在云計算之前，上一個數(shù)據(jù)倉庫和商業(yè)智能項目通常意味著花費數(shù)月獲取硬件和軟件，實現(xiàn)自定制設計的數(shù)據(jù)倉庫，同時符合其他業(yè)務需求。轉移到基于云的數(shù)據(jù)分析服務，允許你用更多的時間分析，用更少的時間管理硬件和軟件。

就像其他的的應用領域，云讓服務交付更快，資本密集減少且更加靈活。硬件和軟件在按需付費的基礎上可用。隨著評估云分析或者分析即服務(AaaS)提供商，考慮如何實現(xiàn)下面的關鍵需求：分析和報告、數(shù)據(jù)上傳和可視化。

基于云的業(yè)務分析控制板和ETL工具

分析和報告結合成為業(yè)務分析的核心。分析和報告覆蓋了大部分范圍，從使用內部系統(tǒng)數(shù)據(jù)生成基礎報告到結合第三方數(shù)據(jù)源進行深入的客戶數(shù)據(jù)視圖的數(shù)據(jù)挖掘技術。

那么，從數(shù)據(jù)分析工具你需要什么呢?在所有企業(yè)需要的是基礎報告時，不需要在案例中用先進的現(xiàn)金的數(shù)據(jù)挖掘深入研究業(yè)務分析。相反，開始使用工具，允許你部署控制面板。

控制臺就是用戶界面，提供相關數(shù)據(jù)的多種類型視圖，允許用戶研究和鉆取有關數(shù)據(jù)。當報告的邊界好處變小，企業(yè)應該關注先進的分析技術。使用這些工具不需要統(tǒng)計學博士，但是你需要對于分析技術的基本理解，比如分類、歸并、回歸和文本挖掘。

此外，抽取轉換加載(ETL)工具和服務可以協(xié)助從源系統(tǒng)到你的業(yè)務分析數(shù)據(jù)庫轉移數(shù)據(jù)的流程自動化。這些工具提供比用于加載數(shù)據(jù)的腳本語言更高一層的功能。比如，ETL工具支持復雜工作流、追蹤元數(shù)據(jù)并生成數(shù)據(jù)質量統(tǒng)計。并不是實現(xiàn)和維護ETL工具，你可以貫穿一些分析提供商使用ETL即服務模型。

確保ETL工具和你需求的數(shù)據(jù)源兼容。幾乎所有的ETL工具都和關系型數(shù)據(jù)、XML源和文本文件相處很好;然而，大型機數(shù)據(jù)和企業(yè)應用，比如CRM和ERP系統(tǒng)對于一些ETL工具更具挑戰(zhàn)。

可視化：深入挖掘數(shù)據(jù)分析

和分析以及報告有密切關系的是數(shù)據(jù)可視化。業(yè)務數(shù)據(jù)可以以很多不同的方式切片和切塊。比如，你可以看到基于銷售的客戶特征、地理或者銷售渠道。一旦你有一套數(shù)據(jù)，就會希望鑒定問題區(qū)域，比如表現(xiàn)不佳的商店或者未開發(fā)的市場。按照這些不同類型的數(shù)字行和列來觀察洞察力太低。

可視化旨在對比數(shù)據(jù)。顏色編碼Maps通過商店標記了銷售，協(xié)助執(zhí)行層快速評估大量銷售數(shù)據(jù)。

在選擇采用哪一種可視化時，考慮可用的不同類型，隨后只部署你需要的那一種。在提到可視化時，質量比數(shù)量重要。也有助于獲得終端用戶的反饋。他們比任何人都了解可視化是否有用。。

使用分析即服務可以協(xié)助企業(yè)獲取客戶和運營的洞察力，同時減少管理支出，盡管不能消除。企業(yè)IT能夠對數(shù)據(jù)管理負責，因此要看看服務是否有很好的元數(shù)據(jù)支持。業(yè)務分析元數(shù)據(jù)應該包括數(shù)據(jù)集加載、源系統(tǒng)命名、數(shù)據(jù)元素定義以及質量控制衡量的相關信息。當你想要集成不同源的數(shù)據(jù)集時，這種類型的數(shù)據(jù)尤為重要。

數(shù)據(jù)屬性命名容易被誤解，因此保持所有屬性的相關定義。這將允許你因為多種原因操作數(shù)據(jù)集，同時減少基于不如實敘述的數(shù)據(jù)做出決策的風險。