数据模型与数据分析

我在Itpub上看见一篇关于“数据模型与数据分析”的帖子，没怎么看懂，所以先copy过来留作日志。

“现在就说到数据模型来进行数据分析了。就拿大家常见的客户行为分析，从我举的例子中可以看出，客户行为分析其实可以贯穿全部数据模型，因为任何一个专题，都可能影响客户的行为，包括商品生命周期。 那反过来说，我们能不能设计模型的时候，从客户行为来设计呢？
我想如果以数据分析，甚至BI应用层面作为数据模型构建的基础，那是十分荒谬的。这也是为啥要将数据模型、数据分析、BI应用作为三个阶段独立又结合上下层关系考虑。众所周知，客户行为的分析，必须从哪些地方可能影响客户行为入手，例如电商，就包括商品（商品品类和价格为主）是否符合预期、网站是否能帮助他快速找到合适的商品（包括商品描述是否能让客户足够知晓）、下单和付费是否满足客户的习惯、出货和快递是否及时、商品到货后是否达到他预期、客服服务是否及时满意、是否根据客户的需求有相关活动等对客户有利的提醒、提示，等等。
那如果你要根据这些东西来建模，势必杂乱无章。当你有新的因素导致客户行为变化的时候， 是否又有进行模型改变？ 所以根据数据分析来进行数据建模，是十分荒谬的。那么基于数据模型，如何进行数据分析呢？我想至少有2个出发点进行分析，一是客户的需求方向进行分析，二是从数据异常入手进行分析。如果客户只提出要几张报表，那么可能是客户定位这个系统就是报表系统，而非BI系统，或者客户想建BI系统，但不知道BI是何物，以为BI就是更方便地出他们原有的报表而已。就拿客户分析来说，针对不同行业不同企业的特点，有着不同的分析目的，这需要多和客户交流确认分析目的。二是客户数据异常分析，包括客户生命周期变化、访问周期异常、商品喜好购买异常。
“第一个模型，就是拿来扔掉的”这句话是是相对的，如果一个模型仅仅使用了几个月就重建，显然成本和代价太大。如果用了2、3年甚至更久再重构，那这个模型才能产生应有的价值，下一步重构也才能更有针对性。另外有一点，数据建模还是建立在分析点和可能的预测应用的话，还是有局限性的。正规的数据建模步骤，应该同时从数据架构，和业务模型两个方面分别设计和思考。业务模型是对业务进行全面的业务流程和关系进行梳理，然后抽象成为概念模型，然后才是落地到数据模型中去。所以数据模型应该远高于需求、潜在的预测需求的视角，需要很资深的业务和技术人员一起来制定。但是当前这样做的很少。”

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/28573466/viewspace-772456/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/28573466/viewspace-772456/