下载文档原格式
finebi使用实例
FineBI是一款强大的商业智能工具，可以帮助企业进行数据分析和可视化。
以下是FineBI的一个使用示例：
假设一个公司有销售部门和市场部门，销售部门负责销售业绩数据的录入，市场部门负责市场活动和客户数据的收集。
1. 数据导入与整合：
使用FineBI，销售部门可以将销售业绩数据从Excel表格或数
据库中导入到FineBI中，并整合这些数据。
市场部门可以同
样导入市场活动和客户数据。
2. 数据分析与报表制作：
在FineBI上，销售部门可以通过数据分析功能，对销售业绩
进行深入的挖掘和分析。
例如，可以通过销售额、销售数量、新客户数量等指标，对不同销售区域、销售人员、产品进行分析，并生成销售报表、销售趋势图等可视化报表。
市场部门可以利用FineBI对市场活动效果进行分析。
例如，
可以通过不同渠道、不同活动类型等指标，对市场活动的效果进行评估，并生成市场活动分析报告、营销渠道效果图等报表。
3. 决策支持与预测：
借助FineBI的数据分析和预测功能，企业管理层可以根据销
售和市场数据，做出更准确的决策。
例如，可以利用销售数据和市场趋势，预测下一季度的销售额和市场需求，并相应地制定销售计划和市场策略。
以上仅是FineBI的一个使用实例，实际应用可以根据企业的具体需求和数据来定制分析和报表制作。
FineBI提供了丰富的功能和灵活的配置选项，可以满足各类企业的商业智能需求。
finebi传递参数
【原创实用版】
目录
1.概述 FineBI
2.FineBI 的参数传递方式
3.参数传递的优点与局限性
4.实际应用案例
正文
FineBI 是一款大数据分析工具，它可以帮助用户快速获取数据、处理数据并生成可视化报表。
使用 FineBI 可以让用户更加方便地进行数据分析和业务探索。
在 FineBI 中，参数传递是一个非常重要的功能，它可以帮助用户更加灵活地使用数据。
FineBI 的参数传递方式主要有两种：一种是通过 URL 传递参数，另一种是通过数据钻取传递参数。
通过 URL 传递参数的方式非常简单，用户只需要在 URL 中加入参数即可。
这种方式的优点是方便、快捷，但是局限性在于参数长度有限制，不能传递过多的数据。
通过数据钻取传递参数的方式则可以解决 URL 传递参数的长度限制问题。
用户可以通过数据钻取的方式，将需要传递的数据存储在一个数据集或者数据立方体中，然后通过 SQL 语句进行查询和分析。
这种方式的优点是可以传递大量的数据，但是需要用户具备一定的 SQL 技能。
参数传递在 FineBI 中的应用非常广泛，例如，用户可以通过参数传递的方式来实现数据筛选、数据分组等功能。
这些功能可以帮助用户更加灵活地使用数据，提高数据分析的效率和准确性。
在实际应用中，FineBI 的参数传递功能可以帮助用户快速地搭建数据分析模型，提高数据分析的效率和准确性。
例如，在一次销售数据分析
中，用户可以通过参数传递的方式来实现销售数据的筛选和分组，然后通过可视化报表来展示分析结果。
用fineBI分析析数据心得体会
通过FineBI的学习，最大的收获是数据分析思维的训练，数据可视化故事的讲述原则以及数据可视化大屏布局和配色原则。
这是之前自学FineBI的时候所缺乏的技能，在课程中都得到了补全。
目前自己可以搭建起来炫酷的数据可视化大屏/驾驶舱，可以独立讲述数据背后的数据故事。
同时，利用FineBI已经开始着手分析工作中的数据，向同事介绍更深刻的数据结论，以及FineBI的优势。
以下展示一个在学习过程中的案例——福布斯富豪榜可视化分析
通过这次学习，自己在数据分析的道路又添一把利器，希望日后能在工作更好的发挥FineBI的功能。
最后再次感谢老师们的辛苦付出，学习不易，教学更难！用老师鼓励的话来说：“莫问前程，勇往直前！”。
finebi同列值相减摘要：一、引言二、FineBI 简介三、同列值相减在FineBI 中的应用四、同列值相减函数的使用方法五、实际案例展示六、总结正文：一、引言在数据分析过程中，我们常常需要对同列的值进行相减操作，以便更好地挖掘数据背后的规律。
FineBI 作为一款功能强大的数据分析工具，提供了同列值相减的功能。
本文将详细介绍如何在FineBI 中实现同列值相减。
二、FineBI 简介FineBI 是一款非常实用的商业智能工具，它可以帮助用户轻松地进行数据整合、数据分析和数据可视化。
通过FineBI，用户可以快速地完成数据处理任务，从而更高效地进行数据分析。
三、同列值相减在FineBI 中的应用在FineBI 中，同列值相减功能主要应用于计算相邻行之间的差值。
例如，当我们需要计算某列的值在相邻两行之间的差值时，可以使用同列值相减功能。
四、同列值相减函数的使用方法在FineBI 中，我们可以使用自定义函数来实现同列值相减。
以下是使用自定义函数实现同列值相减的步骤：1.在FineBI 中，点击“新建”按钮，选择“自定义函数”。
2.在弹出的窗口中，输入函数名称（例如：Subtract）和函数描述。
3.在“函数表达式”栏中，输入以下公式：`IF([@prev_row]<>[@row]) THEN [@prev_row]-[@row] END`。
4.点击“保存”按钮，完成自定义函数的创建。
五、实际案例展示假设我们有一份销售数据，其中包含了日期、销售额和利润等信息。
现在，我们想要计算每天销售额与前一天销售额之间的差值，以便更好地了解销售趋势。
1.在FineBI 中，将“日期”字段添加到“行”区域，将“销售额”字段添加到“列”区域。
2.选中“销售额”列，点击“编辑列”按钮，选择“公式”。
3.在弹出的窗口中，输入公式：`[@prev_row]-[@row]`。
4.点击“确定”按钮，完成公式设置。
此时，我们就可以在FineBI 中看到每天销售额与前一天销售额之间的差值了。
finebi指标卡同比-回复什么是FineBi指标卡同比？FineBi指标卡同比是一种数据比较和分析方法，用于比较两个相邻时期的数据指标。
该方法通过对比同一指标在两个不同时间周期内的变化情况，帮助用户了解和评估业务、项目或运营的发展情况。
本文将详细介绍FineBi指标卡同比的定义、应用案例以及实施步骤等内容。
FineBi指标卡同比的定义：FineBi是一种基于BI（Business Intelligence，商业智能）技术的指标分析工具，可以根据用户的需求进行灵活的数据分析和可视化展示。
而FineBi指标卡则是FineBi工具中的一种常见表达形式，用于展示具体的数据指标和变化趋势。
同比，又称为“比较年度”，是指将当前时期的某个指标与上一个完整时期的相同时期相比较。
例如，将本年度第一季度的销售额与上一年度第一季度的销售额进行比较，即为同比。
FineBi指标卡同比的应用案例：FineBi指标卡同比可以广泛应用于各行各业，以下是一些典型的应用案例：1. 销售指标同比对比：通过对比同一销售周期内不同年份的销售额、销售量等指标，可以了解销售业绩的增长或下降情况，判断产品或市场的发展趋势。
2. 运营效率同比对比：比较相同时间段内的运营成本、人员效率、订单处理速度等指标，可以评估企业运营效率的提升或下降情况，优化运营策略和流程。
3. 项目执行同比对比：比较不同阶段或不同项目的执行进度、成本控制、质量评估等指标，可以及时发现项目执行中的问题并采取相应的措施。
FineBi指标卡同比的实施步骤：1. 数据准备：收集和整理需要对比的数据指标，确保数据的准确性和完整性。
可以利用数据分析工具，如Excel、SQL等，进行数据的清洗和处理。
2. 指标卡设计：根据需要对比的指标和时间周期，设计FineBi指标卡的显示方式。
可以选择柱状图、折线图、饼图等不同的图表形式，并配置相应的数据字段和指标计算方式。
3. 数据连接：将准备好的数据与FineBi工具进行连接，确保数据的有效读取和显示。
finebi参数值摘要：1.介绍FineBI 参数值2.FineBI 参数值的作用3.如何设置FineBI 参数值4.FineBI 参数值的应用实例5.总结正文：一、介绍FineBI 参数值FineBI 参数值是指在FineBI 数据分析工具中，用户可以自定义的数值型参数，用于控制数据分析过程中的某些行为或特征。
通过设置不同的参数值，用户可以对数据分析结果进行调整，以满足不同的数据分析需求。
二、FineBI 参数值的作用FineBI 参数值在数据分析过程中起到关键作用，主要表现在以下几个方面：1.控制数据分析过程：通过设置参数值，用户可以控制数据分析过程中的某些行为，例如数据筛选、数据排序等。
2.影响数据分析结果：参数值的不同设置会导致数据分析结果的差异，用户可以根据需求调整参数值以获得理想的分析结果。
3.提高数据分析效率：通过设置合适的参数值，用户可以减少不必要的数据分析步骤，提高数据分析的效率。
三、如何设置FineBI 参数值在FineBI 数据分析工具中，用户可以通过以下步骤设置参数值：1.打开FineBI 数据分析工具，选择需要设置参数值的数据表。
2.在数据表的“参数”选项卡中，找到需要设置的参数，点击“编辑”按钮。
3.在弹出的编辑窗口中，输入所需的参数值，并点击“确定”按钮。
4.参数值设置完成后，用户可以在数据分析过程中应用这些参数值。
四、FineBI 参数值的应用实例以下是一个FineBI 参数值的应用实例：假设用户在进行销售数据分析时，希望按照销售额进行排序，并筛选出销售额排名前10 的产品。
用户可以设置以下参数值：1.销售额排序：设置排序方式为销售额，降序排列。
2.销售额筛选：设置筛选条件为销售额排名前10。
通过设置这些参数值，用户可以快速获得销售额排名前10 的产品列表，从而满足数据分析需求。
五、总结FineBI 参数值是FineBI 数据分析工具中重要的功能之一，可以帮助用户灵活控制数据分析过程，调整数据分析结果，提高数据分析效率。
finebi使用实例
以下是FineBI的一个使用实例：
1. 创建报表：在FineBI中，可以通过简单拖拽的方式，将数
据源中的字段加入到报表中，设置报表的样式和布局，并添加筛选条件和排序方式。
可以根据需要添加图表、表格和其他需要的组件。
2. 数据分析：FineBI提供了强大的数据分析功能，可以对数据进行多维度的分析。
可以使用数据透视表、数据透视图、交叉表等功能，快速地对数据进行统计和比较，发现数据中的规律和趋势。
3. 定制化指标：FineBI支持用户根据自己的需求，定制化指标。
可以通过公式计算、聚合函数和条件表达式等方式，创建自定义指标，并将其应用到报表中。
4. 数据挖掘：FineBI可以与各种数据挖掘算法集成，可以使用机器学习模型、聚类分析、关联规则等方法，对数据进行挖掘和分析，发现有价值的信息和模式。
5. 导出和分享：FineBI支持将报表导出为多种格式，如Excel、PDF、CSV等。
可以将报表分享给他人，也可以将报表发布到Web上，供其他人在线查看和使用。
这些只是FineBI的一些常见使用场景，实际使用中还可以根
据具体需要和业务场景进行更多的定制和扩展。
实例解析大数据分析软件FineBI的微信企业应用1. 报表微信企业应用示例示例见Demo视频。
2. 创建报表微信企业应用管理员登录微信企业号，根据提示新建应用，创建后进入应用，可以看到应用的基本信息，其中需要关注的信息有：# 应用ID：微信号中可能有很多个应用，后台开发的时候需要根据应用ID来决定是在哪个应用中进行响应# 可见范围：微信权限控制# 应用模式：应用模式主要分成两种：普通模式：这个模式下不能调用微信的接口，只能设置固定的菜单及回复的消息；如果需要的微信应用比较简单，菜单都是固定的，可以用这种模式，但是报表就无法绑定用户了，查看报表的时候就需要先登录（除非报表不做权限控制）；回调模式：开发者可以通过企业号提供的接口，获取微信用户信息，实现自动回复、自定义菜单等个性化功能。
回调模式的界面如图所示：3. 回调模式配置我们在应用中需要调用微信开放的接口做开发，所以选择“回调模式”，这样微信服务器会在客户手机和开发者服务器间架起一个桥梁，通过消息的传递和响应，实现与用户的交互操作：上面这个流程走通，需要微信服务器和开发者服务器先建立通信，这样才能构建一个完整的链路。
进入回调模式，开启模式后，可以看到，下面的功能都是不可用状态，需要设置好回调URL及密码后才能用的。
我们点开修改，会看到有3个参数，都是我们需要关注的：# URL：开发服务器接收微信收企业号服务器推送请求的地址，支持http或https协议，端口不限，这个URL就相当于开发服务器的后台引擎，微信服务器推送的请求都是到这个地址。
另外注意，这个地址必须是外网可以访问的。
# Token：可由企业任意填写也可以随机获取，用于生成签名。
# EncodingAESKey：用于消息体的加密，是AES密钥的Base64编码，点击随机获取就可以获得。
点击保存的时候，企业号会向验证url发送一个get请求，例如：1.xxurl?msg_signature=5c45ff5e21c57e6ad56bac8758b79b1d9ac89fd3×tamp=1409659589&nonce=263014780&echostr=P9nAzCzyDtyTWESHep1vC5X9xho%2FqYX3Zpb4yKa9SKld1DsH3Iyt3tP3zNdtp%2B4RPcs8TgAE7OaBO%2BFZXvnaqQ%3D%3D消息中会有四个参数，并且会以AES方式加密：# msg_signature：消息体签名# timestamp：时间戳# nonce：随机数字串# echostr：随机加密字符串开发服务器需要解析出Get请求的参数，对参数进行解密，然后使用之前的Token、EncodingAESKey这两个值进行验证。
FineBI行业数据分析应用案例目录商业智能银行业应用案例 (2)商业智能地产行业应用案例 (4)商业智能制造业应用案例 (6)商业智能税务行业应用案例 (9)商业智能汽车行业应用案例 (13)商业智能电信行业应用案例 (15)商业智能银行业应用案例随着银行信息化的不断深入，银行积累的数据越来越多，面临着“数据爆炸”和“信息缺乏”的矛盾；另一方面，在目前复杂的商业环境中，无知或一知半解做出的决策是现代银行的最大威胁。
而商业智能的最大优势就是充分利用银行在日常经营活动中搜集和积累的大量数据，并将他们转化为信息和知识来为银行找出市场发展趋势和经营上的问题，发现市场机会，帮助银行企业从数据中“挖金”。
在刚刚结束的亚太银行IT价值高峰论坛上，对于提升银行企业信息化水平，实现数据价值变现，各企业IT管理者一致认为商业智能在银行业信息化数据管理中发挥着重大作用。
整合数据，统一门户商业智能系统的建立，一来是提供一个数据分析平台，为业务部门更好的分析商业特征。
比如企业领导每天查看相关的数据，比如全行的主要经济指标：存款、贷款、贴现、现金、准备金、存贷款结构占比、各网点主要任务完成情况，以及各类考核指标中完成任务较好、较差的网点和个人。
这些信息的背后都涉及不同的数据源和应用系统，通过商业智能平台建立数据仓库，可将银行的所有相关数据经过ETL转换，数据清洗后放到数据仓库中，给分析者和决策者一个关于银行各方面情况的分析数据。
二来，业务人员在数据分析时，会不断加深数据分析的思想，可以更大程度上提高业务分析人员的决策能力。
业务多元，灵活分析商业智能系统最基本的价值体现在有效及时地产生有用的信息。
在应用商业智能FineBI 时发现，业务人员分析的难点其实在于系统中存在着大量结构或非结构化的多维数据，简单的数据关联还行，如果需求复杂多样，就难以做到及时跟进。
商业智能的便捷就在于此，由于自动建模，所有维度、指标、索引关联在一开始就建立好，做分析和查看分析都可以任意切换维度。
比如，在存款账户分析中可以知道发生了那些业务，业务量和频率如何，趋势是怎样，进一步深究，可切换至哪个网点，哪个业务产品实现好的效益。
研究客户，指导营销如今银行都意识到经营方式要从经营产品转向经营客户，因此目标客户的寻找，潜在客户的挖掘成为银行数据应用的主要方向，尤其是高端财富管理和大客户的开发。
以分析大客户为例，各银行都在采用各种手段“挖”竞争对手的优质客户，现有客户的维护和二次开发也显得尤为重要，典型的营销方式就是目标营销和交叉销售。
比如对已有客户分析，可以发现具有某种特征的用户具有某种特定的偏好，从而推出针对性产品。
又或者通过对优质客户群体的行为分析、忠诚度分析、构成分类进行分析，采取差异化的销售策略，提供个性化的金融产品及服务，在留住优质客户的同时，增加银行的利润增长点。
加强内管，全面发展商业智能系统可以应用是广泛的，除了银行业务分析，还可以进行人力综合成本预算分析、人员绩效考核、平衡计分卡等。
领导层通过这些分析可以更加直观地了解员工工作情况，以此采取相应地奖惩措施。
总而言之，从当前我国银行业的发展趋势来看，数据到价值的转化必将驱动商业模式与运营模式的深刻变革，企业信息化建设必须跟上步伐，及早出发，积极、理性地试水投入，才能借力实现竞争优势提升。
商业智能地产行业应用案例中国地产行业经过了20多年的发展，房地产行业整合已成大势所趋，逐步由区域开发转变为集团化的跨地区综合开发商。
然而，对于处在超常规速度发展的房地产企业来说，其面临的挑战也是超常规的。
首先，房地产企业要在有限的资金和人力条件下，同一时间，对全国区域范围内的多个项目做出科学的决策，以及进行合理地资源平衡，这是一项非常复杂的系统工程。
另外，由单个区域开发到全国跨地区开发所带来的管理上的复杂程度也是呈几何级数增长的。
这就对企业在项目进度控制、现金流管理等方面提出了更加精细的要求。
针对此情况，企业的信息化管理急需优化升级，新的方案要做到既不影响现有应用系统运行，又能对全公司数据进行精细化集中分析处理。
商业智能正是这样一个优秀的解决方案，其自动灵活，准确及时的特性可以帮助企业将数据处理的工作重点从原本的数据整合转移到数据分析上来。
在以往的实施案例中我们发现，对于房地产这种行业背景深厚，数据产量又大的行业，数据的处理和分析能力是商业智能软件必须具备的重要特性。
数据体量大，分支结构复杂，调度频率高都是巨大的挑战。
像国内某地产巨头利用了商业智能软件FineBI得天独厚的稳定性和大数据处理优势，从以下几个方面解决了问题：构建决策驾驶舱商业智能系统支持多种数据库数据源，比如Oracle，sql server，DB2等等，以及Excel，txt，XML文件数据源，系统对于读取的数据源可以进行ETL转换以适应分析需求。
其次，商业智能由于其优秀的自动建模特性，能避免业务人员对数据库内容的深入了解，减少与技术人员的反复沟通，大大降低时间成本。
此外，以往传统的报表数据呈现方式缺乏灵活性和直观性，利用商业智能的各种图表，比如柱形图、折线图、饼图还有适用于地产行业的地图、仪表盘、环形图，以图形的方式直观展现数据，多维度多关联决策分析，辅助决策。
实时销售管理房地产的销售往往具有形式多样，周期长，工作复杂的特点，其销售数据往往具有很强的实时性。
如果利用商业智能平台进行各类销售分析，比如销售、回款、应收款、可售库存、推盘、动态成本、杜邦分析、资金计划等各类细分主题的分析，可以更好地从数据中观测销售过程出现的问题，例如哪里的楼盘销量低，哪里的楼盘回款率低。
商业智能精确市场定位，合理开发商业智能系统不仅可以分析企业内部的各项业务数据，还可以应用到企业外部环境，比如分析一个或多个地区的人口分布，住房条件，交通情况，土地利用率等，这些数据往往在决策调整方面具有引导性，帮助企业在后续开发中因地制宜地制定方案，如户型档次，楼层高低设置等，做到由内而外，由外之内的信息互通。
创新挖掘客户需求地产销售的对象复杂多样，而房地产依靠客户需求盈利，因此，对客户的分析至关重要。
利用商业智能系统我们可以实现客户消费行为的分析，从客户的年龄，地域，收入水平，教育情况，消费方式，喜好等方面进行分析，帮助营销人员找出影响消费者的机会与方式，实现对不同层次用户的精准营销。
房地产行业的营销利器房地产行业，营销为重，商业智能系统可以帮助企业市场销售团队进行销售量的增长与人均可支配收入回归分析、个人购买与集团购买房地产比重的拟合与分析、房地产销售波动率回归分析等，实时发现市场发展趋势的变化，以做到及时调整营销策略，优化销售模式。
商业智能制造业应用案例制造业是我国国民经济的支柱产业，是我国经济增长的主导部门和经济转型的基础，如今我国制造业面临技术工艺不精、缺乏市场意识、商贸流通环节多、物流成本大、仓储效率低下的问题，正处在转型的特殊时期。
内忧：从企业信息化管理角度来看，我国制造企业由于信息化水平相对较低，集成应用制约企业业务能力的提升，致使粗放型制造改革缓慢，供应链、产业结构不合理，最终导致产能过剩。
外患：发达国家已将注意力转至高端的技术和营销环节。
以德国提出的“工业4.0”的战略发展计划为导向，制造业未来将朝着供应，制造，销售信息数据化、智慧化的方向发展。
加之日后智能化生产的发展趋势，信息技术和工业技术的融合，信息数据化管理将在企业中占据更大份额，这都给我国制造企业带来极大的压力与挑战。
针对这一点，商业智能FineBI主张技术成为生产力的同时，企业数据也要成为生产力，其在数据挖掘分析处理和科学化决策指导方面发挥的力量是巨大的：整合数据资源制造业原有的各应用系统（ERP、SCM、CRM）随着企业的发展积累了大量的数据，但未得到有效利用，并且由于各个应用系统相互独立，挖掘出数据的潜在价值是比较困难。
通过商业智能数据仓库的建立，将企业中的所有相关数据经过ETL转换，数据清洗后放到数据仓库中，业务人员可通过自动建模实现自助式分析，及时了解生产、销售情况，摆脱数据孤岛的烦恼。
优化生产线管理透过整合的FineBI商业智能平台，工厂内不同工序的管理者能够获得实时的数据资料并查阅不同的报表。
生产部经理能从生产时间、产能利用和资源运用等关键绩效指标（KPI），监控生产力并策划产能和优化资源；品质管理部经理能够透过产品缺陷分析改善产品质量，而高级管理层能透过更有效地控制成本及开支分析提升投资回报率。
改善供应链制造业生产量庞大，合理分配资源，降低采购成本，防止生产浪费是制造业企业最关心的问题。
首先，传统的供应链需要分支和延长，形成从供应商的选择，降低成本，控制质量到分销商、零售商到终端用户的完整供应链。
其次，要明确供应链的价值是满足用户需求，这也使得商业智能在信息集成时，需要关注用户信息，来帮助企业决策者分析方式向用户需求为主导方向转变。
1、通过综合销售分析和库存分析促进JIT(无库存生产方式)管理，减少库存投资成本。
2、通过供应商分析（同类产品价格对比分析，订单交货时间，质量，准确率）等选择质量和价格最优的供应商。
3、通过生产成本分析（多角度成本分析，量本利分析，比重分析，比较分析，利润分析）对库存管理和生产过程的发生费用进行监控，辅助决策者发现生产管理环节的不合理投入，加强成本的事前控制。
巩固客户关系，提高服务质量用户需求是主导，制造业企业需要利用商业智能系统进行客户行为分析，从潜在客户再到保有客户，增值客户，再到摇摆客户，流失客户和挽回客户，将客户模型细分，预测需求趋势，从而改善产品，改善客户关系，提高服务质量。
把握市场动向，提高销售利润销售分析是商业智能常用的模块，通过该系统可以使销售业务员自助分析，比如销售流向分析，退货分析，回款分析，销售绩效分析等。
通过这些实施的分析可以辅助决策者及时发现销售过程存在的问题并做相应的及时调整。
纵观制造行业，不能再“闭门造车”，传统的以成本控制为核心的方式需要改革，以增加收益为核心，用户市场需求为导向，通过商业智能BI信息化管理来精细化控制生产流程，通过数据及时分析运输销售情况，灵活应对市场情况。
商业智能税务行业应用案例税收是国家财政收入的主要来源，也是国家实行宏观调控的一个重要经济杠杆。
随着电子政务系统的发展以及税务信息化程度的不断提高，在税务决策支持方面不断吸纳新的信息处理技术、提高决策的科学性和规范性，成为提高行政办公效率、促进经济发展的关键所在。
这几年税收信息化取得了长足发展，成绩卓著，很多省市都上了税收征管应用系统。
但是，但随着税务数据的日益庞大，改革政策的下发，管理的相关因素显得更加错综复杂。
原有的信息系统针对性较强，容易造成信息的条状分布，给信息系统带来了新的挑战，因此，急需一个新平台系统建设来梳理信息资源，提高综合管理信息的应用决策能力。
