗어났습니다. 심지어 마우스 끌기 인터페이스까지, 백그라운드 노동력의 SQL 문을 매력적인 데이터 수집 시스템으로 포장했습니다. 그러나 본질적으로 데이터 조회의 몇 가지 요소는 남아 있지 않습니다.
& gt& gt 는 무엇을 확인합니까?
& gt& gt 어디로 가서 확인해?
& gt& gt 필터
& gt& gt 표시 방법
현재 외국에서 비교적 유행하는 데이터 조회 애플리케이션은 이미 데이터 조회의 유연성을 완전히 풀었다. 오른쪽 그림에서 볼 수 있듯이 Cognos ReportNet 의 데이터 쿼리 인터페이스인 Query Studio 를 통해 사용자는 순수 브라우저 인터페이스를 통해 마우스를 끌어서 데이터 쿼리 요소를 정의하고 보고서, 차트 등의 다양한 방법으로 데이터를 표시할 수 있습니다.
(4) 양방향 신고의 주요 응용 모델 개요.
보고서는 국내에서 가장 유행하는 BI 응용 프로그램 중 하나이며, 이는 우리나라 국유기업 사업 단위의 역사적 지위와 분리될 수 없다. 우리나라의 보고서는 형식이 특이하고, 데이터 집중, 규칙이 괴상한 것으로 유명하여, 수많은 외국 보고 도구와 BI 도구를 가슴을 두드리게 한다.
보고서의 두 가지 요소는 데이터와 형식입니다. 형식이 없으면 보고서 적용은 데이터 쿼리 적용과 거의 같습니다. 보고서는 조회된 데이터를 지정된 형식으로 표시하는 것이라고 할 수 있습니다.
보고서 응용 프로그램에는 보고서 표시 및 보고서 생성 모듈이 모두 포함됩니다. 보고서 표시는 의사 결정자에게 보고서를 보여 주고, 의사 결정자가 보고서 연도, 부서, 기관 선택과 같은 조건 정의를 통해 보고서 데이터를 선택할 수 있도록 하는 것입니다. 보고서 제작은 보고서 개발자를 대상으로 하며, 형식 정의, 데이터 매핑, 풍부한 계산 방법 등에 대한 보고서 개발자의 유연성은 BI 보고서 응용 프로그램의 품질에 영향을 줍니다.
Microsoft Excel 은 BI 보고 도구가 아닙니다. Excel 은 데이터 소스에 연결할 수 있는 능력이 없기 때문에 기껏해야 스프레드시트입니다. 그러나 Excel 의 강력한 포맷 기능으로 보고서 제작자들은 고개를 숙이고, 나중에는 거의 모든 BI 업체들이 Microsoft Excel 에 플러그인을 제공했다. 플러그인을 통해 Excel 은 BI 의 데이터 소스에 연결하여 BI 의 보고 도구로, 미운 오리는 백조로 변할 수 있다.
5)BI 고급 애플리케이션 모델-온라인 분석 처리 (OLAP) 개요
OLAP (온라인 분석 처리) 는 비즈니스 인텔리전스가 제공하는 새로운 데이터 관찰 방법으로 비즈니스 인텔리전스의 핵심 기술 중 하나입니다.
우리는 데이터가 데이터베이스의 데이터 테이블에 저장된다는 것을 알고 있습니다. 예를 들어 상점의 판매 데이터는 다음과 같은 데이터 테이블에 저장됩니다.
판매 시간
판매처
제품
판매
판매액
2004- 1 1- 1
베이징
비누
10
342.00
2004- 1 1-6
광저우
오렌지
30
123.00
2004- 12-3
베이징
바나나
20
12.00
2004- 12- 13
상하이
오렌지
50
189.00
2005- 1-8
베이징
비누
10
342.00
2005- 1-23
상하이
칫솔
30
150.00
2005-2-4
광저우
칫솔
20
100.00
의사결정권자들은 종종 다음과 같은 분포, 비율, 추세와 같은 거시적인 정보를 알고 싶어한다.
& gt& gt 는 시간요인을 버리고 베이징 판매량 추세는 어떻습니까?
& gt& gt 어떤 제품이 2005 년 매출이 2004 년보다 가장 크게 증가했습니까?
& gt& gt2004 년 다양한 제품 판매 비율 분포? ......
이러한 요구에 직면하여 SQL 문을 사용하여 대량의 SUM 연산을 수행해야 하며, 매번 한 가지 문제의 결과를 얻을 때마다 SQL SUM 이 필요합니다. 위의 7 개의 기록에 직면하여 우리는 쉽게 결과를 얻을 수 있지만, 우리가 수백만, 심지어 수십억 개의 기록에 직면할 때, 예를 들면 모바일 회사의 통화 데이터를 계산할 때, 모든 SQL 을 계산하는 데 많은 시간이 걸린다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 성공명언) 의사결정자들은 종종 첫날에 분석 요구를 하고, 다음날까지 계산 결과를 얻는다. 이런 분석 방식은' 오프라인 분석' 으로 효율성이 매우 낮다.
데이터 분석의 효율성을 높이기 위해 OLAP 기술은 레코드 기반 데이터 탐색 모드를 완전히 깨고 데이터를 "차원" 과 "측정" 으로 나눕니다.
& gt& gt 차원은 위의 예에서 "판매 시간", "판매 위치", "제품" 과 같은 데이터를 관찰하는 관점입니다.
& gt& gt 측정은 위의 예에서 "판매 수량" 과 "판매 금액" 과 같은 구체적인 조사의 수량 값입니다.
이렇게 하면 위의 평면도 데이터 리스트를 3 차원이 있는 데이터 큐브로 변환할 수 있습니다.
데이터를 탐색하는 과정은 큐브의 한 점을 결정한 다음 이 점의 측정을 관찰하는 것입니다.
물론 데이터 큐브는 3 차원으로 제한되지 않습니다. 여기서는 3 차원으로 문제를 설명합니다. 단지 그래픽으로 표현할 수 있는 한계가 3 차원이기 때문입니다.
차원은 계층으로 나눌 수 있습니다. 예를 들어 시간은 매일 월, 년으로 요약할 수 있고, 제품은 식품, 일용품으로 요약할 수 있으며, 위치는 화북, 화남으로 요약할 수 있습니다. 사용자는 차원 레벨을 따라 자유롭게 드릴다운하고 위로 스크롤할 수 있습니다.
이를 통해 SQL SUM 의 속도 제한에서 벗어나 다양한 조건을 충족하는 상세 데이터를 신속하게 찾아 일정 수준의 요약 데이터를 신속하게 얻을 수 있습니다. OLAP 기술은 의사 결정자에게 다각적, 다단계, 효율적인 데이터 탐색 방법을 제공합니다. 의사결정자의 사고는 더 이상 고정된 드롭다운 메뉴와 질의 조건에 얽매이지 않고 의사결정자가 데이터를 얻고, 분석 관점을 임의로 조합하고, 목표를 분석하는 사고에 의해 주도된다. 이는 기존의 상호 작용 분석과 효율성을 깨고 OLAP 를 BI 시스템의 핵심 응용 프로그램으로 만들었습니다.
(*) 넷째 스프레이: BI 고급 애플리케이션 모델-데이터 시각화 및 데이터 마이닝
(6)BI 응용 프로그램 모드 개요-데이터 시각화
데이터 시각화는 의사 결정자가 추세, 분포, 밀도 등의 정보에 포함된 지식을 신속하게 얻을 수 있도록 그래픽의 시각적 표현을 통해 가능한 한 많은 형태로 정보를 제공하기 위해 노력하고 있습니다. MapInfo 로 대표되는 GIS 소프트웨어 공급업체도 BI 앱을 결합하려고 시도하고 있다는 점은 주목할 만하다. MapInfo 는 위치 지능의 개념을 최초로 제시했고, 지리 정보 시스템에 의존하여 인구 밀도, 산업 생산액, 1 인당 병원 수 등 각 지역의 속성 값을 표시했습니다. 이 시각화 응용 프로그램은 BI 데이터 시각화 응용 프로그램과 부분적으로 겹쳐져 강력한 보충을 형성하며 때로는 한 프로젝트에서 서로 일치할 수 있습니다.
위 그림은 Cognos Visualizer 제품입니다. 이 사람은 지도, 원형 차트, 폭포도 등 거의 50 가지 디스플레이 그래픽을 비롯하여 거의 선정적인 다양한 형식으로 데이터와 정보를 전시하고 있으며, 2 차원 및 3 차원 디스플레이 방식을 제공합니다. 모든 그래픽 요소는 이동할 수 있습니다. 예를 들어, 사용자가 지도에서 주를 클릭하여 해당 성의 도시 정보를 드릴할 수 있습니다. 이러한 상호 작용은 BI 와 일반 사진 생성 소프트웨어의 중요한 차이점입니다.
(7) 비즈니스 인텔리전스 애플리케이션 모델-데이터 마이닝 개요
데이터 마이닝은 인간의 뇌의 특정 기능을 대체할 수 있기 때문에 가장 진보 된 BI 응용 프로그램입니다.
데이터 마이닝은 구조화된 데이터에서 지식 발견의 특수한 경우입니다.
데이터 마이닝의 목적은 컴퓨터를 통해 대량의 데이터를 분석하고 데이터 사이에 숨겨진 규칙과 지식을 찾아내 사용자가 이해할 수 있는 방식으로 사용자에게 보여주는 것입니다.
데이터 마이닝의 세 가지 요소는 다음과 같습니다.
& gt& gt 기술 및 알고리즘: 현재 일반적으로 사용되는 데이터 마이닝 기술은 다음과 같습니다.
자동 클러스터링 감지 (자동 클러스터링 감지)
의사 결정 트리
신경망 (신경망)
& gt& gt 데이터: 데이터 마이닝은 알려진 과정에서 알 수 없는 프로세스입니다.
그래서 대량의 데이터 축적이 데이터 소스로 필요하고, 데이터 축적이 필요하다.
숫자가 클수록 데이터 마이닝 도구의 참조점이 많아집니다.
& gt& gt 예측 모델: 데이터 마이닝이 필요한 비즈니스 로직
컴퓨터 시뮬레이션, 이것은 데이터 마이닝의 주요 작업입니다.
정보 기반 BI 응용 프로그램에 비해 데이터 마이닝으로 대표되는 지식 기반 BI 응용 프로그램은 아직 미성숙하지만, 또 다른 관점에서 데이터 마이닝은 아직 많은 발전 공간이 있어 향후 BI 발전의 중점 방향이다. SAS, SPSS 등 지식 기반 BI 애플리케이션 업체의 이미지가 점차 높아져 새로운 이익 성장 포인트를 점거하고 있다.
위 그림에서 유명한 IBM 스마트 광산기가 고객의 소비 행동을 분석하고 있다. 대량의 고객 데이터를 분석한 다음 고객을 여러 그룹 (자동 범주 감지) 으로 자동 분할하고 각 그룹의 소비 특성을 표시하여 의사결정권자가 서로 다른 고객의 소비 습관에 대한 판촉 또는 광고 방안을 한 눈에 파악할 수 있도록 합니다.
정보 BI 애플리케이션을 통해서만 이러한 기능을 수행할 경우 의사 결정자는 경험에 따라 대량의 OLAP 분석 및 데이터 쿼리를 수행해야 하며 반드시 데이터의 무언의 규칙을 발견할 수 있는 것은 아닙니다. 예를 들어, 위의 고객 분류는 400 만 명의 사용자가 있는 은행에 데이터 마이닝 도구가 없으면 지쳐 죽을 것입니다.
(8) BI 기본-데이터 웨어하우스 기술 (Data Warehouse)
이 주제를 뿌리기 전에 먼저 데이터 웨어하우스의 공식 정의를 살펴보겠습니다.
데이터 웨어하우스는 주제 중심의 통합 비휘발성, 시변 데이터 세트로, 관리 의사 결정을 지원합니다. 이것은 데이터 웨어하우스의 공식 정의입니다.
"운영 데이터베이스" 는 은행 부기 시스템의 데이터베이스와 같습니다. 각 비즈니스 작업 (예: 5 위안을 저축한 경우) 은 즉시 이 데이터베이스에 기록됩니다. 지금까지 축적된 모든 데이터는 단편적이었다. 이 데이터베이스는 "운영 데이터베이스" 라고 하며 비즈니스 운영을 대상으로 합니다.
데이터 웨어하우스는 운영 데이터베이스와는 달리 분석 데이터 처리를 위한 의사 결정 지원에 사용됩니다. 또한 데이터 웨어하우스는 여러 이기종 데이터 소스를 효과적으로 통합합니다. 통합 후 주제별로 재구성되고 과거 데이터가 포함되며 데이터 웨어하우스에 저장된 데이터는 일반적으로 수정되지 않습니다.
운영 데이터베이스, 데이터 웨어하우스 및 데이터베이스의 관계는 C: 및 D: 와 하드 드라이브의 관계와 같습니다. 데이터베이스는 하드 디스크이고 운영 데이터베이스는 c: 입니다. 운영 데이터베이스와 데이터 웨어하우스는 모두 데이터베이스에 저장되지만 테이블 구조의 디자인 패턴과 목적이 다릅니다.
그렇다면 운영 데이터베이스와 BI 사이에 이러한 "데이터 웨어하우스" 계층을 추가해야 하는 이유는 무엇입니까?
첫째, 운영 데이터베이스가 주야로 바쁘기 때문에 업무에 신속하게 대응하는 것을 주요 목표로 하고 있으며, BI 측의 데이터 요구 사항을 서비스할 에너지가 없기 때문에 BI 측의 데이터 요구 사항은 일반적으로 요약된다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 운영명언) Xx 의 select sum (xx) 그룹은 운영 데이터베이스가 많은 자원을 소비하고 업무 처리가 따라잡지 못하면 큰 문제가 됩니다. 예를 들어, 5,000 위안을 저축했는데, 10 분 후에 돈이 아직 도착하지 않았다는 것을 알게 되었는데, 당신은 어떻게 생각합니까? 은행 지도자가 파이 차트를 보고 있는 게 틀림없어?
둘째, 기업에서는 인적 자원 데이터베이스, 재무 데이터베이스, 판매 문서 데이터베이스, 재고 상품 데이터베이스 등 많은 운영 데이터베이스에 해당하는 많은 응용 프로그램이 있습니다. 데이터의 파노라마 뷰를 제공하려면 BI 가 이러한 분산된 데이터를 통합해야 합니다. 예를 들어 통합 판매 및 재고 정보에 대한 OLAP 분석을 수행하려면 BI 도구가 두 데이터베이스에서 데이터를 효과적으로 가져올 수 있어야 합니다. 이때 가장 효율적인 방법은 먼저 데이터를 데이터 웨어하우스에 통합하고 BI 애플리케이션은 데이터 웨어하우스에서 통합하는 것입니다.
분산된 운영 데이터베이스의 데이터를 데이터 웨어하우스에 통합하는 것은 대학 질문으로 데이터 통합 소프트웨어 시장을 탄생시켰다. 이 통합은 단순히 테이블을 함께 쌓는 것이 아니라 각 운영 데이터베이스의 차원을 추출하고 * * * 와 동일한 차원을 * * 로 설정한 다음 특정 측정값 값이 포함된 데이터베이스 테이블을 주제별로 여러 개의 큰 테이블 ("사실 테이블" 이라는 용어) 로 통합하고 차원-측정값 모델에 따라 데이터 웨어하우스 테이블 구조를 설정한 다음 데이터 추출 및 후속 추출은 일반적으로 운영 데이터베이스 로드가 비교적 적을 때 (예: 새벽) 증분적으로 새 데이터를 추출하여 데이터 웨어하우스의 데이터가 누적됩니다.
대부분의 BI 어플리케이션에는 의사결정자와 같은 실시간 데이터가 필요하지 않습니다. 매주 지난주 주간지를 보면 됩니다. BI 어플리케이션의 95% 가 현실을 원하지 않으며 1 시간에서 1 월까지의 데이터 지연이 허용됩니다. 이는 데이터 추출 도구의 근무 시간인 의사 결정 지원 시스템의 응용 기능입니다. 물론 BI 어플리케이션에는 일반적으로 실시간 데이터 요구 사항이 거의 없습니다. 이 경우 이러한 특수한 요구 사항에 맞게 BI 쿼리 소프트웨어를 비즈니스 데이터베이스에 직접 연결하기만 하면 되지만 로드를 제한하고 복잡한 쿼리를 금지해야 합니다.
현재 모든 데이터베이스 제품은 데이터 웨어하우스에 특화된 최적화를 제공합니다. 예를 들어, 높은 버전의 MySQL 을 설치할 때 설치 순서에서 데이터베이스 인스턴스가 트랜잭션 지향인지 의사 결정 지원인지 묻습니다. 전자는 운영 데이터베이스이고, 후자는 데이터 웨어하우스입니다 (의사 결정 지원, 다시 힘내세요). 두 형식 모두에 대해 데이터베이스는 용도에 맞는 최적화를 제공합니다.
(9) 이중 레이스
그것은 BI 에 관한 지식이다. 레이스를 좀 써서 결론을 내리다.
BI 의 핵심 사항: BI 는 구조화되지 않은 데이터를 처리할 수 없으며 디지털 정보만 처리할 수 있습니다. 그러나 기업에서는 여전히 많은 텍스트, 스트리밍 미디어, 그림 등 구조화되지 않은 데이터가 존재하고 있으며, 이러한 데이터에도 많은 가치가 포함되어 있지만, 이러한 데이터에 직면하여 현재의 BI 도구는 무력하다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 예술명언) IBM Intelligent Miner for Text 는 믿을 만하지만 중국어를 처리하는 데는 약한 것 같습니다.
BI 공급업체 및 제품:
먼저 외국의 큰 이름을 알아보자! 데이터 웨어하우스의 경우 IBM DB2, Oracle, Sybase IQ, NCR Teradata 등이 있습니다. BI 어플리케이션에는 Cognos, Business Objects, MicroStrategy, Hyperion, IBM 등이 포함됩니다. 데이터 마이닝은 IBM, SAS, SPSS 등을 포함합니다. 거대 마이크로소프트도 BI 분야에 발을 들여놓고 SQL 서버 분석 서버, 보고서 서비스 등 BI 관련 제품을 출시해 산을 장악했다!
우리는 종종 외국 BI 사장에만 집중하고 중국의 신흥 BI 대군을 소홀히 한다. 현재 국내에서 비교적 유명한 BI 는 오비지동 파워비, 상남의 BlueQuery, 윤건보고 등이 있다. 특히 오비의 지적인 파워-BI 는 표준화된 BI 로 국내에 어느 정도의 시장 점유율을 가지고 있다는 점은 주목할 만하다. (윌리엄 셰익스피어, 오비, Northern Exposure (미국 TV 드라마), 스포츠명언)
중국 비즈니스 인텔리전스 시장의 발전
한동안
중국에 비즈니스 인텔리전스 적용
2002 년 이전
대량의 BI 소프트웨어는 여러 데이터 소스에서 데이터를 추출할 수 있는 보고서로 간주되며, 온통 보고서로 가득 차 있다.
당초 회사는 상품을 보급할 때 사용자에게 "우리는 BI 분야에서 가장 강하다." 라고 소개했습니다. "효과가 좋지 않습니다. 나중에 그 영업 사원들은 마침내 비결을 발견하고 올라와서 "우리는 어떤 보고서도 할 수 있다!" 라고 말했다. 그런 다음 명령이 계속 전달됩니다.
2002-2003 년
몇몇 명안자들은 마침내 OLAP 의 가치를 발견했다. 경쟁 압력이 큰 일부 기업들은 경쟁력을 높이기 위해 역사 데이터의 가치를 발굴하고 OLAP 의 장점을 신속하게 파악해야 한다. 이때 판매는 마침내 "우리는 어떤 보고서도 할 수 있다" 고 말할 필요가 없다. 그러나 국가기관과 독점기업은 여전히 보고서이며, 완성은 보고서라고 생각한다.
2004
점점 더 성공적인 BI 프로젝트가 실시됨에 따라 OLAP 가 드디어 드러나면서 국내에 데이터 조회+보고서 표시 +OLAP 분석을 위한 합리적인 BI 애플리케이션 아키텍처가 형성되었다. 사용자는 종종 데이터 시각화에 대한 요구를 제기합니다. 경쟁이 치열하고 데이터 양이 많은 일부 기업에서는 데이터 마이닝 애플리케이션이 등장했습니다.
2005
정보 제공은 더 이상 많은 기업의 요구 사항을 충족시킬 수 없습니다. 특히 은행, 통신, 증권과 같이 경쟁이 치열하고 위험이 많은 업종에서는 더욱 그렇습니다. 데이터 마이닝의 수요가 대거 쏟아져 BI 애플리케이션은 결국 정보+지식의 전체를 형성했다.
중국에서 BI 도구가 직면 한 문제;
* 복잡한 양식: 중국은 세계에서 가장 복잡한 양식을 가지고 있습니다. 중국의 샘플 디자인 이념은 서구와 다르다. 서방의 보고서는 단 하나의 보고서만으로 문제를 설명하는 경향이 있고, 중국의 보고서는 가능한 한 많은 문제를 하나의 보고서에 집중시키는 경향이 있어 중국 보고서의 형식이 복잡하고 스타일이 이상하다.
* 빅 데이터: 중국은 세계에서 인구가 가장 많은 나라입니다. 차이나 모바일 회사를 예로 들어 보겠습니다. 중국의 한 지방의 사용자 수는 유럽의 한 중등국가의 인구와 맞먹는 엄청난 양의 데이터다! 외국의 데이터베이스, 데이터 웨어하우징, BI 앱은 모두 중국에서 대량의 데이터 운반 능력의 시련을 겪고 있다. 미국의 경우 고객 분석 애플리케이션은 2 초 만에 결과를 얻을 수 있지만 중국에서는 2 초가 아닌 이렇게 많은 양의 데이터가 있습니다.
* 데이터 쓰기 되돌림: 중국은 세계에서 BI 시스템에 대한 요구가 가장 이상한 나라입니다. 처음에 BI 시스템은 소스 데이터를 충실히 재현하는 원칙에 기반을 두었지만, 이 원칙은 중국에서 어려움을 겪었다. 많은 지도자들이 데이터 수정 요구를 제기했다. "보고서의 수치가 좋지 않아, 틀림없이 고칠 수 있을 것이다. 때로는 상급 지도자가 볼 수 있도록 조정해야 할 때도 있다!" 한 지도자가 말했다. 현재 이 요구를 충족시킬 수 있는 BI 제품은 마이크로소프트와 MicroStrategy 뿐입니다. 마이크로소프트는 중국 시장을 잘 알고 있다.