现在人人都在说大数据，那么你知道在过去的几十年里是如何分析数据的吗？数据仓库，这就是过去最常用的一种数据模型。时至今日，数据仓库已经有26 年的历史了，在过去的很长一段时间里是没有大数据的概念，更没有云端的概念，移动也不过是刚刚发展，没有真正意义上的网络，即使你要存储100MB 也要花费10000 美元，可见过去的数据仓库的作用是很有限的，更和商业智能没太大的关系。 通常的数据仓库只不过是一种单一的模式存放企业数据，所起到的作用非常有限，和当前的互联网相比，传统的数据仓库显然无法满足商业的需要，更无法满足商业智能的要求。商业智能是一种产品，也是一种能流利，企业处理数据的方式在改变，智能化是一个显著的趋势，如何做到这一点？数据模型结构性的转变是必要的一个过程。 现代企业接触到的数据越来越多，而要快速高效的解决和分析数据，传统的人工或者是BI早已无法满足需要，只有交给一些大型的数据处理软件和系统，或是技术。而这种技术要具备的特点要满足两个方面： 问题优先 企业的数据分析处理技术要着重看解决的是什么问题，问一问该项技术是为谁解决什么样的问题，设计点要从被动的消费者开始，比如说一个常见的自助式商业智能，首先要明白消费者的需要，怎样能让消费者满意，甚至要具备一定的智能交互性。 数据策略 在对数据进行分析后，企业必须要挖掘其中的有利信息，并且考虑应用到企业的解决方案中。首先，要建构功能，对数据有效的利用，建设必要的基础设施，收集数据（关注人们用信息做什么），并且分析数据，得到结论。 数据智能化的实现，也同样导致了数据结构的复杂性，脱离了传统的商业数据模型，既要挖掘有利数据，还要掌握信息的价值，可以预见商业智能技术的开发难度，但却是未来的发展趋势。 --------------------------------------------------------------------------------------------------------------------------------- 了解更多商业智能行业资讯，BI解决方案以及商业智能软件下载请访问FineBI商业智能官网www.finebi.com 或扫一扫，关注“FineBI专业商业智能解决方案”（微信号：fine_bi）
| 
发表于 2015-6-18 18:13:48
