1.1.1 大数据时代的数据特点和挑战

从 20 世纪 90 年代中后期开始，作为 SAP 生态体系中的数据分析关键应用组件，SAP BW 被国内外大中型企业广泛应用，成为大部分世界一流企业事实上的数据存储和数据建模中心。国外大家耳熟能详的苹果、微软等大部分世界五百强企业，国内大量中字头的央企，以及各行各业的标杆企业，它们内部核心的数据管理引擎和辅助关键决策的基础数据平台，都是SAP BW。

进入21世纪以来，随着人类计算数据、生产数据、使用数据的能力的增强，数据科学进入一个崭新的阶段。无论是互联网企业还是传统企业，不仅需要传统意义上的小数据（企业内部数据），还需要现代意义上的大数据（竞争对手和社交媒体数据）；不仅有结构化数据（格式化好的数据），还有非结构化数据（如邮件、音视频等）；不仅希望存储数据的容量大，还希望数据的价值大。大数据这个概念早已经“飞入寻常企业家”，成为现代化企业数字化转型的关键成功要素。随着企业需求的数据量大幅度增加、机器学习和机器智能概念的兴起，大数据系统也呈现出不一样的特点，面临着不一样的挑战。

（1）数据由传统的以结构化数据为主转为结构化数据和非结构化数据并存，对于不同类型数据的存储与整合能力提出了更高的要求。冷数据、温数据、热数据、数据湖、数据中台等概念应运而生。

（2）对数据抽取、计算、建模、呈现的效率要求大幅度提高，基于实时数据仓库，大数据场景下的高性能计算和展现成为企业的刚需（特别是针对事中监控分析等应用场景）。所以在数据应用上，不仅要求一步快，还要求步步快，更有甚者，在快的基础上追求最佳性价比，这就对整体数据架构（各种系统或平台的组合）、技术、系统（平台）能力、实施能力提出了更高的要求。

（3）在大数据场景下，大量数据资产的管理和治理成为一项必须做好的基础性工作。良好的数据质量、高效和规范的数据追溯及管理能力是一个企业BI项目成功的基本前提，也是企业数据素养和数据使用能力的基本体现。

（4）大数据应用结合更高级的算法，能帮助数据的业务价值达到新的高度。大数据应用不仅要展示数据，还要成体系地梳理指标、辅助战略，及时而精确地改善管理，真正帮助企业实现看得到、看得清、看得远的目标。这就是我们常说的业务数据化和数据业务化。数据分析不再是一个奢侈品，而是一个必需品。大数据系统成为企业管理的基本工具，成为企业科学决策甚至战略发展的核心系统。