我来解释一下啊。由于技术的先天局限，传统数据分析理念其实是在不断引导企业抛弃细节数据。企业数据少的时候，直接把诸如订单数据搬家过来，整理整理就完事了，简单。等数据多了，系统处理不了了，速度越来越慢，就要开始归集汇总数据了。数据每归集一次，规模就缩小一个单位。只要不断归集，一定可以最终归集到传统数据分析产品能够处理的数据规模。那么根据什么汇总、汇总到什么程度呢？注意啊！这里专家就开始引导企业定义分析目标了。

　　可是，数据每汇总一次都是分析潜力的丧失。就好比一个剑客，将出剑还未出剑的时候，他才是最强大的。一旦出剑，破绽跟着就来了。汇总数据就像是剑客出剑，出剑越多破绽越多。传统数据分析理念最失败之处，就在于没有搞清楚剑客强大的根源。剑客之所以强大，根本在于锻炼自身，而不是出剑的好坏，那是末流。当前企业处在什么样的环境？市场需求在不断升级，竞争环境在不断升级，竞争对手的管理精细度在不断升级。当新的分析目标不断产生时，就会不断地发现找不到数据了。因为数据已经被汇总了，原始数据不见了。这个时候除了费时费力费钱再次求助专家外，还能怎么办呢？

　　就这样企业最终得到的，只能是越来越多不同程度汇总过的数据了。而有价值的细节数据却在不断汇总的过程当中，越来越多地被过滤掉了。这很可惜不是吗？这里被过滤掉的，可不只是数据，还有价值和商机。而Data Lake的理念则恰恰相反。它鼓励企业存储最小颗粒度的细节数据，无需预先定义分析目标和汇总数据，这正是对我们曾经深信不疑的传统数据分析理念的最大颠覆之处！企业关注的视角，是时候从定义分析目标，转移回到数据的价值本身了。如果数据只要可能有用就可以被存储下来，任何分析目标都有对应的原始数据作为支撑，那么自然也就不再需要专家不断提供服务了。

　　最后，我要说明的第三点是：工程师才是企业连接数据与价值的最大障碍。

　　虽然企业的分析目标有一部分确实是可以预先定义的，但更多的是临时产生的分析需求。而往往后者的满足程度才是企业的生命线，才是企业核心竞争力的保障。比如希望了解公司的收入水平，这个分析目标就是可以预先定义的。而如果当月企业的市场业绩不佳，恰逢竞争对手落井下石挖我们的墙角。于是我们决定采取对策，提高Top Sales们的销售提成比例避免人才流失。那么就产生了一个新的分析目标：分区域的销售排名情况。类似这样的不能被预先定义的分析目标如果不能被及时满足，可以想象后果有多严重。

　　企业不可能预先定义所有的分析目标，这就意味着业务需要不断地与工程师沟通新的数据分析需求。天天PK报表需求的合理性、数据获取的难度、开发的工作量、交付的时间等等，苦不堪言。所有需要工程师参与的数据分析工作都是反人类的。想一想，从商业诞生之初到上个世纪前期是没有计算机的，自然也就没有工程师这个物种。可是那个时候，以营利为目的的组织和围绕经营的数据分析工作就已经存在了。组织里的每一个人都是业务人员，只是职责大小不同罢了。他们自己整理数据、自己分析、自己调整工作内容和方向，没有人可以打扰他们。我认为这是极富创造性和成就感的。虽然工程师这个物种出现以后，利用工具和技术极大地推动了商业的发展和进步（这一点客观上还是必须要承认的）。但是，不能成为限制业务快速运转的理由。本来没有你这个环节，你生生夹在中间，天天和业务PK，这是一种彻头彻尾的倒退。

　　所以一定要干掉工程师，将分析的权利和能力彻底交还给业务。工程师只需要搬运可能有用的数据就够了。瑞雪分析云实现了这一点。它是一款面向未来的产品，是数据湖泊理念在当前中国最好的一个轻量化商业实现。它轻松存储细节数据，并提供大数据级别的处理能力。它接入数据时不要求预先定义分析目标；任何分析目标都可以随时产生即时解答，无需依赖工程师搜集整理数据。

　　今天的时间有限，就先讨论到这里。我做一下总结。