前言：變革時代的數據倉庫
數據爆增、最終用戶需求升級、請求者與來源分散、預構建設備/模型普及、非結構化數據處理挑戰——這五大趨勢正在重塑數據倉庫版圖。美國銀行數據倉庫負責人 Randolph 指出：「必須迎頭直擊挑戰，透過提升效能與新功能彌補暫時性系統中斷。」The Kimball Group 顧問 Warren Thornthwaite 則強調：「變化與挑戰是超越的契機，無論數據量增長、深度分析或非結構化數據，都應轉化為機會。」
趨勢一：數據高速增長，存儲與治理雙重壓力
雙重增長動力
- 累積增長：資料倉庫資訊日積月累。2008 年研究顯示企業數據需求年增 60%。
- 監管驅動：更多業務流程受監管記錄，DBA 需組織分析的數據激增。
專家建議
- Greg Lotko (IBM)：選擇模組化設計產品，從小規模起步，隨業務擴展彈性添加硬體/軟體模組。
- George Goodall (Info-Tech)：倉庫不可無限擴展，須防無用數據拖垮系統，關注存檔數據年齡與品質。資訊生命週期管理 (ILM) 工具可簡化分級組織。
- Randolph (美國銀行)：嚴格執行數據保留政策。定義保留期限，特殊情況須說明理由。法規要求永久保存時，釐清具體資訊與時長。數據建模是管控資訊流最佳方式——只引入有價值數據，而非「先塞進倉庫再說」。
趨勢二：最終用戶愈發挑剔，準確與即時成標配
Goodall 指出：「生命週期中，人們要求永遠高於現狀。」這帶來新負擔：
- Randolph：精心設計的分析工具集成基礎工具，提供更快回應、更靈活前端。可提供標準化分析模型讓用戶快速達標。
- John Hagerty (AMR Research)：尋找/建立/調優分析工具成 DBA 新挑戰。IT 需與業務專家合作繪製未來藍圖。花時間培訓用戶高效使用工具，可解決速度、麻煩、低效問題。
趨勢三：預構建應用與行業模型，從「月」縮至「天/時」
Goodall 分析：開箱即用極具吸引力，隱藏基礎設施複雜度，簡化擴展。但通用模型僅覆蓋大多數場景，針對尋求差異化的企業可能稀釋獨特性。反之，預構建技術能快速起步，後續再配置調整貼合客製需求。用戶可追蹤選項、態度、觀點等傳統欄位難以表達的概念。
IBM Bill Wong 提出：Cubing Services 可在關聯倉庫模式上建立/編輯/部署多維模型，優化 OLAP 查詢效能，節省空間、伺服器管理與電力。
趨勢四：非結構化數據，解鎖隱藏洞見
來源：線上調查、網絡論壇、電子郵件、CRM 自由文本欄位、呼叫中心記錄、聊天記錄。
- Lotko (IBM)：非結構化數據結合結構化數據，能得出先前無法獲得的新洞見，如識別客戶不滿趨勢與重複性嚴重問題。
- Hagerty (AMR)：新興 BI 產品助用戶從郵件、通話、聊天、態度觀點中獲取洞見。預測非結構化數據將像傳統 BI 一樣無處不在。
- 思維轉型：DBA 需跳脫「行列」思維，以全新方式看待文本/媒體數據，實現智力飛越。
結語：敏捷回應，才能長久生存
Wong 強調：識別趨勢不夠，必須及時回應——添加新方案或調整既有實踐。「無回應能力或彈性的數據倉庫終將被淘汰。」Randolph 認同：掌控全局、具備知識、評估新技術，不懼變化，只為始終保持行業領先水平。
