23、DW 2.0：成本效益与数据质量的革新

DW 2.0：成本效益与数据质量的革新

1. 传统环境下数据分析的挑战与成本

在传统的数据环境中，企业进行新的数据分析面临诸多挑战。以公司 A 为例，其进行数据分析需经历以下步骤：
1. 查找数据 ：要查找数据，必须对旧的遗留数据进行文档记录。然而，许多旧的遗留系统根本没有文档，即便有文档，也往往未及时更新。而且，这些系统缺乏命名标准，计算方式各异，编码标准繁多，导致查找和理解数据绝非易事。
2. 收集数据 ：假设能找到并解读旧的遗留代码，接下来就是从遗留环境中收集数据。这需要早已失传的技能，找到具备这些技能的人员后，才能从遗留环境中提取数据。
3. 整合数据 ：如果数据仅来自一个系统，整合不成问题；但如果来自多个系统，就会出现诸多问题，如关键结构不同、日期格式不同、部分数据缺失需应用默认值、属性名称不同、数据定义不同等。由于文档不足且系统采用古老的技术编写，要做好数据整合工作困难重重。
4. 数据分段 ：数据查找、收集和整合完成后，需要将多个数据源的数据收集到一个物理位置。
5. 创建报告 ：只有完成以上所有步骤，才能开始编写报告。

创建新分析的成本完全取决于遗留环境和所需的分析类型。一些遗留环境混乱不堪，而另一些则相对规整；有些报告和分析简单，而有些则非常复杂。构建一个新分析的成本可能在 10 万美元到 1000 万美元之间，耗时 3 个月到 3 年不等。成本差异巨大的因素包括：
- 遗留程序的数量
- 遗留系统的复杂性
- 遗留