转：每一项技术从出现到成熟的整个过程都将沿着图中的曲线前进，而且典型地，都将被划分为五个阶段：
（1）技术显现：一门技术被发明或定义之后，开始进入公众的视野。
（2）不断膨胀的期望期：由于该项技术的划时代突破，使人们对这项技术有着无比美好的想象和期望，这一阶段类似“网络的泡沫器”。
（3）希望破灭之后的醒悟期：由于每项技术都不是万能的，真正获得使用仍然需要务实的加以应用研究，此时人们发现这项技术似乎并没有期望中那么有用，这一阶段类似“网络的泡沫破灭”。
（4）豁然开朗的应用发展期：经过了一个阶段的开发和研究，该项技术终于走上了良性发展的轨道，越来越多的人接受并使用了该项技术。
（5）大量的工业化生产期：该项技术成为业界主流，大量应用出现在具体环境中。
BI发展周期模型
2001年，国外BI厂商陆续进入国内市场，国内一两家软件厂商开始自主开发；
2003年，国外BI厂商大举入侵，国内厂商亦如雨后春笋，真真假假都开始了；
2005年，看到了收购的影子
2007年，经济危机……或许创业伊始的小公司困难的日子开始了，收购亦开始了；
2008年，厂商数量锐减：大规模收购爆发了，一部分被收购，一部分放弃自我帮大厂商实施去了，一部分转行，还有一部分反正没动静了；
2011年，持续大浪淘沙中，在国内商业智能市场中，几家国外大厂商为主，国内两三年家独立厂商努力坚持着。
而与此同时，商业智能市场规模，一路上扬到50亿元人民币，趋势有所减缓，但仍然持续上升着。别看钱多，别看参合者多，参与者苦在其中——创业碰到了资本，无力抵挡；苦力服务于大鳄，九牛拔到了一毛，血汗钱矣。
1. Different Approaches
There are several ways to build a data warehouse, among which the most famous two are Top-down approach and Bottom-up approach.
Besides these industrial approaches, approaches most frequently used by unprofessional DW builders are building firstly Data marts then DW from reporting needs, building DW by simply copying of transactional databases, and there are some other methods they can find when meeting the urgent schedule of the project.
因BeiAn的原因，商业智能之路博客的地址更改为http://www.bi-professional.com,希望以后不再麻烦。
欢迎申请@bi-professional.com邮件帐户：注册入口（由微软live.com邮件服务器承载）
传统的DW/OLAP模式（数据抽取ETL->数据仓库DW->维度建模->在线分析处理OLAP->前端展示）或DB/Report（数据库->SQL或宜用的SQL设计器->报表）模式的所谓的商业智能，在处理业务决策支持的过程中，已经分别显得过于理想化：对决策的过程的支持不仅仅限于技术的手段、传统的技术手段单调且死板，带给最终用户的价值只是在限定的查询之上的结果展示。经过十几年的发展之后，商业智能的定义逐渐泛化，越来越多的理念及技术被引入：商业智能厂商不断尝试引入新的手段，不断丰富自己的商业智能体系，以更好的支持业务分析及决策。本文将列举过去几年商业智能领域的相关产品已经出现的若干特点。
转自：商业智能翻译小组-蔡旭 (欢迎各位同仁加入商业智能翻译小组)
简介
作为国际上比较权威的商业智能机构TDWI提出了数据仓库成熟度模型，描述一个企业商业智能发展的阶段和特点。文中对各阶段使用的技术的优缺点进行了比较和推荐，非常有实用价值。
我们中的许多人都曾经多年从事数据仓库管理工作。有些人做出了战略性的系统，让用户和企业高管十分满意。有些人则在为维持企业持续投入支持数据仓库项目挣扎，同时他的用户却在拼命要求更好更准确的信息。
怎样才能有个成功的解决方案？你的数据仓库方案跟同行业中的公司相比如何？怎样才能将你的解决方案提升一个层次？
今天又很多数据仓库项目经理都在问以上的问题。不幸的是，没有一个容易的解答。TDWI开发了一个数据仓库成熟度模型，以供参照。这个模型提供了一个便捷的方式来衡量你的数据仓库解决方案，现在在哪，下一步该怎么做。 阅读全文…
网络收集的某集团公司商业智能项目在经营分析方面的原始需求，包括对关键绩效指标KPI分析，财务分析（资产负债分析、现金流量分析等），业务分析（产品生产、销售、库存成本分析，销售市场分析，销售成本利润分析等）。另外，还对凭证查询及具体的数据分析方法提出了要求。
