BI的 数据模型抽象过程，是对业务过程的再梳理，将线性的数据流，改造成多视角的立体数据。 那么有了数据模型的强大支持，数据分析才有了足够发挥空间，数据分析之后就是BI的应用。在数据分析阶段，用户可以介入很少，就是提出分析的方向，由分析人员根据分析方向自由发挥，在BI应用阶段，则需要用户全程加入。
    传统的数据模型中，都是以常规的维度和事实来描述事务，这种模式下，BI应用要分析得更加深入，往往需要BI分析人员将DW的原始数据抽取出来（经过清洗整合的数据还是比业务源数据好得多），然后自己再加工处理。这样既增加了数据分析的难度，也增加了成本和风险。
    观察一下多少BI分析是这样操作的，你就应该知道数据模型是否需要改进，反正我是这样判断的，如果有满足不了分析的数据模型，我就会考虑模型再造，既是对公司BI的负责，也是自己的提高。我想包括很多XX牛项目，也存在这样的情况吧，只不过如果分工很细的话，数据仓库的数据模型再造较难推进，随着当前企业多业务交错融入，好的数据模型越来越难以设计。