在云計算之前，上一個數據倉庫和商業智能項目通常意味著花費數月獲取硬件和軟件，實現自定制設計的數據倉庫，同時符合其他業務需求。轉移到基于云的數據分析服務，允許你用更多的時間分析，用更少的時間管理硬件和軟件。

就像其他的的應用領域，云讓服務交付更快，資本密集減少且更加靈活。硬件和軟件在按需付費的基礎上可用。隨著評估云分析或者分析即服務(AaaS)提供商，考慮如何實現下面的關鍵需求：分析和報告、數據上傳和可視化。

基于云的業務分析控制板和ETL工具

分析和報告結合成為業務分析的核心。分析和報告覆蓋了大部分范圍，從使用內部系統數據生成基礎報告到結合第三方數據源進行深入的客戶數據視圖的數據挖掘技術。

那么，從數據分析工具你需要什么呢?在所有企業需要的是基礎報告時，不需要在案例中用先進的現金的數據挖掘深入研究業務分析。相反，開始使用工具，允許你部署控制面板。

控制臺就是用戶界面，提供相關數據的多種類型視圖，允許用戶研究和鉆取有關數據。當報告的邊界好處變小，企業應該關注先進的分析技術。使用這些工具不需要統計學博士，但是你需要對于分析技術的基本理解，比如分類、歸并、回歸和文本挖掘。

此外，抽取轉換加載(ETL)工具和服務可以協助從源系統到你的業務分析數據庫轉移數據的流程自動化。這些工具提供比用于加載數據的腳本語言更高一層的功能。比如，ETL工具支持復雜工作流、追蹤元數據并生成數據質量統計。并不是實現和維護ETL工具，你可以貫穿一些分析提供商使用ETL即服務模型。

確保ETL工具和你需求的數據源兼容。幾乎所有的ETL工具都和關系型數據、XML源和文本文件相處很好;然而，大型機數據和企業應用，比如CRM和ERP系統對于一些ETL工具更具挑戰。

可視化：深入挖掘數據分析

和分析以及報告有密切關系的是數據可視化。業務數據可以以很多不同的方式切片和切塊。比如，你可以看到基于銷售的客戶特征、地理或者銷售渠道。一旦你有一套數據，就會希望鑒定問題區域，比如表現不佳的商店或者未開發的市場。按照這些不同類型的數字行和列來觀察洞察力太低。

可視化旨在對比數據。顏色編碼Maps通過商店標記了銷售，協助執行層快速評估大量銷售數據。

在選擇采用哪一種可視化時，考慮可用的不同類型，隨后只部署你需要的那一種。在提到可視化時，質量比數量重要。也有助于獲得終端用戶的反饋。他們比任何人都了解可視化是否有用。。

使用分析即服務可以協助企業獲取客戶和運營的洞察力，同時減少管理支出，盡管不能消除。企業IT能夠對數據管理負責，因此要看看服務是否有很好的元數據支持。業務分析元數據應該包括數據集加載、源系統命名、數據元素定義以及質量控制衡量的相關信息。當你想要集成不同源的數據集時，這種類型的數據尤為重要。

數據屬性命名容易被誤解，因此保持所有屬性的相關定義。這將允許你因為多種原因操作數據集，同時減少基于不如實敘述的數據做出決策的風險。