接上文：如何规划一个高效的BI数据仓库项目

　　新的数据仓库技术

　　数据仓库技术正在多个方面得到发展，如可能降低成本和加快实现速度。而走在发展前列的是数据仓库设备和云计算。

　　设备将必要的硬件、软件、操作系统和存储资源整合到一个预制的包中。分析师表示这种水平的整合可以减少相当大的项目开支。根据所使用的设备，公司也可以通过开源软件和数据库节省成本，这些开源产品可以替代高价的名牌产品。但是，这里有一个折衷的问题：因为设备供应商一般只在其中1或2个技术领域中较为擅长，因此并非所有设备组件都将是同行中最好的。

　　尽管如此，根据Gartner最近的报告显示，数据仓库设备在去年出现了增长高峰。随着市场的升温，Gartner分析师建议潜在的买家采用客户参考和经过概念验证的项目来指导他们的购买决定。

　　有些行业观察者预测在一个设备中实现的数据仓库趋势将会更多地受到基于云的按需计算服务和Software as a Service (SaaS)解决方案的影响。但是，目前有些制造商还没有做好这种转变的准备。“虽然我们了解这方面的信息，但是‘我们也不想成为试验品’” Balasubramanian说道。

　　建立需求驱动的预测

　　通过部署一个正常运行的数据仓库，制造商就拥有了一个进入特别重要分析领域的机会：按需预测。需求信号仓库(DSR)是一个大型消费产品公司长期使用的工具，它依靠一个中央数据库收集日常销售数据和相关信息，以便帮助管理员分析最新客户的购买模式，这通常发生在详细的SKU级别。用户反馈DSR具有很多优点，包括减小库存损耗，提高销售预测和减少库存量。新的基于SaaS的DSR推动了最大型公司的DSR应用。

　　但是Balasubramanian提出了最后一个警告。需求数据并不总是能够适合作为传统数据仓库基顾的关系数据库的记录和字段。他警告说，“有很多市场需求有很多未结构化的数据，而且很难将它[与传统的数据库]无缝隙地整合到一起”。