缺少高质量的数据

　　许多BI工作有多种用途。你通常要为当前的环境提供一个一目了然洞察能力，可能需要根据历史表现，排列当前运营。你也想建立预测模型，它可以帮助你更好地根据实际历史表现衡量未来工作的成果。每个目标都需要历史数据和当前数据。当前数据很容易收集——只要它在某个地方能被捕获。如果没有，你需要确定一个数据位置或者创建一个字段，并制定信息捕获的流程，然后你必须走出去并捕获到它。这很容易做到。

　　然而，历史数据的缺乏对你的BI战略来说是一个严重的问题。

　　的确只有两个办法可以解决缺少历史数据。对于大多数的统计模型，在得出任何一种合理的推论之前，都至少需要有三个一致的有充足质量的数据点——例如，具有三年价值的信息的。如果必要的信息存在，但尚未成为你可操作数据库的一部分，做一个审核——追溯过去并将信息送入适当的位置。

　　我们现在在威斯敏斯特有一个BI工具可以根据我们选择的任何因素。帮助我们预测学生的成功——保留。我们愿意考虑参与活动，只要我们发现有可能在某些活动和学生的成功之间可能存在一个正相关关系。我们有一些学生活动的纸质记录，但这些活动还没有成为学生电子记录的一部分。为了作为一个标准来使用，我们要追溯具有三年价值的纸质档案，并将信息输入数据库，然后为BI策略工具创建数据点。

　　伺机而动的BI策略

　　另外，如果不能创造历史数据，我们可以简单地等待，直到我们有足够开始绘制基于信息结论的数据点。这是一个低技术要求的解决方案，将极大地依赖于必须的时间框架来收集一靠的样本数据集。

　　虽然这不是没有高质量数据，BI工作中任何十二都可能出错的详尽清单，请大包记住：许多数据质量问题是可以调整的，无论是通过大量的手动工作或只是在等待收集达到你标准的高质量数据。