不同領域的情報分析及其在大數據環境下的發展*

李廣建 江信昱

（北京大學信息管理系 北京 100871）

·專題·

不同領域的情報分析及其在大數據環境下的發展*

李廣建 江信昱

（北京大學信息管理系 北京 100871）

大數據已經引起競爭情報、商業管理、生物醫學、政府治理及軍事情報等五個領域的重視，為厘清不同領域的情報分析差異，文章通過梳理五個領域對情報分析的概念與實踐現況，揭示了不同領域的情報分析特征；通過說明五個領域在大數據環境下的情報分析發展，指出了大數據對情報分析的影響。

大數據情報分析競爭情報商務智能生物醫學政府治理軍事情報

1 前言

不同研究領域有其自身的研究對象、理論源流、學術習慣以及概念框架體系，它們會深刻影響各領域對同一術語的界定和理解。如競爭情報、商業管理、生物醫學、政府治理及軍事情報等領域不僅都會涉及“情報分析”這一概念，而且都是圍繞著情報分析而開展相關研究工作的。但是，這些領域中的情報分析的內涵與外延、實施情報分析的過程等均有其自身的特點，不可一概而論。本文的目的，是分析競爭情報、商業管理、生物醫學、政府治理及軍事情報等五個領域中“情報分析”概念與實踐的特點，以及大數據環境下這些領域中情報分析的發展動向，揭示情報分析的學科差異，為建立統一的情報分析方法體系提供理論素材。

2 不同領域的情報分析及其在大數據環境下的發展

信息與情報是不同概念，情報是對信息進行深度加工或從各種文本中挖掘的知識，可以是一種產品、活動、組織，或是一組知識的專門表達形式；生成情報所采取的分析方法與執行過程稱為情報分析研究。對于競爭情報、商業管理、生物醫學、政府治理及軍事情報等學科領域而言，它們的產生與發展與情報分析研究在具體問題域中的應用有著直接、密切的關系，盡管這五個領域對情報分析的概念理解及實踐特點不盡相同，但情報分析都是這些領域知識的核心內容，也是支持該領域研究的關鍵，而且，在大數據環境下，大數據理念與方法正在對這五個領域產生著深刻的影響。這是本文選取競爭情報、商業管理、生物醫學、政府治理及軍事情報等領域作為研究對象的重要原因。

2.1 競爭情報領域

“競爭情報”（Competitive Intelligence，CI）是企業用來提高競爭優勢的情報分析工作，它通過感知外部環境變化、競爭對手的技術跟蹤等手段，建立一個關于競爭對手或外部環境的預警系統，并支持決策服務，使企業在激烈的競爭中維持優勢地位。由此可見，CI是對外部競爭環境進行全面監控的過程，是一種“知己知彼”的交互分析過程。與其他領域的情報分析相比，通過CI分析所得到的情報更具有目的性、針對性及對抗性等特征，同時對自身跟對手的差距、潛在的機會等問題給出了解答。

企業進行CI活動時，合法性是開展整個活動的基礎，即CI活動必須遵守法律或商業道德規范。競爭對手或市場的相關信息主要是通過公開信息來源（如出版資料、科研報告、互聯網、新聞、數據庫、政策法規等）獲得，其它在不違法的前提下所能獲得的非公開發表的信息（如通過第三方獲取的信息、錄用對手公司的離職人員所獲得信息、人際網絡等灰色信息等）也是CI的重要信息來源。也就是說，CI主要的信息來源是基于“文本型式”的科技文獻、網絡信息、政府信息、新聞、政策研究、產品信息等類型，并結合灰色信息來提高CI分析的有效性及真實性。從分析方法來看，因外部競爭環境復雜性與競爭對手多樣性而產生出多種CI方法，常見如定標比超、SWOT、專利分析、五力分析、財務分析等方法；此外，朱德利根據五力分析與SWOT分析拓展出基于競爭要素的CI四維分析框架。在技術工具方面，分析人員可選擇數據挖掘、文本挖掘、網絡挖掘、可視化技術、信息抽取、一般統計分析、代理軟件等方法或工具，將數據或信息轉化為“可操作的情報”（Actionable Intelligence），再根據企業的不同需求（如管理決策、營運能力、市場監控等）形成各種情報產品（如每月情報通訊、咨詢報告、競爭對手文檔、形勢分析等），提供企業作為戰略行動依據、危機預警判斷、商業談判等重大決策參考。

大數據環境下，公開信息來源越來越多樣化，考驗著企業的情報獲取與分析能力，特別是企業對外部環境變化的及時感知與動態應變能力，CI在企業戰略預警與危機管理等方面發揮著越來越重要的作用。從當前的研究與實踐來看，CI面臨著“全信息源獲取”、“分析復雜化與實時化”兩個急迫解決的問題，就前者而言，企業可以通過信息技術解決全信息源獲取的技術性問題；對后者來說，隨著企業可以獲取越來越多的異構的數據及信息，要求CI能夠處理更加復雜的分析對象，其分析方法需要結合更多智能化技術，工作流程需要結合多種方法來解決問題，例如，除了上述常見的分析方法之外，非結構化數據處理、關聯關系分析、網絡挖掘（如輿情分析、觀點挖掘等）、實時分析及云計算等方法或技術都是企業進行CI分析的新挑戰。此外，除了獲取公開信息來源之外，由社交媒體產生的社會化數據，也引發了企業CI對競爭對手進行實時監控與分析的需求?？傃灾?，從基本目的來看CI分析在大數據環境下的發展，會發現CI正從對現有競爭對手和外部環境進行分析以輔助企業保持競爭優勢，轉向對實時數據或信息進行快速分析響應，通過多種分析方法的結合做到知識發現以及構建適應外部環境的持續應變分析模式，用來支持企業在競爭環境中做出高效精準決策。

2.2 商業管理領域

商業管理領域所涉及的情報分析是指“商務智能”（Business Intelligence，BI）或商業情報。BI通常被定義為由數據倉庫、ETL、聯機分析、數據挖掘、客戶關系管理、知識管理等多種技術融合而成的方法及系統，用來管理企業內的相關商業數據、專家信息及知識。不同于CI關注外部情報，BI針對企業內部的各種數據及信息進行分析，從而達到企業績效管理、客戶關系優化、監控商業活動等管理目的。由此可見，BI是一種用來提高企業營銷管理能力的一套集成分析方法與系統，分析所得的情報被應用在解決客戶及產品的需求趨勢、潛在服務與產品的關系、銷售預測、營銷策略創新等問題。

從實踐角度看，BI的實施包括了輸入、流程及輸出等三個主要步驟：①輸入是指數據來源，BI的信息源是基于“數值型式”的業務數據、客戶相關數據、專家信息、檢索日志記錄等，或是企業內部現有數據倉庫的存儲內容。②流程是指數據處理與分析過程，在BI的實施過程中，利用ETL等技術方法將企業的各種業務數據導入數據倉庫、或是進行數據集成，并進行數據分析與挖掘，再將分析結果結合企業的戰略、運營、關鍵績效指標或模型庫等加以實踐應用，最終達到組織層次的商業績效管理、以及戰略層次的戰略規劃。③輸出是指BI系統或平臺產生的各種情報產品，如產品銷售報表、客戶分析報表、產品定價方案、績效管理報表、財務報表等。從技術角度來看，Chen等人認為BI分析經歷過三個演化階段：第一個階段是BI1.0，其技術基礎是結構化數據管理與數據倉庫；到了2000年的互聯網出現后，BI進入了BI2.0階段，即以網絡環境為主的商業情報分析，BI開始重視實時數據分析、集體智慧、觀點挖掘、關聯數據、網絡分析或文本挖掘等技術，表明了基于企業內及結構化數據的情報分析已無法滿足決策要求了，而是需要結合更多的企業外部及非結構化數據，來挖掘用戶對企業業務開展、市場活動的想法；第三階段是BI3.0階段，它是在移動終端、RFID及情景感測等技術發展背景下產生的，對企業而言，如何高效處理這類移動性強、與位置相關、以人為中心、情境敏感的數據，將是BI分析的巨大挑戰。

大數據環境下，各種新型信息技術改變了企業的營銷決策與商業模式，也對BI的架構、功能和所要發揮的作用產生了巨大的影響。馮芷艷等人從管理學角度提出大數據背景下現代企業商業管理研究的前沿課題，例如，企業應利用智能化技術等手段，挖掘提煉出社會化網絡環境中典型的行為模式、個性化行為，其中對新型數據源的實時清洗、實時挖掘、實時建模、實時輿情監測等都是值得發展的分析技術，同時，還要在精準性與實時分析之間尋求企業績效管理的平衡點。由此可以看出，企業的BI分析在大數據環境下，正從過去基于歷史數據的情報分析向“實時分析”（Real-Time Analysis）的方向轉變。具體來說，BI若要進行實時分析，必須先解決數據采集、數據分析、決策支持及信息反饋等環節中的滯后問題，Seufert及Schiefer等人認為必須通過信息集成設施與商業環境集成來解決這些問題，包括以事件（Events）驅動機制替代周期性的批量處理方式來解決數據采集滯后的問題，利用聯機分析或數據挖掘來解決分析滯后的問題等等。此外，Lim等人強調新型數據源對BI分析的影響，并指出現有的BI系統與大數據分析技術（如Hadoop、MapReduce）、文本挖掘（如從搜索引擎轉向企業搜索系統、從情感分析轉向觀點挖掘、從信息抽取轉向Q&A系統）、網絡分析（如鏈接挖掘、社區發現、社會化推薦）等技術進行整合，是最值得深入研究的內容。

2.3 生物醫學領域

生物醫學領域中的情報分析主要是指“生物醫學信息學”（Biomedical Informatics，BMI），它是由信息計量學、醫學信息學（Medical Informatics）與生物信息學（Bioinformatics）等多種學科融合而產生的新興領域，主要利用情報學、護理學、生物工程、統計學和計算機科學等領域的分析方法與技術來研究生物醫學問題，支持衛生保健、臨床實驗及醫學知識發現過程中的決策與服務。具體來說，BMI分析的基本目的在于了解生命的起源、進化、遺傳和發育的本質，通過相關分析方法或技術挖掘出潛藏在眾多生物信息數據庫中的新知識，輔助或直接開展基因組序列分析、基因進化分析、藥物設計、預測蛋白質分子結構與功能、基因區域預測及基因功能預測等工作。

BMI的分析對象是生物醫學數據（Biomedical Data），包括患者的敘述性數據（如病征描述內容）、數據測量的文本數據、遺傳信息、記錄信號、圖紙或影像數據等，這些素材除了可從綜合數據庫（如Web of Knowledge、Science Direct等）獲得之外，BMI領域的專業數據庫（如Genebank、EMBL、DDBJ、Swiss2Port等）、醫學中心或生物信息中心（如EBI、EMBL、NCBI、NIH等）也是主要的獲取渠道。由于生物醫學領域的數據復雜性，促使人們必須開發更新、更靈敏的計算機技術或算法來處理及分析生物醫學數據。從分析方法來看，BMI除了沿用生物醫學領域的專門分析方法（如序列對比、結構對比、功能對比預測等）之外，也借鑒了數據挖掘、文本挖掘、本體構建、知識發現等相關方法和技術，借鑒相關領域的分析方法原因有二：一是幫助加快及改進生物計算分析效率，并降低人工分析及物力投入成本；二是解決遺傳語言中存在的語義鴻溝（Semantic Gap）、生物醫學本體構建及其概念分類與檢索等障礙。通過BMI分析所得到的情報產出有各種形式，如研究論文、特定主題分析報告、診斷報告書、基因表達圖譜等，其產出結果可用來解釋生命進化、人體生理與病理關系等現象，同時對疾病診斷、藥物研發或遺傳解碼等實踐應用提供了有效支持。

大數據環境下，數據分析及信息處理方法已經成為BMI分析的基礎工作，同時，大數據理念與方法，對BMI分析從“發現及關聯”轉向“組合及預測”、從系統層次的分析轉向分子層次的分析，起到了重大影響。Miller也認為BMI面對急速增加的生物醫學數據數量的問題，特別是下一世代的序列分析技術，將能解析出更多的基因序列，致使數據結構更加復雜化，因此需要在全基因組層面上開展多中心、大樣本、反復驗證的基因關聯研究（Genome-wide Association Studies），從而輔助科研人員對基因組或疾病做深入的科學探究。此外，BMI也開始關注生物醫學數據與網絡數據的結合，通過社會網絡分析、網絡分析或云計算等方法來鑒別、預測或追蹤藥物治療、不同地區人口的關注疾病等問題?？傃灾?，為了能支持上述BMI分析，分析前的預處理工作必須做到真正意義上的“整合”，即情報分析活動的第一步驟，對多源數據進行抽取、比對、清洗與轉換，從而提高及保證生物醫學多源數據融合的效率與質量。

2.4 政府治理領域

Web2.0與開放數據（Open Data）對政府治理產生了許多刺激作用，說明了公共數據（Public Data）開放對提高政府運作的透明度、治理效率及影響決策等的重要性。目前，政府治理領域所指的情報分析尚無公認定義，整體來說，更傾向通過“政府數據挖掘”（Government Data Mining，GDM），即通過對稅務、就業、執法、國家安全（如航空運輸、金融交易、恐怖分子監視等）等相關數據的深入挖掘，分離出潛藏在數據中的噪音及有價值的情報，用來提高政府治理的水平。由此可見，GDM的基本目的是促進公共治理與解決社會服務問題，即強化數據－治理－服務三者之間的關聯關系，并涉及了信息公開與共享、信息增值與再利用、數據訪問與存取、數據保密、數據整合等研究課題。

GDM的分析對象是政府開放的公共數據，如，美國政府以數據共享及再利用為目標，建立了開放美國政府數據的Data.gov網站，對用戶提供多種數據集和輸出接口，以方便政府數據再利用及增值開發，并結合Data.gov與云計算，構建了面向美國所有政府部門的Apps.gov云服務門戶。以美國Data.gov網站開放的數據類型為例，截至2014年7月5日，網站上共開放了110，875個數據集，涉及了企業、地球觀測、教育、地理空間等21類。從分析方法來看，數據挖掘是GDM的關鍵技術，常見如統計分析、分類、聚類、關聯規則、決策樹、神經網絡等。劉典文梳理了數據挖掘在公共管理領域的各種應用，如通過孤立點分析找出詐欺行為的特征、通過聚類分析找出城市交通系統規劃及站點分布等，而電子政務、政府績效管理、公共危機管理等也是廣泛運用數據挖掘來找出更多有價值的情報。通過GDM分析得到的情報，可通過每月統計報表、問題解決方案、特定事件監測匯報等型式呈現結果，向決策者或管理者提供政府信息資源增值、信息孤島與社會服務問題解決、城市管理與監控等方面的治理支持。

大數據環境下，Yiu認為大數據分析是改變政府治理與社會服務的重要方法或技術，它強化了跨部門之間的數據共享與關聯、支持組織學習與績效管理，并將管理顆粒度細化到個人，從而可廣泛地應用于各種政府服務管理，如實時信息管理、多源數據融合分析稅務詐欺、個性化服務、城市人口監控與預測等。為了解決部門條塊分割的管理碎片化及資源分配問題，陳美認為可以通過建立集成各種交通數據的綜合多維交通信息體系，實現各種政府數據的綜合分析，快速解決交通事故、應對惡劣氣候對交通的不良影響、及時實施道路養護等等。王志軍以北京石景山區的城市供水管網漏損應用示范點為例，以流量法、壓力法和噪音法分析該區的供水管網相關數據，找出漏損情況及匹配適合的檢漏方法，達到了精細化分析、智能化管理，并取得了節約耗能的效果。除了分析公共數據外，喻國明利用數據挖掘及社會語義分析工具分析百度搜索詞，探討了中國社會的輿情現實的走勢與發展，發現社會民生、公共安全、衛生及環境生態是近年來中國社會輿論持續關注的基本問題，對于社會管理和社會協調有重要的啟示。由此可見，在大數據環境下GDM分析的發展重點在于，從公共數據或其他開放數據分析中，精準、及時掌握政府部門在各種社會服務中的運行規律，以及深刻察覺其中的治理問題，并提供以數據為支撐的決策情報與問題解決方案。

2.5 軍事情報領域

軍事情報（Military Intelligence，MI）是指是為了保障軍事斗爭，有目的地搜集敵方、我方、友方、中立方等相關方面的素材信息（包括公開信息、秘密信息、部隊及技術偵查情報、軍事戰備相關情報等），再經深入的綜合分析后得到的情報。在這種情報分析中，特別強調要避免因忽視危機信號、過度過濾信息、信息交流不暢、情報政治化等因素造成的情報失察（Intelligence Failure）或情勢誤判。也就是說，MI分析的基本目的在于情報保障及避免情報失察，其分析任務是面向國家安全的情報偵察探測、分析模擬、戰略研擬、決策參考等方面。

MI的分析對象依據不同標準而劃分不同類型，按真實程度可劃分真假情報；按性質可劃分軍事指揮、后勤、裝備等情報；按載體可劃分文字、聲像、實物等情報。具體來說，MI是從公開與非公開數據源、軍事信息系統、衛星預警系統等各種渠道取得的基于“戰事局勢”的偵查情報、傳感數據、地理數據、照片、聲音、武器裝備等等相關素材。從分析方法來看，MI除了一般的基礎分析方法（如數學方法、文獻研究等）之外，情報素材鑒別方法（先期過濾工作）、作戰想定方法（基于軍事任務）、成果評估方法（確定軍事情報價值）都是體現軍事情報領域研究特點的專門分析方法。經過MI分析得到的情報，可通過戰略分析評估報告、戰情模擬分析報告、特定目標監控報告等形式呈現內容，并支撐軍事情報單位的軍事斗爭準備，達到戰事情況監控、戰勝對手、及時預測客觀情況等各項目標。

大數據環境下，面對公開信息來源及新型網絡環境的數據過剩問題，情報人員沒有足夠時間篩選潛在的有價值情報，例如，軍事情報單位得知恐怖分子可能在某日下午發動網絡攻擊，但這樣的情報量是不足夠的，必須具體知道何人、何時、何地及如何阻止他們，而該網絡恐怖事件即將發生，不允許情報人員花費時間分析該網絡攻擊的時間、地點與人物。又例如，2012年美國國防部高級研究計劃局推出XDATA項目，目的是開發大數據處理與分析相關的計算技術與開放源碼軟件，用來滿足國防軍事需求。但除了開發軟件工具包之外，項目更涉及了可拓展的分析與數據處理技術、可視化用戶界面技術、軟件集成研究及評價等等技術，將來可以具體應用在網絡科技、電子戰、電子防護、數據決策、大規模殺傷性武器防御、工程化彈性系統及監視偵察系統等。上述例子說明，大數據環境給MI分析智能化帶來巨大的挑戰，研究的課題包括但不限于：信息情報的自動監控與關鍵信息的自動識別定位；不同來源的數據與同一事件的對應關系發現；非關鍵信息之間的隱藏關聯規則等等。

3 結語

本文梳理了競爭情報、商業管理、生物醫學、政府治理及軍事情報五個領域中情報分析的概念與實踐的特點，揭示了不同領域的情報分析的特征，以及大數據理念與技術對五個領域中的情報分析帶來的影響。為更加清楚起見，本文從基本目的、問題情景、研究任務、數據類型、數據來源、分析活動、分析技術、產出形式、結果價值以及大數據的影響等十個方面列出了不同領域情報分析的特征（見表1），期望能幫助我們更加清楚地認識情報分析的內涵和外延。

表1 不同領域的情報分析及其在大數據環境下的發展

［1］包昌火.情報研究方法論［M］.北京：科學技術文獻出版社，1990.

［2］Moore D T.Critical Thinking and Intelligence Analysis［M］.Washington，D.C.：Joint Military Intelligence College，2010.

［3］陳峰.競爭情報概念及相關因素分析［J］.圖書情報知識，2003，（1）：20-22.

［4］包昌火.加強競爭情報工作提高我國企業競爭能力［J］.中國信息導報，1998，（11）：30-33.

［5］王知津.競爭情報［M］.北京：科學技術文獻出版社，2005.

［6］李正中，許蕾.競爭情報行為的正當性與灰色信息收集方式的研究［J］.情報學報，2000，19（1）：77-81.

［7］朱德利.基于要素細分的競爭情報四維分析框架［J］.情報學報，2007，26（1）：89-99.

［8］Bose R.Competitive intelligence process and tools for intelligence analysis［J］.Industrial Management&Data Systems，2008，108（4）：510-528.

［9］包昌火，趙剛，黃英，等.略論競爭情報的發展走向［J］.情報學報，2004，23（3）：352-366.

［10］化柏林.網絡海量信息環境下的情報方法體系研究［J］.情報理論與實踐，2012，35（11）：1-5.

［11］李廣建，楊林.大數據視角下的情報研究與情報研究技術［J］.圖書與情報，2012，（6）：1-8.

［12］劉高勇，汪會玲，吳金紅.大數據時代的競爭情報發展動向探析［J］.圖書情報知識，2013，（2）：105-111.

［13］謝志航，冷洪霞，楊晶晶.大數據背景下社會化媒體數據的情報價值探討［J］.情報探索，2013，（10）：6-8.

［14］黃曉斌，鐘輝新.基于大數據的企業競爭情報系統模型構建［J］.情報雜志，2013，32（3）：37-43.

［15］Negash S.Business intelligence［J］.Communications of the Association for Information Systems，2004，（13）：177-195.

［16］Ranjan J.Business Intelligence：Concepts，Components，Techniques and Benefits［J］.Journal of Theoretical and Applied Information Technology，2009，9（1）：60-70.

［17］朱曉武.商務智能的理論和應用研究綜述［J］.計算機系統應用，2007，（1）：114-117.

［18］Chen H C，Chiang R H L，Storey V C.Business Intelligence and Analytics：From Big Data to Big Impact［J］.MISQuarterly，2012，36（4）：1165-1188.

［19］Trujillo J，MatéA.Business Intelligence 2.0：A General Overview［M］.Aufaure M，Zimányi E，Springer Berlin Heidelberg，2012：96，98-116.

［20］馮芷艷，郭迅華，曾大軍，等.大數據背景下商務管理研究若干前沿課題［J］.管理科學學報，2013，16（1）：1-9.

［21］Seufert A，Schiefer J.Enhanced business intelligencesupporting business processes with real-time business analytics：16th International Workshop on Database and Expert Systems Applications［Z］.Copenhagen，Denmark：IEEE Computer Society，2005.

［22］Lim E P，Chen H C，Chen G Q.Business Intelligence and Analytics：Research Directions［J］.ACM Transactions on Management Information Systems，2013，3（4）：1-10.

［23］Bernstam E V，Smith JW，Johnson T R.What is biomedical informatics?［J］.Journal of Biomedical Informatics，2010，43（1）：104-110.

［24］黃科，曹家樹，吳秋云，等.生物信息學［J］.情報學報，2002，21（4）：491-496.

［25］陳銘.后基因組時代的生物信息學［J］.生物信息學，2004，（2）：29-34.

［26］陳潤生.當前生物信息學的重要研究任務［J］.生物工程進展，1999，19（4）：11-14.

［27］Shortliffe E，Barnett G O.Biomedical Data：Their Acquisition，Storage，and Use［M］.London：Springer，2014：39-66.

［28］Bellazzi R，Diomidous M，Sarkar I，et al.Data analysis and datamining current issues in biomedical informatics［J］.Methods of Information in Medicine，2011，50（6）：536-544.

［29］Pardue J H，Gerthoffer W T.Knowledge acquisition，semantic textmining，and security risks in health and biomedical informatics［J］.World Journal of Biological Chemistry，2012，（2）：27-33.

［30］Miller K.Big Data Analytics in Biomedical Research［J］.Biomedical Computation Review，2012，（2）：14-21.

［31］Costa F F.Social networks，web-based tools and diseases：implications for biomedicalresearch［J］.Drug Discovery Today，2013，18（5-6）：272-281.

［32］Cate F H.Government datamining：The need for a legal framework［J］.Harvard Civil Rights-Civil Liberties Law Review，2008，43（2）：435-489.

［33］劉增明，賈一葦.美國政府Data.gov和Apps.gov的經驗與啟示［J］.電子政務，2011，（4）：90-95.

［34］劉典文.數據挖掘技術在公共管理領域的應用［J］.行政論壇，2010，17（2）：42-46.

［35］Yiu C.The Big Data Opportunity：Making government faster，smarter and more personal［R］.London：Policy Exchange，2012.

［36］陳美.大數據在公共交通中的應用［J］.圖書與情報，2012，（6）：22-28.

［37］王志軍.大數據時代下的城市供水管網漏損管理［J］.中國科技產業，2014，（2）：74-75.

［38］喻國明.大數據分析下的中國社會輿情：總體態勢與結構性特征［J］.中國人民大學學報，2013，（5）：2-9.

［39］周軍.試論軍事情報的概念［J］.情報雜志，2004，（1）：33-34.

［40］沈固朝.情報失察——西方情報研究的重要課題及其對我們的啟示［J］.圖書情報工作，2009，（2）：34-37.

［41］程立斌，林春應.軍事情報研究方法體系探析［J］.情報雜志，2007，（2）：87-89.

［42］Magnuson S.Defense,Intel Communities Wrestle With the Promise and Problems of'Big Data'（UPDATED）［J/OL］.［2014-08-20］.https://www.questia.com/read/ 1G1-323351157/defense-intel-communities-wrestlewith-the-promise.

［43］陳明奇，姜禾，張娟，等.大數據時代的美國信息網絡安全新戰略分析［J］.信息網絡安全，2012，（8）：32-35.

In telligence Analysis in Different Domains and Its Developmen tunder the Environment of Big Data

Big data has caught the attention of five domains:competitive intelligence，business management，bioinformatics，government governance and m ilitary intelligence.In order to understand the differences between different domains of intelligence analysis，this article reviews the current status of the conception and practice on intelligence analysis across five domains,reveals the characteristics of intelligence analysis,and then illustrates the development of intelligence analysis across five domains under the big data environment，and points out the effects of big data for intelligence analysis.

big data；intelligence analysis；competitive intelligence；business intelligence；bioinformatics；government governance；military intelligence

G250.2

：A

：1003-6938（2014）05-0007-06

李廣建（1963－），男，北京大學信息管理系教授，博士生導師，研究方向：信息資源管理與網絡信息系統研究；江信昱（1985－），男，北京大學信息管理系博士研究生，研究方向：信息資源管理與網絡信息系統研究。

*本文系國家社科基金重點項目“大數據環境下的計算型情報分析方法與技術研究”（項目編號：14ATQ005）研究成果之一。

2014-09-10；責任編輯：魏志鵬