风险：这是每个人在生活中都要避免或至少要设法避免的一件事。无论是哪个行业，生活中的风险都是必须处理的因素。
在1686年的伦敦咖啡馆中，创建了量化风险的业务，它根据数据塑造了大英帝国和其他经济体。该公司评估了和平时期和战争时期与航运企业相关的风险。
这是伦敦Llyod的故事。此后唯一发生变化的是可以收集数据的速度和可以评估的数据点的数量。不变的是减轻，控制或以其他方式管理会限制生产率，性能，优化和效率的风险因素的意愿。
对我来说，创立
数据分析公司的顿悟是当我看到无论是企业还是行业，似乎一切都归结为管理数据的能力。银行，制药，医疗保健-全部归结为将数据放置在适当的位置和形式以提取见解。很明显，如果我可以更有效地管理数据，就可以管理风险，效率或其他任何方式。
让我一直感到兴奋的是，如何通过数据建模，可视化或分析解决可能出现的一些问题。例如，我记得有一天，我的妻子在辛苦的工作中回到家，她对因跌倒她的工作场所而受伤的病人数量感到沮丧。跌倒被记录下来并得到适当记录，但他们找不到减少跌落的方法。她询问是否有办法改善患者护理并管理患者因跌倒受伤的风险。通过查看正确的数据，我发现了。
我公司从事的许多项目虽然彼此不同，但有一个共同点：管理数据和提取见解。
数据仓库和设计最佳实践
在利用数据并自己提取见解时，首先面临的挑战是控制数据。然后，就最佳实践而言，需要注意以下几点：
首先，要使数据可用，数据必须符合一组标准并进行结构化，以便可以进行建模，分析和预测的提取以从数据中获取见解。这些标准包含一个验证过程，以确保数据干净可靠，以提供准确的分析。此外，这些标准由您自己的组织规定，以确保您的数据具有结构性，从而可以提取见解。
以下是您需要了解的一些事项。知道这些问题的答案是集成数据并确定如何使用
商业智能应用程序自动化的过程的第一步：
1.需要使用数据回答哪些业务问题？
2.数据驻留在哪里，提取数据的最佳方法是什么？
3.组织的哪一部分将使用该信息（即将在企业级别或特定业务范围使用）？
4.将使用哪种格式的数据（例如，报告，Web解决方案，移动解决方案等）？
接下来，您将需要您的团队编写脚本，以允许您提取，转换和加载数据。提取后，数据将移至暂存区，在该暂存区中将其清理和结构化以用于最终目的地：数据仓库。
一旦确定了要解决的需求或挑战，并将数据汇总为某种形式（无论是否自动化），就可以创建流程。到那时，您将能够分析数据，提取见解并显示高级分析的可视化效果，以查看不为人知的地方。
最后一步是从内部和外部源设置数据迁移和集成的自动化。此设置基于业务问题或有效运行业务并确定数据所在位置所需的必要数据。
拥有这些最佳实践是数据仓库设计和优化的基本原理。这是如何使所有人都能在企业中共享和使用的真理的单一版本。
放在一起
通过数据仓库，可以进行数据建模，挖掘和预测，并选择首先要解决的问题。数据揭示的见解最初是由于需要实时收集和分析或需要通过移动性收集和报告的数据的复杂性和数量而最初隐藏的。
从那里，可以使用用于可视化的记分卡，仪表板，应用程序和软件来测试和探索模式。模式可以被识别，预测分析现在可以回答：“接下来会发生什么？” 和“我们如何实现它？”
但是数据本身是其中的一面。
我相信硬币的另一面可以归结为根本上是人类的东西：我们渴望将我们的影响力扩展到我们的掌握范围之外，并且这样做超出了我们的感官范围。我们正在学习提出一系列问题，而这些问题不仅可以进行推测，还可以进行预测，而对于可能只是我们想象的结果的处方，我们会感到很自在。
（部分内容来源网络，如有侵权请联系删除）
