資料模型與資料分析

我在Itpub上看見一篇關於“資料模型與資料分析”的帖子，沒怎麼看懂，所以先copy過來留作日誌。

“現在就說到資料模型來進行資料分析了。就拿大家常見的客戶行為分析，從我舉的例子中可以看出，客戶行為分析其實可以貫穿全部資料模型，因為任何一個專題，都可能影響客戶的行為，包括商品生命週期。 那反過來說，我們能不能設計模型的時候，從客戶行為來設計呢？
我想如果以資料分析，甚至BI應用層面作為資料模型構建的基礎，那是十分荒謬的。這也是為啥要將資料模型、資料分析、BI應用作為三個階段獨立又結合上下層關係考慮。眾所周知，客戶行為的分析，必須從哪些地方可能影響客戶行為入手，例如電商，就包括商品（商品品類和價格為主）是否符合預期、網站是否能幫助他快速找到合適的商品（包括商品描述是否能讓客戶足夠知曉）、下單和付費是否滿足客戶的習慣、出貨和快遞是否及時、商品到貨後是否達到他預期、客服服務是否及時滿意、是否根據客戶的需求有相關活動等對客戶有利的提醒、提示，等等。
那如果你要根據這些東西來建模，勢必雜亂無章。當你有新的因素導致客戶行為變化的時候， 是否又有進行模型改變？ 所以根據資料分析來進行資料建模，是十分荒謬的。那麼基於資料模型，如何進行資料分析呢？我想至少有2個出發點進行分析，一是客戶的需求方向進行分析，二是從資料異常入手進行分析。如果客戶只提出要幾張報表，那麼可能是客戶定位這個系統就是報表系統，而非BI系統，或者客戶想建BI系統，但不知道BI是何物，以為BI就是更方便地出他們原有的報表而已。就拿客戶分析來說，針對不同行業不同企業的特點，有著不同的分析目的，這需要多和客戶交流確認分析目的。二是客戶資料異常分析，包括客戶生命週期變化、訪問週期異常、商品喜好購買異常。
“第一個模型，就是拿來扔掉的”這句話是是相對的，如果一個模型僅僅使用了幾個月就重建，顯然成本和代價太大。如果用了2、3年甚至更久再重構，那這個模型才能產生應有的價值，下一步重構也才能更有針對性。另外有一點，資料建模還是建立在分析點和可能的預測應用的話，還是有侷限性的。正規的資料建模步驟，應該同時從資料架構，和業務模型兩個方面分別設計和思考。業務模型是對業務進行全面的業務流程和關係進行梳理，然後抽象成為概念模型，然後才是落地到資料模型中去。所以資料模型應該遠高於需求、潛在的預測需求的視角，需要很資深的業務和技術人員一起來制定。但是當前這樣做的很少。”