数字革命不仅使数据变得更加丰富，而且还使数据变得更加丰富。它使访问变得更加容易，以前经理们需要聘用专门的分析师（或IT员工）来了解薪水，以便清楚地了解他们的公司在业绩方面的表现，这是因为信息难以提取，或者需要专有技能来理解和呈现，以使“数据外行”能够掌握，因此需要数据分析师来帮助公司理解其数据。

假设您是一家大中型企业的高管，正在从一两个数据库，一些云应用程序和几十个本地文件收集数据，有您会注意到，要么您没有看到根据该数据生成的任何有意义的报告，而且如果正在生成这些报告，则每个蓝月亮似乎仅发生一次，尽管事实上，您有一支敬业的开发人员团队花费了无数的精力，每个月仅花几个小时就完成这项任务。

商业智能和分析被广泛应用于各个行业，以提高运营效率和业务流程。但是，在分析任何类型的数据时，了解您要查找的内容很重要，业务需求在客户服务中心环境中，票务时间是衡量客户服务团队效率的主要因素，较长的票务时间导致客户不满意，这可能会损害客户保留率和新销售量，但是延长票务时间的因素往往并不像看起来那样简单，员工人数可能无法平衡以满足客户需求，这意味着工作中的客户服务代表（CSR）可能太少或太多，此外，CSR的绩效目标可能与票证优先级不一致，因为CSR可能仅根据其解决的票证数量而不是每张票证的重要性来衡量，通过应用统计分析和数据可视化（我们自然使用我们自己的仪表板报告软件，我们可以创建人员预测，以

跟踪收入对于了解您的业务状况至关重要，无论您的长期增长是下降，稳定还是上升，都可以帮助您定义长期战略和目标，许多销售周期都偏向周末，月初或季度末交易，因此如果您的销售数字趋向于目标，则可能很难每天知道，我们会跟踪几个KPI在一个月中的进展情况，我们将查看历史上全年的每月经常性收入，并按截至当前日期的进度对每个月进行细分。

商业智能格局在不断发展，尽管基本概念一直且始终不变–即使用技术将数据转化为企业可以采取行动的见解–如今的数据分析工具与公司使用的工具截然不同十年前，让我们回顾一下其中的一些变化，并对未来几年内的商业智能和数据分析的前景进行猜测。

你有一个目标，您想从收集的所有这些数据中获得可行的见解。因此，如何确保对数据进行建模，以便您实际上可以获取这些见解并回答您遇到的业务问题？你计划 当跳过或完全跳过规划阶段时，结果将是可怕的，性能和分析受到影响，随之而来的是数据完整性和数据库安全性问题，并使维护和开发的开销增加到不必要的水平。