获得数据者得天下，这句话表明了数据的重要性。 在很多IT企业眼里，程序可以断开，但数据不能丢失。 因此，为了不丢失1毫米的数据，数据从内侧的3层备份到外侧的3层。 这从数据工作者的工资不断上涨也可以看出来。 数据确实是IT工作中最重要的一环，也是最基础的一环。 毕竟，万物都是以数据为中心的。
充分利用数据，使数据能够说话，发挥其作用，这是数据APP最本质的。 数据基本上分为数据处理和数据展示两大部分。 数据展示就是如何选择合适的数据可视化工具，小编在这里极力推荐云蜘蛛系统的AutoBI和DataView。 其中，AutoBI是报告工具，DataView是图形库。 通过将两者结合可以制作出强大的分体式BI，通过组合独特的试穿模式，可以在道具模式下制作出人工定制化可视化系统。 更重要的是，AutoBI和DataView这两个产品是开源的。 通过这些得到的源代码，可以简单地构建自己独有的可视化工具。 可以改变想改变的事情，辛苦的事情，站在巨人的肩膀上借力。
接下来是数据处理。 这是一项沉重的工程。 举个最简单的场景，就是数据仓库的数据处理。 数据仓库。 英文名字是Data Warehouse，可以简称为DW或DWH。 数据仓库是为企业各个级别的决策过程提供所有类型数据支持的战略性集合。 说白了，就是保存数据的仓库，放原始数据的地方。 我们经常提到数据挖掘的是这些原始数据的再处理过程。
数据处理过程一般由三个部分组成，即原始数据、处理模型和调度任务。 原始数据是指存储在数据库中的数据，处理模型是指对数据的处理逻辑。 它可以用于存储过程、Java、Php、Go等多种语言。 一般来说，建议使用存储过程。 为什么会这样呢？ 以Java为例，写业务逻辑进行数据处理很方便，但数据从数据库中被抽取，进入内存用Java处理后，塞进数据库等，本身就有很大的性能损失。 所以我们不赞成那个。 数据量少就没问题。 推荐的模式是，在与数仓相同的数据库中，数据库自身内部调度整个处理，调整数据库的参数，以最小的性能进行最大的性能计算。
接下来就是排班表了。 这也是整个数据处理的灵魂。 处理模型控制数据，调度任务控制处理模型。 调度任务决定所有计算何时执行、在什么条件下执行、是否存在依赖任务等，是整个数据处理的总号令者。 通过这三个部分处理，我们就可以做相关的数据挖掘工作，让我们的数据生动起来，让我们的数据可以说话！