最主要的那个中国学生学习的就是人工智能，利用这个技术研发出智能计算机，这个计算机可以下国际西洋棋。毕业之后就进入IBM。跟另外一个也是中国人，组成一个小组，继续研发这个智能计算机，并改名为深蓝号。后来发现计算机的智能已经非常高了，所以想向当时的国际西洋棋的大师挑战。挑战了两回，第一次的时候智能计算机失败了，但失败的差距很小。第二年的时候，大师就输了。后来这个技术应用在很多方面，像DNA的解码上面。

不止，因为人工智能发展很早。商业智能是从人工智能这边发展过来的。商业智能的爸爸就是人工智能。若是真的要深入理论研究的话，会非常的复杂。所以在以往有很多商业智能的实施是失败的，我曾经看过一个统计数字，就是成功率不到30%。

第一个原因就是刚才讲到的，因为它是一个新的技术，第二个是传统的实施方式是属于按部就班，在实施中第一个阶段就是先做数据的集成，企业内部可能有不同的信息系统，首先就是把它们先集成在一起。接下来来做数据的分析，目前有两种技术，一个叫做OLAP，第二种技术叫数据挖掘（Data Mining），这两种都是商业智能里面所用的技术。那经过这样一个数据分析的处理就会得到我们讲的智能的东西，我们叫做知识。接下来我们怎么把这个知识呈现出来，我们就需要一个应用的界面，我们看到所谓的多维度的分析报表，和现在谈到的企业绩效管理，都在做这方面的知识呈现。所以你会看到传统的做法是一个阶段、一个阶段的实现，从数据集成、数据分析、到数据的应用一个阶段、一个阶段的实现。

但是大概是在前几年，美国有一位在商业智能非常有名的一个研究的人员，叫做Kimball，他后来提出一个新的概念，把这个商业智能的实施分成了好几个小循环。每个小循环会以一个主题为主，主题就是我们想要做决策分析的主题，类似我们想做财务分析等等这样的主题。以这个主题当做一个小循环，不是我们刚才谈到的一个阶段、一个阶段的去实施。在这个小循环里，首先我们要去了解决策者，他在财务上、或业务上，主要的关键的指标是什么。从这个关键指标然后去设计多维度分析中的一些维度。接下来之后有了这些维度之后，才知道我们到底需要哪些数据。所以你会从需求端，去实施整个商业智能的系统。

一个企业里面的决策分析过程，它的方向、范围是非常的广泛的。除了基本的财务、销售之外，还可以有很多方面，像库存、质量等方面。整个的决断过程是一直不断持续的过程，不断的进展、不断的改变。所以把这个过程分成很多不同的小循环，这样分解下去之后完全是不一样的，而且这样整个的效果和最后的结果都比传统的方式好很多。我们采用的就是这样一个方式。所以这是一种不一样的实施模式。而且成功率达到了提升，目前我们的成功率接近100％。

去年美国的IDC提出「直觉式商业智能」的概念（Intuitive Business Intelligence），这不是一个全新的概念，主要是采取商业智能的一些技术，再加上新的商业智能实施的方式，把它统称直觉式的商业智能。直觉给人的感觉就是快，不是复杂的。所以从去年开始就谈论这个新的方式，这里面并不是谈的商业智能的理论，最主要的是怎么去实现商业智能这样的技术，一种新的方式。