元数据性能不佳的四大原因

现今，元数据具有前所未有的重要地位。借助新技术，并非传统分析师的业务人员也可以处理数据。IT 消费化意味着人们希望系统变得直观明了，并且无需培训便可进行操作。由于越来越多的人使用数据来支持各类决策，因此数据的描述性、定义性和易懂性至关重要。

但很多系统仍然要求使用缓慢、死板的元数据访问方法。这种访问方法不仅降低了商业智能解决方案的灵活性，而且最终将使您无法获取部署自助式分析方法所应得的好处。 改变对元数据的看法，可帮助企业更快速、更轻松地理解自己的数据。

阅读本文了解元数据性能不佳的四大常见原因：

1. 预定义元数据花费过多时间，并导致部署速度变慢。

在传统的商业智能系统中，组织要采取的第一步是为整个企业制作模型。这一过程不但繁琐复杂而且非常耗时，往往需要数周或者数月时间才能完成企业部署。启动成本非常高昂，而且无法即时获得分析带来的好处。

相比之下，更好的方法是寻求能够即时支持分析的解决方案。这样不仅可以更快速地交付实用的分析结果，还能够帮助您根据所了解的最新数据使用情况迭代制作元数据模型。一般而言，此方法不但更为机敏，还有助于制作更强大、更符合实际情况的元数据模型。

一开始不妨使用任何现有可用系统中的元数据。举例而言，如果数据库已根据您分析解决方案中的日期定义了所有日期字段，为什么还要浪费时间来进行同一定义呢？

2. 元数据的灵活性不如预期。

更改传统元数据模型的难度和成本都非常高。因此，这些模型往往长期保持不变。这意味着它们逐渐无法准确地代表业务数据。IT 人员可能具有及时更新元数据的职责，但他们可能缺少响应变化所需的信息。

在潮流变幻莫测、机遇转瞬即逝的现今世界，这对于企业而言是非常严重的竞争劣势。

元数据模型需要经常重新进行定义和计算。用数据进行问答的业务用户往往是新元数据的最佳来源。他们可能会创建类别→产品分层结构，或者将多个区域归合为一个地区。借助灵活的分析解决方案，IT 人员可以对新的元数据对象进行评估并将其发布到生产层，以使所有用户均可访问该数据。

如果您的元数据不够灵活，您可能无法及时了解有关您企业业务的最新动态。

希望阅读更多内容？ 下载白皮书！