对于大数据，重要的不仅仅是数据量。数据量只是大数据的特性之一，这实际上是更容易解决的挑战之一。大数据更难的挑战与其他特性有关：数据类型的多样性、数据变化的速度、来自不同系统的数据的

大数据技术在技术层面、业务层面都有十分重要的应用价值在技术层面：大数据技术可以应用于非结构化数据的分析、挖掘，大量实时监测数据分析等，为管理系统、综合信息平台等建设提供技术支持；在

数据仓库平台逐步从BI报表为主到分析为主、到预测为主、再到操作智能为目标。

电信运营商在长期的内部精细化管理和精确营销服务的过程中，积累了大量的数据。这些数据在大数据背景下具备外部变现的潜质，大数据为运营商业务分析运营带来新的变革可能。

在数据资产交易逐渐成为社会各界关注重点的当下，设计和构建科学的数据资产估值体系，对厘清数据资产属性、制定统一的定价机制、促进数据市场健康发展具有至关重要的意义。

很多咨询公司你都会听到它们在讲,一般做战略规划,或者说DSTE。都会提到BLM这个模型以及一个叫做MM市场管理的两个工具。这些方法论都是源自于某厂的一些实践。

对于一个数据的量化,一般通过对字段进行某种计算得到(比如求和、平均)在原始数据的基础上,通过统计汇总,加工处理形成的用于表征业务活动好坏优劣的数据。

进行数据分析工作的时候会用到很多的工具，比如说数据湖和数据仓库，不过这两者之间的差异和区别，可能会让人困惑。那么大家知道不知道数据湖和数据仓库的区别是什么呢？

表的命名需要遵循基本原则：层次_表名_所属项目，如bdl_order_eb；

随着互联网规模不断的扩大，数据也在爆炸式地增长，各种结构化、半结构化、非结构化数据的产生，越来越多的企业开始在大数据平台下进行数据处理。

数据中台出现的意义在于降本增效,是用来赋能企业沉淀业务能力,提升业务效率,最终完成数字化转型。

企业做BI项目的第一步，一般都是明确BI项目的需求，毕竟有需求才能带来价值，明确了需求才知道BI项目的重点建设方向在哪里。今天就来和大家聊聊，如何明确BI项目的需求。