情报收集分析和服务
情报采集
情报采集模块是CIS的重要输入系统，是竞争情报工作的基础。其工作质量 和 速度很大程度决定着CIS的效能和效益。
当今多源异构的情报信息特征对情报采集模块是一大挑战。因此，CIS的采集模块必须具备全面的数据采集能力。针对不同的信息源设计相应的采集器，每个采集器都可以根据用户信息源的差异与用户的需求来设定。
采集器被设置好以后将会自动地运行，并在运行时不断地观察信息源的变化和更新，把新的或更新过的信息传送给情报分析模块，并具备一定的信息排重功能。
针对以下主流数据源，CIS应该具备相应的采集器：
互联网采集器 按用户指定地址采集因特网上信息，主要由Spider/Robot程序实现。
文件系统采集器 把各种文件格式的文件（包括Office文档、pdf、html、txt、xml、Flash、视音频等）自动读取到系统中。对不同格式文件的访问需要相应的应用程序接口。
Lotus Notes采集器 采集存储于Notes文档库中的资料，例如OA系统信息。这可以通过OA系统输出获得，也可以直接访问Notes数据库，并集成其中的用户访问权限。
关系数据库采集器 通过ODBC协议，采集存储于关系数据库（例如Oracle、IBM DB2、Microsoft SQL Server等）中的信息。
此外，采集系统还应能够识别出信息源中真正有效的内容，这一点对采集目前“绚丽多彩”的互联网信息显得尤为重要，从而为情报分析模块作好准备。
情报分析
情报分析模块是企业CIS的核心，对于传统结构化数据，尤其是关系型数据的分析处理已有成熟的分析方法，而目前大多数情报信息来源于非结构化数据当中，因此提取其特征和进行基于自然语言的理解是分析的根本。
目前常用的基于自然语言理解的技术主要有：
文本分类 文本分类方法主要有基于统计的方法和基于人工智能的方法。
基于统计方法的文本分类处理过程可以描述为：首先要对分类的文档建立其特征表示，一般是采用文档特征向量的方法。由于文档特征向量具有惊人的维数，因此必须进行特征抽取，以缩减特征向量的维数。得到文档的特征子集后，便可生成分类器进行分类。最后需要对分类器进行评估。其中的关键在于文本的向量化表示、特征提取、分类器构造和评估算法。这种方法基于经典的概率理论，目前得到了比较广泛的运用。 如SPSS、SAS等专门的统计软件。
基于人工智能的方法主要有人工神经网络、支持向量机等，这些方法是从基本数据挖掘的分类算法中演化而来，目前正逐步得到认可。
相关文章分析 相关文章分析技术是文本挖掘的重要功能，是实现相关反馈的基础，也可用于去重分析。
通常相关文章链接技术的
原理如下：首先对文档建立索引，可以是全文索引，或者是部分词（被确认为表达文章主要概念的词）的索引。这些词主要是名词、动词、形容词等实词（连词、助词等通常不包含具体意义的虚词被过滤掉）。
在进行相关文章链接处理时，首先对输入的文档进行分析，找到有意义的索引词，然后逐个词到索引库中查找与之相关的文档，并记录查询结果。然后根据每篇文档中包含索引词的多少、词频、文档的长度等信息来计算相似度。最后还可以根据相似度的大小进行排序，这样就找到了最相似的文档。
自动摘要 自动摘要有助于用户快速把握情报信息的核心内容。它是利用计算机自动地从原始文献中提取文摘。
自动文摘包括自动摘录、基于理解的自动文摘、信息抽取和基于结构的自动文摘四种主要的文摘方法。其中比较实用化的是自动摘录(Automatic Extraction)技术。
自动摘录将文本视为句子的线性序列，将句子视为词的线性序列。它通常分4步进行：a.计算词的权值；b.计算句子的权值；c.对原文中的所有句子按权值高低降序排列，权值最高的若干句子被确定为文摘句；d.将所有文摘句按照它们在原文中的出现顺序输出。
目前的自动摘要技术还处于一个初级阶段，实用化的自动摘要技术必将给承担大量信息处理CIS起到极大的性能提升作用。
情报服务
情报服务模块是CIS的输出系统，它的主要功能是根据不同层次用户的情报需求，动态地提供情报产品和情报服务。在这里，信息发布技术构成了主要支撑。
通过互联网络进行信息发布是主要手段，基于B/S结构的企业信息门户（EIP）技术的CIS已成为当今主流，进行网络发布采用的主要技术体现在：
内容的组织与表现 通常信息发布采用频道及模板技术，这样可以使得内容的展现分类有序而风格统一，便于用户浏览。
用户管理和权限控制 为不同级别的用户设定相应的角色和访问权限，并提供单点登录功能，有效整合用户已有的应用系统。
访问统计和评估反馈 基于系统日志功能，统计单条信息的浏览次数。并提供交互手段，支持用户的评论等反馈交流。
