聊聊DW/BI

        随着公司业务的不断发展，公司会积累大量各种类型的数据。这些海量的数据如果没有得到有效的分析和利用，那么不会对业务产生该有的价值。构建一个大数据分析平台，结合多个业务系统，从中抽取海量数据进行管理、整合、分析和利用，从中发现潜在问题和有价值的规律，并通过可视化的方式进行展现，能够为管理层提供科学决策的支持，提升企业的业务能力和效益，确保数据驱动业务增长。

         那么数据仓库(DW) 就是大数据分析平台的第一步，其实在大数据出现之前，BI就已经存在很久了 ，两者是紧密关联、相辅相成的。BI如果没有业务管理的应用工具，也不会产出任何的商业分析，大数据就没有价值转化的工具，就无法把数据的价值呈现给用户，也就无法有效的支撑企业运营管理决策。同时，大数据是基础，没有大数据，商业智能就失去了存在的基础，没有办法快速、实时、高效地处理数据。支撑应用。所以，数据的价值发挥、大数据分析平台的建设是相辅相成的，数据仓库会把业务分析结果和商业智能价值通过平台的形式更友好地展现给客户。

        数据仓库要实现数据的共享和交换，将各个应用系统的数据进行集成和整合，使来源各异、种类不一的各类数据可以相互使用，丰富数据的来源，能够把各个业务数据串联起来，实现数据的共享和应用。数据仓库在底层采用大数据主流的框架和系统对数据进行统一存储，为数据的挖掘和分析打好基础。例如开源的Hadoop等一系列框架或者阿里收费的的MaxCompute服务。

         最后，大数据分析平台提供大数据分析和决策能力。大数据分析平台采用的数据挖掘、统计学等相关技术，构建大数据分析框架，提取数据中隐含的、未知的、极具潜在应用价值的信息和规律，为企业的各项工作提供决策和指导。

        在这个竞争白热化的大数据时代，每个公司对数据的重视程度都提高到了前所未有的程度，无论是考虑数据的安全性，还是考虑数据的使用效率，拥有为企业自己量身定制的大数据分析平台，是实现精细化运营、数据驱动业务增长的利器。那接下来说下我认为的大数据平台建设的四个阶段：可扩展的报表分析平台、自助式分析平台、智能化分析平台、业务场景分析平台。

1.  报表分析平台

更多的公司其实是不存在这个的平台，往往做的是靠数据分析师提供的报表分析，常用的也就是Excel。因为搭建一个可视化报表分析界面，需要UI，前后端，何苦浪费这么多人力呢？

2. 自助式分析平台

这一步也就是借助开源的工具来做进一步的定制开发，实现一些傻瓜式的报表展现，方便不懂SQL人员的使用。

3. 智能化分析平台

 一个完善地大数据分析平台，不仅仅是单纯展现数据的，更不是一些业务常用报表的罗列，还要能够为数据分析师、业务人员提供更多的对数据 的洞察，让数据更加智能化。例如，可以支持对数据进行多维度下钻、单图之间数据联动、对数据异常点进行标注、指标异常检测等功能，可以让使用人员方便、快捷地分析更精准的业务场景，实现从更多维度的数据出发了解业务，让数据发挥更立体的价值。其实我认为这就是一个健康的数仓最基础能做到的。

4. 业务场景分析平台

服务于不同的业务场景进行数据分析，整理数据报告是数据分析师必不可少的工作，无论是周报、月报，还是新版本表现的分析报告，都需要在围绕报告目标的基础上，对数据整理、分析并提炼要点，最后形成一份有指导意义、易读的数据报告。而这些报告，就是每个业务场景都会沉淀下来的一套固定的分析思路和分析架构，这套固定的分析架构就可以放在平台上实现，例如渠道分析、用户留存分析、用户活跃分析、以及日常的周月报等。

搭建一个完善地大数据分析平台，是需要不断打磨产品的，搭建平台的目的无非就是提高工作效率，方便大家快捷地获取数据。以上四个阶段并不适合所有公司。不同的业务阶段需求也会不一样。