商业智能（BI）已经成为最具有美好前景的信息化领域。目前商业智能市场需求旺盛，市场规模增长迅速，未来商业智能的发展趋势如何？企业应将怎样规划？

本评估指南旨在帮助IT组织评估和选择适合进行大规模企业范围部署的现在商业智能和分析平台。

数据部门只是个辅助，说的话如果不对业务胃口，就永远悬在天上。就像开车，抓方向盘的人听了建议能换路线，做副驾驶的哔哔太多，很容易造嫌弃。

零售行业普遍有着丰富的数据和大量急需优化的问题，如商品价格、折扣、门店库存、会员活动等，是数据分析应用的重要商业应用领域之一。所以，建立零售行业的数据分析模型是一个非常有必要和急迫

ODS层（OperationDataStore）：原始数据层，存放原始数据，直接加载原始日志、数据，数据保持原貌不做处理。（2）DWD层（DataWarehouseDetail）：明细数据层，结构和粒度与原始表保持一致，对O

分析数据是将收集的数据通过加工、整理和分析、使其转化为信息。通常用方法有：排列图、因果图、分层法、关联图、系统图、KJ法等工具或方法

随着流量焦虑的逐渐升级，越来越多的企业开始追求对存量用户的精细化运营。如何尽一切可能延长用户的生命周期，并且在生命周期中尽一切可能产生商业价值，是用户运营的核心命题

随着数据化营运在企业中越来越普遍，闭环思维的重要性也越来越受到重视。闭环思维到底是什么？它有什么作用？本文将从四个方面展开介绍，希望对你有帮助。

指标库是从传统的垂直数据产品开发到数据中台能力复用的过程中出现的项目。指标库在有赞的实践体现了我们对指标数据定义、生产、使用等过程的流程规范化与平台化的一种尝试。

有赞的数据中台解决的是"有赞的数据资产的加工和复用",这里提到了数据中台的两个重要功能:数据加工和数据复用,分别由数据技术中台和数据资产中台解决.

有赞的数据仓库就是在这样一个大数据环境下，同时需要满足内部分析数据和商家侧数据的各类需求。

数据中台解决方案包含：数据中台建设方法论、相关技术体系和工具、数据体系等几大部分构成，前文介绍了数据建设方法论中的数据仓库建设部分，本文将介绍具体构建数仓的相关技术。