企业要实现管理决策，一定要先建数据仓库再做BI？

    任何BI项目，均需从各级管理者的决策性思维出发，分主题的建立数据模型，从而形成数据仓库，不论其存在的形式如何，分析思想必然贯穿整个项目，并覆盖各层级的发展战略与业务表单，随时纳入的外部数据，保障决策的科学性与前瞻性，满足决策的全过程。

数据仓库的逻辑

    数据仓库（Data Warehouse，简称DW）是一个面向主题的集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

    数据仓库是一个概念。

    数据仓库系统区别于数据库

    通常意义的数据库，指各个业务系统所存储的数据集，其作用是籍于业务系统流程所产生的数据，利于各流程所产生的数据之存储。

    数据仓库则为满足决策分析而建立，其面向主题的设计，将会因数据的特性不同而有所增减，如数据间的相容性与互斥性，数据仓库的数据容量将是业务数据库的五倍以上。

    一般说来，数据仓库为减少对业务数据库的干扰，原则上要单独建立。他借助于数据库实现。如关系型数据库，多维数据库、内存数据库等。这些都可以作为数据仓库来使用，数据仓库的建立，有以下几个主要方面工作：

    ①业务数据进行整合，②主数据管理，③元数据管理，④数据质量管理，⑤数据清洗、转换，⑥数据装载，⑦分主题建模等，最终支持各级管理者的数据分析、业务预测、决策。

商业智能（BI）的逻辑

    商业智能(Business Intelligence)是对商业信息的搜集、管理和分析的过程，商业智能一般由数据库技术、数据仓库（或数据场）、在线分析处理（OLAP）等部分组成，其实现涉及可视化、交互等动态分析型软件。

    各级管理者以数据仓库为本，经各种查询分析工具(Query/Report Tools)、联机分析处理(OLAP)工具或是数据挖掘(DataMining)工具加上决策者的行业知识(Industry Knowledge)，从数据仓库中获得有用的信息，进而帮助企业获利，提高生产力与竞争力。

    BI项目带有非常强烈的咨询服务特性。是发现问题、找出规律、预测将来，发掘新知识新模式，达到真正的智能效果。

图1 大数据环境下数据分析体系

    商业智能不是简单的报表和漂亮的图形，其主要考量的是模型交付能力及工具软件的开放性。

    面对庞大的数据，提高信息的利用率，快速准确地找出需要的信息，做出正确的决策，是商业智能发展的驱动力。硬件上的大容量存储技术、并行处理器技术，软件挖掘工具、数据仓库环境的管理工具、Internet、大数据预处理等技术的成熟，以及国产化的扩展能力，使得商业智能再次成为各级管理组织研究和应用的热点。

    从以上的阐述不难看出，任何BI项目，均需从各级管理者的决策性思维出发，分主题的建立数据模型，从而形成数据仓库，不论其存在的形式如何，分析思想必然贯穿整个项目，并覆盖各层级的发展战略与业务表单，随时纳入的外部数据，保障决策的科学性与前瞻性，满足决策的全过程。

    建议不要把数据仓库单独作为一个项目，因为业务分析需求不确定的情况下建数据仓库，会有很大风险。并且企业永远有数据不能及时的维护进数据仓库，有许多临时需要分析的数据却未放进数据仓库的外部数据，同样对分析决策起到重要的作用。观数台可以完美支撑用户构建完美的决策分析体系架构。

来源：亦策观数台 作者：朱传东