前言：中文期刊网精心挑选了新媒体营销策略论文范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
新媒体营销策略论文范文1
1.房地产的概念。在我国所谓房地产,是指土地、建筑物及固着在土地、建筑物上不可分离的部分和附着于其上的各种权益(权利)的总和。这些固着在土地、建筑物上不可分离的部分,主要包括为提高房地产的使用价值而种植的花草、树木、或人工建造的花园、假山;为提高建筑物的使用功能而安装在建筑物上的水、暖、电、卫生、通风、通讯、电梯、消防等设备。它们往往被看作土地或建筑物的构成部分。因此,房地产本质上包括土地和建筑物及附着于其上的权益两大部分。房地产由于其位置固定、不可移动,通常又被称为不动产。
房地产主要有三种存在形态。其中土地指的是地球陆地表面及其上下一定范围内的空间;建筑物是一种土地定着物,具体是指人工建筑而成,由建筑材料、建筑构件和建筑设备等组成的整体物。包括房屋和构筑物两大类;其他土地定着物指的是建筑物以外的土地定着物,具体是指固定在土地或建筑物上,与土地建筑物不可分离的物,或者虽然可以分离,但是分离不经济,或者分离后会破坏土地、建筑物的完整性、使用价值或功能,或者会使土地、建筑物价值明显受到损害的物。
房地产是实物、权益和区位三者的综合体。实物指的是房地产中可以看得见、摸得着的部分,例如外观、结构、装修、设备等;权益指房地产中无形的、不可触摸的部分,包括权利、利益、收益(如使用权、所有权、抵押权等)。在我国,就房地产开发经营来说,附着于土地和建筑物上的权益包括土地使用权和房屋所有权以及在其上设置的他项权利,如抵押权、典当权等;房地产区位指的是房地产的空间位置。具体的说,一宗房地产的区位是该宗房地产与其他房地产或事物在空间方位和距离上的关系。房地产的总体概念可总结如下:
房地产概念图
2.房地产营销概述。房地产市场营销的产生是生产力发展和商品经济发达的必然产物,市场营销是房地产经营过程中不可缺少的组成部分。强有力的房地产市场营销活动不仅可以促进地区的经济繁荣,还有助于将计划中的房地产开发建设方案变成现实,使每一宗物业顺利出售或出租。从事房地产营销需要清楚地了解营销策略,辨别外界环境的发展变化,通过系统分析及时改变营销策略。
房地产市场营销包括有开发商和经营商、营销人员、营销中间商和顾客几个组成部分。
房地产开发商和经营商,首先要对市场变化和需求等做出预先反映,并在公司长期营销战略中得到体现。同时房地产业与资源和原材料有着密不可分的关系,作为开发商就要在制定营销计划时将资源和原材料的价格波动考虑进去。房地产公司的营销人员,不但要熟悉市场环境等市场经济知识,还应具有关于保护竞争、消费者和社会更大利益等主要法律知识,以及社会文化环境给房地产目标市场带来的不同需求。对于房地产的开发商和经营商而言,为了达到获取利润的目的,公司将联合一批供应商和营销中间商来接近目标顾客。
房地产营销策略论文
二、房地产营销策略的发展史
市场营销理论于20世纪初诞生于美国,菲利蒲?科特勒被誉为营销学之父,他提出了最早的营销4C理论,是现代营销的基石,4C包括产品、价格、促销、渠道,从这四点出发,衍生出新的营销方法。
在市场营销过程中,目标消费者位居于中心地位。企业识别总体市场,将其划分为较小的细分市场,选择最有开发价值的细分市场,并集中力量满足和服务于这些细分市场。企业设计由其控制的四大要素(4C)所组成的市场营销组合。为找到和实施最好的营销组合,企业要进行市场营销分析、计划、实施和控制。通过这些活动,企业观察并应变于市场营销环境。
营销简单的说就是用科学的方法,分析市场上的需求,并用科学的方法来生产出能满足市场需求的产品。
房地产市场竞争日益激烈的今天,房地产营销层面的竞争也随着房地产市场竞争的激烈而日益激烈。我国房地产营销策略的发展过程经历了六个阶段。
1.建设观念阶段——标准规划。计划经济时代,只有简单的“房地产”概念,很长一段时间,我国的住宅建设一直是学习前苏联模式,而且住宅的建设标准由政府统一制定,造成所有的设计全按标准图进行建设,形成千楼一面的现象。
2.楼盘观念阶段——
销售策划。在这个阶段,房地产刚刚走向市场化,大部分项目的开发意识依然停留在计划经济时代,策划往往依赖于企业领导或几个设计院专家的“大脑风暴式”讨论,而没有进行市场调研、消费者需求调查的意识,开发的项目充满了主观臆断。 3.推销观念阶段——概念策划。房地产市场的泡沫与楼盘空置的现实,使开发商认为消费者缺乏理性,有一种购买惰性或者抗衡心理,必须主动推销和积极促销。在1997年~1999年大多数所谓房地产策划仅仅是“广告策划”、“销售策划”而已,策划人选择楼盘的一个或一个以上的显着特征,向消费者加以强调和宣传,使消费者对楼盘建立起概念认识,引导消费者在众多楼盘的选择过程中,比较容易选择自己偏好的楼盘,以达到促销目的。
4.准营销观念阶段——卖点群策划。随着社会进步与生活水平的提高,消费者对居住条件的需求层次日益明显,房地产市场供应量的增加,导致需求相对减弱及消费者理性购买,为有效的满足用户的各种需要,适应卖方市场和消费者理性选择,开发商认为必须以用户为中心。因此,策划人把众楼盘之长集于一身,极尽所能地向市场罗列无尽的卖点一时间环保住宅、绿色住宅、智能住宅、生态社区等等,虽然提升了楼盘品质,但使得开发商成本高于售价。
5.营销观念阶段——全程策划。围绕用户展开的营销,并没有使供需缓和、楼盘空置减少,开发商逐渐认识到实现销售的关键在于正确确定目标市场的需要和欲望,并且比竞争对手更效、更有利地传送目标市场所期望满足的东西。使开发商不再只关注于产品的本身,转而关注市场需求。
6.整合营销观念阶段——整合策划。整合营销是企业经营目标兼顾企业、顾客、社会三方的共同利益,各种营销技巧相互结合、相互补充所构成的企业市场营销理念。整合营销要求企业的所有活动都整合和协调起来,企业中所有部门都在一起努力为顾客的利益而服务,企业的营销活动成为企业各部门的工作。
房地产营销策略论文
三、房地产营销策略的现状
目前,我国常用的房地产营销策略主要有房地产企业直接销售、委托销售和网络销售三种。
1.企业直接销售策略。它是指房地产企业利用自己的销售部门对房地产商品进行直接销售。目前我国绝大部分房地产开发商都是采用这种销售渠道。最常见的形式是派出销售人员,在一个固定的场所现场售房。这种策略的优点是销售渠道最短、反应最迅速、控制也最为有效。
2.委托销售策略。它是指一般开发商委托房地产商寻找顾客,顾客经过商中间介绍来购买物业的销售渠道方式。相对于直接销售模式,委托销售降低了开发商的风险,通过商的服务性质,更易于把握市场机会,能更快地销售房产。
3.网络销售策略。网络营销策略是利用现代电子商务的手段,实现房产的销售。与传统的销售策略相比,网络销售策略可以降低房地产企业的营销成本,可以实现零距离和全天候的服务,更方便地和消费者沟通,可以树立房地产企业意识领先、服务全面、信息完备的良好形象,有利于增加房地产企业的无形资产,有利于消除销售的地域性等优势
房地产营销策略论文
当前,我国房地产市场营销策略主要有以下特点:
品牌领导形象震撼——确立市场地位,引起市场关注,锁定目标消费群;
把握时机高昂入市——抓住有利时机,高姿态低价格进入市场,迅速掌握市场主动权;
分期分批卖点不断——分期开发分批销售,步步为营,组织储备卖点群随销售阶段适时引爆,带动价格走高,达到持续热卖效果;
进度跟进迭起——紧跟工程进度(奠基、正负零、封顶、竣工、样板房开放、园林开放等)制造阶段性销售,实现阶段性销售目标;
以质论价升值诱人——以户型、朝向、楼>！
物管跟进后顾无忧——物业管理提前介入能迅速树立项目形象,强化认同感,购买者无后顾之忧,达到促销效果。
房地产营销策略论文
四、房地产营销策略的创新
在新形势下,随着市场的成熟、制度的健全以及长期发展过程中积累的一些问题,我国的房地产营销策略遭遇了有力的挑战,这就要求房地产企业积极思考,探索营销策略的创新。
在房地产营销策略的创新中,需要注意几个关键的因素。第一,项目开发前的市场调查工作。市场调查对房地产企业的重要性不言而喻。市场调查需要对国内外宏观经济的波动与政策变化、房地产法律法规以及国家的金融环境、住房制度的改革动向等等做深入的调查。第二,强化产品策略在营销组合中的地位。由于房地产商品的特殊性,要求房产设计上要符合消费者的喜好,建筑材料选择要合理,物业管理信誉要好,已解决业主的后顾之忧。第三,突出企业差异。突出本企业的产品、服务和品牌差异,可以提高房地产产品的价值,形成竞争优势,其中产品差异是最基础的,也是要首先考虑的。第四,合理利用价格策略。房产的定价要注意消费者的心理价位和承受能力,同时要根据项目本身的开发目的确定。第五,积极拓宽营销渠道。在以消费者为中心的市场环境下,开发商应从坐商观念转变为行商观念。
目前,全国各地的房地产发展都处于期,人们对房地产的需求较大,对于各大房地产商,这无疑是利好消息;但是,由于房地产市场通过近几年的发展,已经开始转向买方市场,所以,根据目前的市场状况,各大开发商必须要注意房地产营销策略的创新,这样才能在激烈的竞争中立于不败之地。
1.品牌营销。建立良好的品牌对房地产营销十分重要。目前,房地产市场竞争日趋激烈,房地产品牌的作用日益凸现。品牌不仅是企业或产品标识,更是宝贵的无形资产,能强化企业在市场和行业中的地位,并且在企业的兼并收购、投融资等对外合作中发挥重要的作用,从而为企业创造更加良好的经营效益。
要建立良好的品牌,必须要以优良的品质,适合的价格提高品牌美誉度;同时,兼以完善的售后服务提高品牌忠诚度以及适当的树立品牌形象的手段提高品牌影响力,以及参加各类大型的房地产展销会展示公司形象,推销公司的楼盘等。而在现实的房地产营销中,由于资金的周转,市场的激烈竞争等问题,导致房地产开发商不注意进行品牌效应的积累,往往只是针对在建或竣工的个别楼盘借助媒体或广告的力量进行炒作。而品牌的创造和维护应该贯穿整个项目的始终,不是个别的,而是整体的。只有这样,才能使得品牌成为企业的竞争优势;另外,企业往往将品牌理解成为案名,只要案名好就能树立良好的品牌效应。其实案名只是品牌的重要组成部分,品牌应该注意“内外兼修”,即要有好的案名,更要有好的质量及服务,做到“名实双具”。这样创造出来的品牌,才是真正的品牌,才是能促进商品房销售的品牌,才是人们信赖的品牌。
2.人文营销。房地产营销应该是以人为本的,为顾客创造良好的环境,体现人文情怀。文化是人文的重要组成部分,深厚的文化底蕴或高品位文化景观和楼盘的结合可以给顾客以享受。人文的另一个方面体现在房地产开发商与顾客的关系建立上。“顾客就是上帝”,对于现在正处
于买方市场的房地产企业,应该更加注意与顾客建立良好的关系,与顾客形成互动,展示企业形象的同时,更让顾客感受到关怀,在选择时倾向性更加明显。人文营销的第三个方面体现在为买主提供最大便利上。所以,从房地产开发到售后的过程完整贯彻以人为本的原则,是提升销售量的重要手段之一。 3.知识营销。目前,对于大多数消费者而言,他们对房地产的理解往往只是限于“一栋房子”这样浅显的概念,而想了解,又苦于没有途径。因此,房地产开发商应当本着诚实的原则定期开展相关知识的宣讲会,在宣讲会前可以进行问卷调查,了解消费者在此方面的困惑,在宣讲会上可以针对调查结果要求相关专业人员先进行房地产行业概况介绍,然后认真耐心地回答消费者对房地产行业或有关楼盘的任何问题,最后总结以上的内容,达到让消费者获得知识的目的。可见,宣讲会是沟通房地产商和消费者之间的桥梁。向顾客介绍知识的同时,又宣传了企业的品牌,提高大众的认知度,增加购买欲望;同时,对房地产有了认识的顾客又会对房地产提出更高层次的要求, 促使房地产开发商运用新技术,创造新工艺,推动市场的前进。
4.绿色营销。居住环境的质量已经成为人们购房时考虑的重要因素,于是,开发区域的绿地覆盖率也就成为楼盘的卖点。于是,企业纷纷提出以环境保护为营销理念, 以绿色文化为价值观, 以绿色营销为核心的营销战略。
在绿色营销上,对于单纯的绿地的规划是十分必要的。而针对目前能源紧缺而提出的绿色节能住宅的概念,同样要运用到绿色营销中,增加社会效应。虽然目前节能住宅的单价相对普通住宅要高,但由于“发展节能住宅是利国利民的大事”,绿色节能住宅的发展将成为趋势,也将成为卖点。
5.合作营销。和其他商品一样,对于商品房的销售同样可以采取合作营销的战略。房地产开发商与很多单位存在利益关系。
首先,应该积极与下游供应商进行联系,由于长期的合作,可以给开发商带来一定的折扣,减少成本;同时,消费者购买商品房之后进行装潢,开发商可以推荐房主使用与其合作的供应商的售卖的材料,既为房主提供了优惠,同时会给供应商带来不少的收益。第二,开发商积极与金融信贷部门进行联合,前期可以通过宣传开发项目优势的方式,向金融信贷部门请求贷款或通过项目融资的方式邀请进行项目合作,利用金融信贷资金进行开发建设;在后期的销售过程中,与金融部门沟通,为顾客设计贷款或按揭的组合方式,为顾客提供多种丰富的支付手段。第三,与其他开发商进行联合造势,形成双赢的格局。
6.服务营销。对于房地产产品的服务也分为售前、售中、售后三个服务阶段。在售前服务阶段,首先应该向每位潜在的消费者提供真实的关于楼盘的资料,热情地接受他们的咨询,让他们对所感兴趣的楼盘有全方位地了解,从而有了初步的认知和倾向;售中服务是开发商必须提供符合协议规定质量合格的商品房给用户,并协助他们办理相关手续;在现实中,消费者往往能获得前两个层次的完美服务,但是,房子一旦拿到手出现差错却无人接手进行处理,导致产生纠纷,这对企业的声誉影响是很大的。因此,开发商应当注意商品房产品的售后服务,对业主提出的问题给予及时地反馈与维修;并自己成立物业公司或委托第三方物业管理, 为业主提供安全、舒适、美观的理想人居环境,这是时展的必然,同时也为企业的发展奠定坚实的基础。
7.社会营销。社会营销观念是随着现在流行的可持续发展观念提出来的,主张企业提供的产品和服务,不仅要满足消费者的市场需求或短期欲望,而且要符合消费者的长期利益,不忽视社会利益。注意到企业发展中的社会效益,对于企业提升其形象是十分重要的。企业的形象提高了,销售量和利润也自然得到提高。
新媒体营销策略论文范文2
关键词：大数据 情报分析 竞争情报 商务智能 生物医学 政府治理 军事情报
中图分类号： G250.2 文献标识码： A 文章编号： 1003-6938（2014）05-0007-06
Intelligence Analysis in Different Domains and Its Development under the Environment of Big Data
Abstract Big data has caught the attention of five domains： competitive intelligence， business management， bioinformatics， government governance and military 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.
Key words big data; intelligence analysis; competitive intelligence; business intelligence; bioinformatics; government governance; military intelligence
1 前言
不同研究领域有其自身的研究对象、理论源流、学术习惯以及概念框架体系，它们会深刻影响各领域对同一术语的界定和理解。如竞争情报、商业管理、生物医学、政府治理及军事情报等领域不仅都会涉及“情报分析”这一概念，而且都是围绕着情报分析而开展相关研究工作的。但是，这些领域中的情报分析的内涵与外延、实施情报分析的过程等均有其自身的特点，不可一概而论。本文的目的，是分析竞争情报、商业管理、生物医学、政府治理及军事情报等五个领域中“情报分析”概念与实践的特点，以及大数据环境下这些领域中情报分析的发展动向，揭示情报分析的学科差异，为建立统一的情报分析方法体系提供理论素材。
2 不同领域的情报分析及其在大数据环境下的发展
信息与情报是不同概念，情报是对信息进行深度加工或从各种文本中挖掘的知识，可以是一种产品、活动、组织，或是一组知识的专门表达形式[1-2];生成情报所采取的分析方法与执行过程称为情报分析研究。对于竞争情报、商业管理、生物医学、政府治理及军事情报等学科领域而言，它们的产生与发展与情报分析研究在具体问题域中的应用有着直接、密切的关系，尽管这五个领域对情报分析的概念理解及实践特点不尽相同，但情报分析都是这些领域知识的核心内容，也是支持该领域研究的关键，而且，在大数据环境下，大数据理念与方法正在对这五个领域产生着深刻的影响。这是本文选取竞争情报、商业管理、生物医学、政府治理及军事情报等领域作为研究对象的重要原因。
2.1 竞争情报领域
“竞争情报”（Competitive Intelligence，CI）是企业用来提高竞争优势的情报分析工作，它通过感知外部环境变化、竞争对手的技术跟踪等手段，建立一个关于竞争对手或外部环境的预警系统，并支持决策服务，使企业在激烈的竞争中维持优势地位[3-5]。由此可见，CI是对外部竞争环境进行全面监控的过程，是一种“知己知彼”的交互分析过程。与其他领域的情报分析相比，通过CI分析所得到的情报更具有目的性、针对性及对抗性等特征，同时对自身跟对手的差距、潜在的机会等问题给出了解答。
企业进行CI活动时，合法性是开展整个活动的基础，即CI活动必须遵守法律或商业道德规范。竞争对手或市场的相关信息主要是通过公开信息来源（如出版资料、科研报告、互联网、新闻、数据库、政策法规等）获得，其它在不违法的前提下所能获得的非公开发表的信息（如通过第三方获取的信息、录用对手公司的离职人员所获得信息、人际网络等灰色信息等）也是CI的重要信息来源[3][6]。也就是说，CI主要的信息来源是基于“文本型式”的科技文献、网络信息、政府信息、新闻、政策研究、产品信息等类型，并结合灰色信息来提高CI分析的有效性及真实性。从分析方法来看，因外部竞争环境复杂性与竞争对手多样性而产生出多种CI方法，常见如定标比超、SWOT、专利分析、五力分析、财务分析等方法[5];此外，利[7]根据五力分析与SWOT分析拓展出基于竞争要素的CI四维分析框架。在技术工具方面，分析人员可选择数据挖掘、文本挖掘、网络挖掘、可视化技术、信息抽取、一般统计分析、软件等方法或工具[8]，将数据或信息转化为“可操作的情报”（Actionable Intelligence），再根据企业的不同需求（如管理决策、营运能力、市场监控等）形成各种情报产品（如每月情报通讯、咨询报告、竞争对手文档、形势分析等），提供企业作为战略行动依据、危机预警判断、商业谈判等重大决策参考。
大数据环境下，公开信息来源越来越多样化，考验着企业的情报获取与分析能力，特别是企业对外部环境变化的及时感知与动态应变能力， CI在企业战略预警与危机管理等方面发挥着越来越重要的作用[9]。从当前的研究与实践来看，CI 面临着“全信息源获取”、“分析复杂化与实时化”两个急迫解决的问题，就前者而言，企业可以通过信息技术解决全信息源获取的技术性问题;对后者来说，随着企业可以获取越来越多的异构的数据及信息，要求CI能够处理更加复杂的分析对象，其分析方法需要结合更多智能化技术，工作流程需要结合多种方法来解决问题[10-11]，例如，除了上述常见的分析方法之外，非结构化数据处理、关联关系分析、网络挖掘（如舆情分析、观点挖掘等）、实时分析及云计算等方法或技术都是企业进行CI分析的新挑战[12]。此外，除了获取公开信息来源之外，由社交媒体产生的社会化数据[13]，也引发了企业CI对竞争对手进行实时监控与分析的需求。总言之，从基本目的来看CI分析在大数据环境下的发展，会发现CI正从对现有竞争对手和外部环境进行分析以辅助企业保持竞争优势，转向对实时数据或信息进行快速分析响应，通过多种分析方法的结合做到知识发现以及构建适应外部环境的持续应变分析模式[14]，用来支持企业在竞争环境中做出高效精准决策。
2.2 商业管理领域
商业管理领域所涉及的情报分析是指“商务智能”（Business Intelligence，BI）或商业情报。BI通常被定义为由数据仓库、ETL、联机分析、数据挖掘、客户关系管理、知识管理等多种技术融合而成的方法及系统，用来管理企业内的相关商业数据、专家信息及知识。不同于CI关注外部情报，BI针对企业内部的各种数据及信息进行分析，从而达到企业绩效管理、客户关系优化、监控商业活动等管理目的[15-16]。由此可见，BI是一种用来提高企业营销管理能力的一套集成分析方法与系统，分析所得的情报被应用在解决客户及产品的需求趋势、潜在服务与产品的关系、销售预测、营销策略创新等问题。
从实践角度看， BI的实施包括了输入、流程及输出等三个主要步骤：①输入是指数据来源，BI的信息源是基于“数值型式”的业务数据、客户相关数据、专家信息、检索日志记录等，或是企业内部现有数据仓库的存储内容。②流程是指数据处理与分析过程，在BI的实施过程中，利用ETL等技术方法将企业的各种业务数据导入数据仓库、或是进行数据集成，并进行数据分析与挖掘，再将分析结果结合企业的战略、运营、关键绩效指标或模型库等加以实践应用，最终达到组织层次的商业绩效管理、以及战略层次的战略规划[17]。③输出是指BI系统或平台产生的各种情报产品，如产品销售报表、客户分析报表、产品定价方案、绩效管理报表、财务报表等。从技术角度来看，Chen等人[18]认为BI分析经历过三个演化阶段：第一个阶段是BI1.0，其技术基础是结构化数据管理与数据仓库;到了2000年的互联网出现后，BI进入了BI2.0阶段，即以网络环境为主的商业情报分析，BI开始重视实时数据分析、集体智慧、观点挖掘、关联数据、网络分析或文本挖掘等技术[19]，表明了基于企业内及结构化数据的情报分析已无法满足决策要求了，而是需要结合更多的企业外部及非结构化数据，来挖掘用户对企业业务开展、市场活动的想法;第三阶段是BI3.0阶段，它是在移动终端、RFID及情景感测等技术发展背景下产生的，对企业而言，如何高效处理这类移动性强、与位置相关、以人为中心、情境敏感的数据，将是BI分析的巨大挑战。
大数据环境下，各种新型信息技术改变了企业的营销决策与商业模式，也对BI的架构、功能和所要发挥的作用产生了巨大的影响。冯芷艳等人[20]从管理学角度提出大数据背景下现代企业商业管理研究的前沿课题，例如，企业应利用智能化技术等手段，挖掘提炼出社会化网络环境中典型的行为模式、个性化行为，其中对新型数据源的实时清洗、实时挖掘、实时建模、实时舆情监测等都是值得发展的分析技术，同时，还要在精准性与实时分析之间寻求企业绩效管理的平衡点。由此可以看出，企业的BI分析在大数据环境下，正从过去基于历史数据的情报分析向“实时分析”（Real-Time Analysis）的方向转变。具体来说，BI若要进行实时分析，必须先解决数据采集、数据分析、决策支持及信息反馈等环节中的滞后问题，Seufert及Schiefer等人[21]认为必须通过信息集成设施与商业环境集成来解决这些问题，包括以事件（Events）驱动机制替代周期性的批量处理方式来解决数据采集滞后的问题，利用联机分析或数据挖掘来解决分析滞后的问题等等。此外，Lim等人[22]强调新型数据源对BI分析的影响，并指出现有的BI系统与大数据分析技术（如Hadoop、MapReduce）、文本挖掘（如从搜索引擎转向企业搜索系统、从情感分析转向观点挖掘、从信息抽取转向Q&A系统）、网络分析（如链接挖掘、社区发现、社会化推荐）等技术进行整合，是最值得深入研究的内容。
2.3 生物医学领域
生物医学领域中的情报分析主要是指“生物医学信息学”（Biomedical Informatics，BMI）[23]，它是由信息计量学、医学信息学（Medical Informatics）与生物信息学（Bioinformatics）等多种学科融合而产生的新兴领域，主要利用情报学、护理学、生物工程、统计学和计算机科学等领域的分析方法与技术来研究生物医学问题，支持卫生保健、临床实验及医学知识发现过程中的决策与服务。具体来说，BMI分析的基本目的在于了解生命的起源、进化、遗传和发育的本质，通过相关分析方法或技术挖掘出潜藏在众多生物信息数据库中的新知识，辅助或直接开展基因组序列分析、基因进化分析、药物设计、预测蛋白质分子结构与功能、基因区域预测及基因功能预测等工作[24-26]。
BMI的分析对象是生物医学数据（Biomedical Data），包括患者的叙述性数据（如病征描述内容）、数据测量的文本数据、遗传信息、记录信号、图纸或影像数据等[27]，这些素材除了可从综合数据库（如Web of Knowledge、Science Direct等）获得之外，BMI领域的专业数据库（如Genebank、EMBL、DDBJ、Swiss2Port等）、医学中心或生物信息中心（如EBI、EMBL、NCBI、NIH等）也是主要的获取渠道。由于生物医学领域的数据复杂性，促使人们必须开发更新、更灵敏的计算机技术或算法来处理及分析生物医学数据。从分析方法来看，BMI除了沿用生物医学领域的专门分析方法（如序列对比、结构对比、功能对比预测等）之外，也借鉴了数据挖掘、文本挖掘、本体构建、知识发现等相关方法和技术[25][28-29]，借鉴相关领域的分析方法原因有二：一是帮助加快及改进生物计算分析效率，并降低人工分析及物力投入成本;二是解决遗传语言中存在的语义鸿沟（Semantic Gap）、生物医学本体构建及其概念分类与检索等障碍。通过BMI分析所得到的情报产出有各种形式，如研究论文、特定主题分析报告、诊断报告书、基因表达图谱等，其产出结果可用来解释生命进化、人体生理与病理关系等现象，同时对疾病诊断、药物研发或遗传解码等实践应用提供了有效支持。
大数据环境下，数据分析及信息处理方法已经成为BMI分析的基础工作，同时，大数据理念与方法，对BMI分析从“发现及关联”转向“组合及预测”、从系统层次的分析转向分子层次的分析，起到了重大影响[28]。Miller[30]也认为BMI面对急速增加的生物医学数据数量的问题，特别是下一世代的序列分析技术，将能解析出更多的基因序列，致使数据结构更加复杂化，因此需要在全基因组层面上开展多中心、大样本、反复验证的基因关联研究（Genome-wide Association Studies），从而辅助科研人员对基因组或疾病做深入的科学探究。此外，BMI也开始关注生物医学数据与网络数据的结合，通过社会网络分析、网络分析或云计算等方法来鉴别、预测或追踪药物治疗、不同地区人口的关注疾病等问题[31]。总言之，为了能支持上述BMI分析，分析前的预处理工作必须做到真正意义上的“整合”，即情报分析活动的第一步骤，对多源数据进行抽取、比对、清洗与转换，从而提高及保证生物医学多源数据融合的效率与质量。
2.4 政府治理领域
Web2.0与开放数据（Open Data）对政府治理产生了许多刺激作用，说明了公共数据（Public Data）开放对提高政府运作的透明度、治理效率及影响决策等的重要性。目前，政府治理领域所指的情报分析尚无公认定义，整体来说，更倾向通过“政府数据挖掘”（Government Data Mining，GDM），即通过对税务、就业、执法、国家安全（如航空运输、金融交易、监视等）等相关数据的深入挖掘，分离出潜藏在数据中的噪音及有价值的情报，用来提高政府治理的水平[32]。由此可见，GDM的基本目的是促进公共治理与解决社会服务问题，即强化数据-治理-服务三者之间的关联关系，并涉及了信息公开与共享、信息增值与再利用、数据访问与存取、数据保密、数据整合等研究课题。
GDM的分析对象是政府开放的公共数据，如，美国政府以数据共享及再利用为目标，建立了开放美国政府数据的Data.gov网站，对用户提供多种数据集和输出接口，以方便政府数据再利用及增值开发，并结合Data.gov与云计算，构建了面向美国所有政府部门的Apps.gov云服务门户[33]。以美国Data.gov网站开放的数据类型为例，截至2014年7月5日，网站上共开放了110，875个数据集，涉及了企业、地球观测、教育、地理空间等21类。从分析方法来看，数据挖掘是GDM的关键技术，常见如统计分析、分类、聚类、关联规则、决策树、神经网络等。刘典文[34]梳理了数据挖掘在公共管理领域的各种应用，如通过孤立点分析找出诈欺行为的特征、通过聚类分析找出城市交通系统规划及站点分布等，而电子政务、政府绩效管理、公共危机管理等也是广泛运用数据挖掘来找出更多有价值的情报。通过GDM分析得到的情报，可通过每月统计报表、问题解决方案、特定事件监测汇报等型式呈现结果，向决策者或管理者提供政府信息资源增值、信息孤岛与社会服务问题解决、城市管理与监控等方面的治理支持。
大数据环境下，Yiu[35]认为大数据分析是改变政府治理与社会服务的重要方法或技术，它强化了跨部门之间的数据共享与关联、支持组织学习与绩效管理，并将管理颗粒度细化到个人，从而可广泛地应用于各种政府服务管理，如实时信息管理、多源数据融合分析税务诈欺、个性化服务、城市人口监控与预测等。为了解决部门条块分割的管理碎片化及资源分配问题，陈美[36]认为可以通过建立集成各种交通数据的综合多维交通信息体系，实现各种政府数据的综合分析，快速解决交通事故、应对恶劣气候对交通的不良影响、及时实施道路养护等等。王志军[37]以北京石景山区的城市供水管网漏损应用示范点为例，以流量法、压力法和噪音法分析该区的供水管网相关数据，找出漏损情况及匹配适合的检漏方法，达到了精细化分析、智能化管理，并取得了节约耗能的效果。除了分析公共数据外，喻国明[38]利用数据挖掘及社会语义分析工具分析百度搜索词，探讨了中国社会的舆情现实的走势与发展，发现社会民生、公共安全、卫生及环境生态是近年来中国社会舆论持续关注的基本问题，对于社会管理和社会协调有重要的启示。由此可见，在大数据环境下GDM分析的发展重点在于，从公共数据或其他开放数据分析中，精准、及时掌握政府部门在各种社会服务中的运行规律，以及深刻察觉其中的治理问题，并提供以数据为支撑的决策情报与问题解决方案。
2.5 军事情报领域
军事情报（Military Intelligence，MI）是指是为了保障军事斗争，有目的地搜集敌方、我方、友方、中立方等相关方面的素材信息（包括公开信息、秘密信息、部队及技术侦查情报、军事战备相关情报等），再经深入的综合分析后得到的情报[39]。在这种情报分析中，特别强调要避免因忽视危机信号、过度过滤信息、信息交流不畅、情报政治化等因素造成的情报失察（Intelligence Failure）或情势误判[40]。也就是说，MI分析的基本目的在于情报保障及避免情报失察，其分析任务是面向国家安全的情报侦察探测、分析模拟、战略研拟、决策参考等方面。
MI的分析对象依据不同标准而划分不同类型，按真实程度可划分真假情报;按性质可划分军事指挥、后勤、装备等情报;按载体可划分文字、声像、实物等情报[40]。具体来说，MI是从公开与非公开数据源、军事信息系统、卫星预警系统等各种渠道取得的基于“战事局势”的侦查情报、传感数据、地理数据、照片、声音、武器装备等等相关素材。从分析方法来看，MI除了一般的基础分析方法（如数学方法、文献研究等）之外，情报素材鉴别方法（先期过滤工作）、作战想定方法（基于军事任务）、成果评估方法（确定军事情报价值）都是体现军事情报领域研究特点的专门分析方法[41]。经过MI分析得到的情报，可通过战略分析评估报告、战情模拟分析报告、特定目标监控报告等形式呈现内容，并支撑军事情报单位的军事斗争准备，达到战事情况监控、战胜对手、及时预测客观情况等各项目标。
大数据环境下，面对公开信息来源及新型网络环境的数据过剩问题，情报人员没有足够时间筛选潜在的有价值情报[42]，例如，军事情报单位得知可能在某日下午发动网络攻击，但这样的情报量是不足够的，必须具体知道何人、何时、何地及如何阻止他们，而该网络恐怖事件即将发生，不允许情报人员花费时间分析该网络攻击的时间、地点与人物。又例如，2012年美国国防部高级研究计划局推出XDATA项目，目的是开发大数据处理与分析相关的计算技术与开放源码软件，用来满足国防军事需求。但除了开发软件工具包之外，项目更涉及了可拓展的分析与数据处理技术、可视化用户界面技术、软件集成研究及评价等等技术，将来可以具体应用在网络科技、电子战、电子防护、数据决策、大规模杀伤性武器防御、工程化弹性系统及监视侦察系统等[43]。上述例子说明，大数据环境给MI分析智能化带来巨大的挑战，研究的课题包括但不限于：信息情报的自动监控与关键信息的自动识别定位;不同来源的数据与同一事件的对应关系发现;非关键信息之间的隐藏关联规则等等。
3 结语
本文梳理了竞争情报、商业管理、生物医学、政府治理及军事情报五个领域中情报分析的概念与实践的特点，揭示了不同领域的情报分析的特征，以及大数据理念与技术对五个领域中的情报分析带来的影响。为更加清楚起见，本文从基本目的、问题情景、研究任务、数据类型、数据来源、分析活动、分析技术、产出形式、结果价值以及大数据的影响等十个方面列出了不同领域情报分析的特征（见表1），期望能帮助我们更加清楚地认识情报分析的内涵和外延。
参考文献：
[1]包昌火. 情报研究方法论[M]. 北京： 科学技术文献出版社， 1990.
[2]Moore D T. Critical Thinking and Intelligence Analysis[M].Washington， D.C.： Joint Military Intelligence College，2010.
[3]陈峰. 竞争情报概念及相关因素分析[J]. 图书情报知识，2003，（1）： 20-22.
[4]包昌火.加强竞争情报工作 提高我国企业竞争能力[J].中国信息导报，1998，（11）： 30-33.
[5]王知津. 竞争情报[M]. 北京： 科学技术文献出版社， 2005.
[6]李正中，许蕾. 竞争情报行为的正当性与灰色信息收集方式的研究[J].情报学报，2000，19（1）： 77-81.
[7]利.基于要素细分的竞争情报四维分析框架[J]. 情报学报，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，赵刚，黄英，等. 略论竞争情报的发展走向[J]. 情报学报，2004，23（3）：352-366.
[10]化柏林.网络海量信息环境下的情报方法体系研究[J]. 情报理论与实践，2012，35（11）：1-5.
[11]李广建，杨林. 大数据视角下的情报研究与情报研究技术[J]. 图书与情报，2012，（6）： 1-8.
[12]刘高勇，汪会玲，吴金红. 大数据时代的竞争情报发展动向探析[J]. 图书情报知识，2013，（2）：105-111.
[13]谢志航，冷洪霞，杨晶晶. 大数据背景下社会化媒体数据的情报价值探讨[J]. 情报探索，2013，（10）：6-8.
[14]黄晓斌，钟辉新. 基于大数据的企业竞争情报系统模型构建[J]. 情报杂志，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]朱晓武. 商务智能的理论和应用研究综述[J]. 计算机系统应用，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]. MIS Quarterly，2012，36（4）：1165-1188.
[19]Trujillo J， Maté A. Business Intelligence 2.0： A General Overview[M].Aufaure M，Zimányi E，Springer Berlin Heidelberg，2012：96，98-116.
[20]冯芷艳，郭迅华，曾大军，等. 大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013，16（1）： 1-9.
[21]Seufert A， Schiefer J. Enhanced business intelligence - supporting 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 J W， Johnson T R. What is biomedical informatics？[J]. Journal of Biomedical Informatics，2010，43（1）：104-110.
[24]黄科，曹家树，吴秋云，等. 生物信息学[J].情报学报，2002， 21（4）： 491-496.
[25]陈铭. 后基因组时代的生物信息学[J]. 生物信息学， 2004，（2）：29-34.
[26]陈润生. 当前生物信息学的重要研究任务[J]. 生物工程进展，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 data mining 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 text mining， 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 biomedical research[J]. Drug Discovery Today，2013， 18（5-6）：272-281.
[32]Cate F H. Government data mining： The need for a legal framework[J]. Harvard Civil Rights-Civil Liberties Law Review，2008，43（2）：435-489.
[33]刘增明，贾一苇. 美国政府Data.gov和Apps.gov的经验与启示[J]. 电子政务，2011，（4）：90-95.
[34]刘典文.数据挖掘技术在公共管理领域的应用[J]. 行政论坛，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]陈美. 大数据在公共交通中的应用[J]. 图书与情报， 2012，（6）： 22-28.
[37]王志军.大数据时代下的城市供水管网漏损管理[J]. 中国科技产业，2014，（2）：74-75.
[38]喻国明. 大数据分析下的中国社会舆情：总体态势与结构性特征[J]. 中国人民大学学报，2013，（5）： 2-9.
[39]周军.试论军事情报的概念[J].情报杂志，2004，（1）： 33-34.
[40]沈固朝. 情报失察――西方情报研究的重要课题及其对我们的启示[J].图书情报工作，2009，（2）：34-37.
[41]程立斌，林春应. 军事情报研究方法体系探析[J]. 情报杂志，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：///read/1G1-323351157/defense-intel-communities-wrestle-with-the-promise.
