咨询公司Athena IT Solutions的创始人,具有二十多年数据仓库和决策支持系统经验。他曾于1987年建立自己的第一个数据仓库和数据中心。
毫无疑问,数据集成技术是一项好技术。数据集成软件曾经主要由提取、转换和加载(ETL)工具构成,但是现在已经发生很大变化。
制定评估标准时应尽量避免制定功能冗长的清单,因此这样缺乏针对性。标准应该紧密联系自身的需求,而不是去追求功能最强大的软件。
大数据分析项目令人失望是有一些潜在原因的,你可以找到大量关于大数据分析最佳实践的建议。本文就分析了大数据分析项目中的“最差”实践。
在进行移动化的时候,人们最容易犯的一个错误就是试图直接把现有的BI应用直接“导出”到移动终端中。
Hadoop是一项专门应对大数据的技术,特别是在非机构化数据方面,比如社交网络以及Web应用中,文本信息,应用、网络和安全日志数据等。
越来越多的公司意识到他们一直在累积不断增长的数据量,但是它们未必对商业分析有价值。期间缺失的环节是将数据转换成为全面、一致、正确且及时的信息。
从90年代开始,中心辐射型架构已经被作为数据仓库和BI实现的最佳实践,中心辐射型设计是良好的BI性能的基础。
IT部门和BI团队该如何在不增加公司负担的情况下交付他们的业务用户所渴望的BI和分析功能?这是困扰许多企业的一大难题。
将数据装入内存,从内存访问数据,无需进行频繁的I/O磁盘访问,可以极大地加速分析性能,不需要进行昂贵的数据调整或者创建聚集表等操作。
分析数据库的相应技术有很多,如列数据库、大规模并行处理、shared-nothing架构、分区以及适用于分析负载的查询优化等。