BI交流讨论的补充说明

演讲结束后，有嘉宾说当前现状普遍都是迎合客户的需求，很多还迎合不了。现状是现状，未来肯定会逐步改善，用户的预期也在提高，用户越来越务实。首先是要足够熟悉业务，然后才能解读客户需求的能力，也才可能满足客户的需求。

还有朋友提到，很多企业是分析与DB形成2个团队，但两个团队很难达成协调沟通。其实我在网上经常提到，这是一个分工导致的失策。数据仓库本身应是数据与业务双驱动，但由于DB团队往往以为自己懂业务了（以后会详细讲解OLAP和OLTP业务理解上的差异），其实还不够懂业务，所以设计的数据模型中的业务逻辑，往往不是分析团队想要的，而分析团队又不清楚DB团队到底做了哪些指标，该怎么用？而分析团队都是基于分析需要去DB找数据。

有朋友说业务驱动是虚的，浮云。其实没必要扣概念，让我举个大会后聊天时举的例子。例如在客户分析中，当你想通过对用户分类，来制定个性化服务策略的时候，这个时候你需要分类挖掘；但你想通过某活动中，什么样的客户对这个活动反应更强烈，有什么特征的时候，你需要聚类分析。而当前形势是，一群不精业务，但懂数据挖掘算法的朋友，在盲人摸象似的在挖掘，也不知道挖掘为了什么。。。。。。

线上有朋友问，为什么数据仓库号称千个，甚至数千个指标，我一般分析都用不上百个指标呢？这个就又得回到上面的问题了，DB团队和业务分析团队脱节，这数千个指标中，可能有50%有用的，但没人去用，也可能50%是没用的，比如指标不符合业务场景，有重复指标等。

最后，欢迎大家继续线上提问。

upupup