21 世纪对信息的需求仍在持续增长，并且没有消退的迹象。如今，决策制订者们需要利用海量信息来带领更多企业部署分析解决方案。这些解决方案不仅帮助企业应对重大业务问题，还协助它们根据数据实时数据做出预测并采取行动。
业务分析的价值在于从各种异类数据源中提取具体的不断变化的数据，从而确保做出更加明智的决策。潜在的数据源已经远远延伸到典型的企业资源规划（ERP）事务系统、数据库和数据仓库的 IT 产品组合之外，还包括来自各种外部源的信息，比如客户调查、市场研究和购买者行为趋势。分析应用程序可以实时（或接近实时）转换这些信息，以得到最新的见解。
举例来说，业务分析可以帮助组织监控血液供应、碳足迹报告，或者增加跨供应链的可见性。零售商可以根据客户对 Coke 或 Pepsi 的偏好来确定最佳节流产品。警察服务可以使用分析工具将犯罪信息发放给巡警，以便于他们能够快速识别问题并关联犯罪的趋势和位置。
数据管理专业人员如何确保他们的性能管理和分析计划能取得成功呢？下面提供的 6 个最佳实践将帮助您应付用户需求不断增加和数据来源日益复杂化的双重挑战。
1. 广撒网
仅根据局部信息来做出决策和开发流程有时会对业务性能造成负面影响。因此，首先需要确保您的分析实现能直接访问所有相关数据，无论它们位于什么位置。分析系统还应该充当所有历史和事务数据的权威源，以便您可以适当收集关于趋势的见解，并做出对未来性能造成影响的决策。一次性指示板、自定义程序或单独电子表格都不会连接到通常不可用、不可持续或不可伸缩的受信任的数据池。各解决方案都添加了自己的查询和报表复杂性，并引入了相关的协调和可用性挑战。
分析解决方案需要通过丰富的信息来生成有意义的见解。由于大量数据遍布于众多系统中，因此您需要广泛的覆盖面来确保可以连接到所有事务系统、仓库（关系和在线分析处理 [OLAP]）、平面文件、旧有系统以及 XML、Java Database Connectivity (JDBC)、Lightweight Directory Access Protocol (LDAP) 和 Web Services Description Language (WSDL) 源。
2 下一页</div> </div> </div> </div> </div>