对于数据仓库项目而言，更需要的是一套策略，一套组合拳，不仅仅需要技术卓越、业务理解，还需要需求方、业务方在整体架构和流程上的配合。
高质量的计算环境(包括服务器、操作系统、存储和数据库)对于任何使用大量数据的应用程序的成功都是至关重要的。
理论上监督和控制也可以不用数据，比如传统的车间主任、生产队长、监考老师，都是一线现场监督与控制。
所谓“屋漏偏逢连夜雨”，就是这个局面。此时，想要用数据描述问题，容易，树个标杆就能看出差距。想用数据诊断问题，就得突破上边层层险阻，争取业务的支持和老板的理解，才能见效。这是从数据到落地的必经之路。
34座已知数据的重点城市中，近8成上半年财政短收。其中，上海一般公共预算收入同比缩水近千亿；天津、武汉财政减收跌破千亿；长春、哈尔滨、昆明减收幅度均在30%以上。
很长时间以来，大数据已成为各种规模和形式的企业和组织赖以运转的支点。分析工具和大数据管理的集成一直是企业正在采用的数字化转型技术的标志。
鉴于大数据在商业洞察上所提供的价值，不同行业都已投资于大数据技术。因此，各行业都呈现出对关联数据的需求，尤其是将员工或客户等与产品、业务流程和其他互联网驱动的设备 (IoT) 做关联。
自我接触数仓以来，数仓建模就是最为核心的工作，而数仓建模的主要目的是建立公共层，公共层主要起到两个作用，第一个是屏蔽底层的变动对上层应用的影响，第二个作用是通过复用沉淀的公共层来提升应用支撑的效率，但在长期的数仓公共层运营实践中中，我发现公共层的表现不总是沿着我们设想的轨迹演进。
