数据仓库已有26年。要知道，26年前的1988年并没有大数据, 移动也正在起步阶段, 没有真正的公共电子邮件或网络, 存储100 MB的数据要耗资10000美元。
“旧的数据仓库模型只有单一的数据模型, 在这种数据仓库里以一种单一的模式存放企业所有的数据, 私人和公共的。这已经被证明是非常不切实际的, 我们需要私人空间, 保存不被公众消费的数据。这个现在应该建立进入模型, 虽然这是可以做到的, 但我们的书本还没有被更新。
我们正面临一种架构的转变,商业智能（BI）不仅仅是产品,还是能力。企业处理数据的方式正在发生变化。放入数据库的数据已经从几个来源转向多个来源。你所知道的必需首先了解数据并建立数据模型的概念, 已经是站不住脚的。
企业必须找到方法来处理所有的涌入企业的外部和事件数据。我们正处于数据的架构转换之中，如NoSQL和Hadoop这样的技术使企业能收集和存储以前所不能的大量的数据。”
问题优先
采用新技术的能力取决于人和企业。有创新者和晚期采用者。创新者将技术看成是利用未来机会的方法; 晚期采用者往往把技术作为一种手段来解决当前的问题。
一些人忍不住要得到下一个新事物, 因为它是新的，而新的总是更好的。许多IT机构就是这样，想推动一种解决方案然后去寻找相匹配的问题。更好的办法应该是问一问这项技术是为谁解决什么样的问题。
设计点应该是信息被动的消费者。自助式商业智能（BI）不喜欢从一个盒子里挑选正确的甜甜圈。
由于实践的发展基于新功能, 更高水平的复杂性基于更早的复杂性, 现在更好的理解过程,导致新数据和分析的需要。
数据策略
形成数据策略时, 企业必须考虑用解决方案连接问题和机会。企业应该关注如何使用数据作为资源进一步推进业务战略的目标。
首先, 这意味着建构功能, 对数据有效地利用, 建设必要的基础设施。规划数据策略意味着理解数据使用的内容以便我们可以构建基础设施。我们需要关注人们用信息做什么作为主要任务,而不是数据和技术。
复杂性将继续增加。技术捕捉观察。这些改变我们的理解。新的理解改变做法。实践驱动技术变更, 需要更多的数据。
从本质上讲要有一个架构把管理数据作为基础设施。有了这个, 我们可以根据业务中的不同用途管理位置数据, 并将数据存储在不同的地方用于不同的用途。
在这种方式下,数据使用必须与它的交付机制分开。
