風險：這是每個人在生活中都要避免或至少要設法避免的一件事。無論是哪個行業，生活中的風險都是必須處理的因素。
在1686年的倫敦咖啡館中，創建了量化風險的業務，它根據數據塑造了大英帝國和其他經濟體。該公司評估了和平時期和戰爭時期與航運企業相關的風險。
這是倫敦Llyod的故事。此后唯一發生變化的是可以收集數據的速度和可以評估的數據點的數量。不變的是減輕，控制或以其他方式管理會限制生產率，性能，優化和效率的風險因素的意愿。
對我來說，創立
數據分析公司的頓悟是當我看到無論是企業還是行業，似乎一切都歸結為管理數據的能力。銀行，制藥，醫療保健-全部歸結為將數據放置在適當的位置和形式以提取見解。很明顯，如果我可以更有效地管理數據，就可以管理風險，效率或其他任何方式。
讓我一直感到興奮的是，如何通過數據建模，可視化或分析解決可能出現的一些問題。例如，我記得有一天，我的妻子在辛苦的工作中回到家，她對因跌倒她的工作場所而受傷的病人數量感到沮喪。跌倒被記錄下來并得到適當記錄，但他們找不到減少跌落的方法。她詢問是否有辦法改善患者護理并管理患者因跌倒受傷的風險。通過查看正確的數據，我發現了。
我公司從事的許多項目雖然彼此不同，但有一個共同點：管理數據和提取見解。
數據倉庫和設計最佳實踐
在利用數據并自己提取見解時，首先面臨的挑戰是控制數據。然后，就最佳實踐而言，需要注意以下幾點：
首先，要使數據可用，數據必須符合一組標準并進行結構化，以便可以進行建模，分析和預測的提取以從數據中獲取見解。這些標準包含一個驗證過程，以確保數據干凈可靠，以提供準確的分析。此外，這些標準由您自己的組織規定，以確保您的數據具有結構性，從而可以提取見解。
以下是您需要了解的一些事項。知道這些問題的答案是集成數據并確定如何使用
商業智能應用程序自動化的過程的第一步：
1.需要使用數據回答哪些業務問題？
2.數據駐留在哪里，提取數據的最佳方法是什么？
3.組織的哪一部分將使用該信息（即將在企業級別或特定業務范圍使用）？
4.將使用哪種格式的數據（例如，報告，Web解決方案，移動解決方案等）？
接下來，您將需要您的團隊編寫腳本，以允許您提取，轉換和加載數據。提取后，數據將移至暫存區，在該暫存區中將其清理和結構化以用于最終目的地：數據倉庫。
一旦確定了要解決的需求或挑戰，并將數據匯總為某種形式（無論是否自動化），就可以創建流程。到那時，您將能夠分析數據，提取見解并顯示高級分析的可視化效果，以查看不為人知的地方。
最后一步是從內部和外部源設置數據遷移和集成的自動化。此設置基于業務問題或有效運行業務并確定數據所在位置所需的必要數據。
擁有這些最佳實踐是數據倉庫設計和優化的基本原理。這是如何使所有人都能在企業中共享和使用的真理的單一版本。
放在一起
通過數據倉庫，可以進行數據建模，挖掘和預測，并選擇首先要解決的問題。數據揭示的見解最初是由于需要實時收集和分析或需要通過移動性收集和報告的數據的復雜性和數量而最初隱藏的。
從那里，可以使用用于可視化的記分卡，儀表板，應用程序和軟件來測試和探索模式。模式可以被識別，預測分析現在可以回答：“接下來會發生什么？” 和“我們如何實現它？”
但是數據本身是其中的一面。
我相信硬幣的另一面可以歸結為根本上是人類的東西：我們渴望將我們的影響力擴展到我們的掌握范圍之外，并且這樣做超出了我們的感官范圍。我們正在學習提出一系列問題，而這些問題不僅可以進行推測，還可以進行預測，而對于可能只是我們想象的結果的處方，我們會感到很自在。
（部分內容來源網絡，如有侵權請聯系刪除）
