众所周知，要实现企业的数据分析，BI和数据仓库是一对谁也离不开谁的存在，两者相辅相成。但是很多人在疑惑，我数据仓库都没建好，怎么做BI？真的要先建好数仓才可以做BI吗？
小编今天唠唠数据仓库和BI的逻辑，也许你就豁然开朗了。
任何BI项目，均需从各级管理者的决策性思维出发，分主题的建立数据模型，从而形成数据仓库，不论其存在的形式如何，分析思想必然贯穿整个项目，并覆盖各层级的发展战略与业务表单，随时纳入的外部数据，保障决策的科学性与前瞻性，满足决策的全过程。
数据仓库的逻辑
数据仓库(Data Warehouse，简称DW)是一个面向主题的集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。
数据仓库是一个概念。
数据仓库系统区别于数据库
通常意义的数据库，指各个业务系统所存储的数据集，其作用是基于业务系统流程所产生的数据，利于各流程所产生的数据之存储。
数据仓库则为满足决策分析而建立，其面向主题的设计，将会因数据的特性不同而有所增减，如数据间的相容性与互斥性，数据仓库的数据容量将是业务数据库的五倍以上。
一般说来，数据仓库为减少对业务数据库的干扰，原则上要单独建立。他借助于数据库实现。如关系型数据库，多维数据库、内存数据库等。这些都可以作为数据仓库来使用，
数据仓库的建立，有以下几个主要方面工作：
①业务数据进行整合，②主数据管理，③元数据管理，④数据质量管理，⑤数据清洗、转换，⑥数据装载，⑦分主题建模等，最终支持各级管理者的数据分析、业务预测、决策。
商业智能(BI)的逻辑
商业智能(Business Intelligence)是对商业信息的搜集、管理和分析的过程，商业智能一般由数据库技术、数据仓库(或数据场)、在线分析处理(OLAP)等部分组成，其实现涉及可视化、交互等动态分析型软件。
各级管理者以数据仓库为本，经各种查询分析工具(Query/Report Tools)、联机分析处理(OLAP)工具或是数据挖掘(DataMining)工具加上决策者的行业知识(Industry Knowledge)，从数据仓库中获得有用的信息，进而帮助企业获利，提高生产力与竞争力。
BI项目带有非常强烈的咨询服务特性。是发现问题、找出规律、预测将来，发掘新知识新模式，达到真正的智能效果。
商业智能不是简单的报表和漂亮的图形，其主要考量的是模型交付能力及工具软件的开放性。
面对庞大的数据，提高信息的利用率，快速准确地找出需要的信息，做出正确的决策，是商业智能发展的驱动力。硬件上的大容量存储技术、并行处理器技术，软件挖掘工具、数据仓库环境的管理工具、Internet、大数据预处理等技术的成熟，以及国产化的扩展能力，使得商业智能再次成为各级管理组织研究和应用的热点。
从以上的阐述不难看出，任何BI项目，均需从各级管理者的决策性思维出发，分主题的建立数据模型，从而形成数据仓库，不论其存在的形式如何，分析思想必然贯穿整个项目，并覆盖各层级的发展战略与业务表单，随时纳入的外部数据，保障决策的科学性与前瞻性，满足决策的全过程。
建议不要把数据仓库单独作为一个项目，因为业务分析需求不确定的情况下建数据仓库，会有很大风险。并且企业永远有数据不能及时的维护进数据仓库，有许多临时需要分析的数据却未放进数据仓库的外部数据，同样对分析决策起到重要的作用。观数台可以完美支撑用户构建完美的决策分析体系架构。
关于亦策观数台
亦策观数台，集合了亦策软件在商业智能(BI)领域多年的经验，精心为中国企业量身定制的本土化、轻量级、敏捷型的商业智能(BI)平台。
亦策观数台是可以允许每位用户都能深入全面地洞悉数据的下一代可视化分析平台；它将自助式BI的灵活性提升至一个新的层次，包括自助服务可视化、指导式分析应用和仪表盘、嵌入式分析和报告等。
