第二，数据仓库要进一步提高实时性么？

    对于这个问题，我持反对意见。且不说技术上对于实时性定义到什么级别，从成本和流程来看，单纯提高数据仓库的实时性，并不一定能给企业带来明显的效益，却要更大的投入，有多少企业愿意这么做呢？需求么，当然有，但是解决方案也是有的，比如增强分析系统与生产系统的互动，让实时性的工作更多地由生产系统承担，而数据仓库踏踏实实地做数据存储和分析的工作，各司其职，综合各IT系统的优势，给企业创造更大的价值。打一下不太恰当的比喻，西方人吃面条是用叉子的，但是东方人用筷子可以更好地解决这个问题，为什么非要让一个有筷、会使筷子的人一定用叉子吃饭呢？工具是死的，人是活的，IT本来就是工具，要发挥各自的特点，难道非要用筷子当牙签么？——你不想想有没有这么大的嘴！

    第三，什么是好的数据仓库？什么是好的模型？

    由于各自的技术方案和特点不同，对这个问题的解答当然不同。比如NCR，他就认为自己的数据仓库最好，因为可以做测试嘛，在数据仓库上进行分析，NCR的速度比其他数据仓库产品快多了。但是我说的是对于中国移动的数据仓库来说，什么是最好的。

    在大部分数据仓库案例中，考虑到投资和规模等方面的问题，都是将数据仓库的存储和分析共用一个数据库，就是数据仓库；而中国移动的方案则更多地考虑到未来的可扩展性，也就是说，中国移动的数据仓库系统不是一级存储方式，而是两级，这也就决定了数据仓库的价值和作用不是只做分析。从经营分析系统的建设规范中可以看出，在数据存储层面有数据仓库和数据集市两部分，因此在中国移动的经营分析系统里，数据仓库的价值除了分析之外，更重要的功能是向数据集市提供数据，再由数据集市完成分析的任务。因此我认为，数据仓库应将快速、完整地提供数据作为第一任务，能做好这一点的就是好的数据仓库。

    基于这个观点，关于模型也就有不同的定义了。从技术角度看，模型有两种，一种是数据仓库的模型，还有一种是分析模型。如果用数据仓库做分析，这二者可以合一（NCR、IBM等公司提供的电信模型就属于这种类型）。但是在中国移动，要是将数据存储和应用分开，这两种的模型就不同了，前者的模型在于快速提供数据的能力，也就是说，提供数据的速度越快的模型就越好；而后者则是纯数学的分析模型，要与具体的业务、分析要求相结合，评价这类模型的方式就会更多样化一些。