随着数据的增长和客户对实时体验的需求，一个强大的数据基础至关重要。当我们听到企业遇到的典型问题和增长的烦恼时，它们通常与数据有关。这些问题包括遗留的数据仓库在新数据的重压下崩溃，整个公司的分析需求未得到满足，以及在机器学习和人工智能等现代工具上落后。

更快更大的数据流、全球业务需求和精通技术的用户都在给IT团队施加压力，要求他们更快、更敏捷地行动。

尽管发生了这些变化，但很多数据分析任务往往是在传统的、遗留的数据仓库中进行的，这些系统对新的需求准备不足。当我们与目前从事数据工作的人讨论时，我们听到了很多关于运行传统技术在构建现代数据战略时所带来的限制。所以，传统的数据仓库很可能已经不能满足需要了。

为了扩展数据仓库，将系统工程的工作从数据分析工作中自动化是很有帮助的，这也是BigQuery实现的好处之一。一旦这些功能被分离，分析工作就可以占据中心位置，用户就可以减少对管理员的依赖。BigQuery还有助于消除传统数据仓库中常见的用户访问问题。然后，用户就可以专注于构建报告、探索数据集，并轻松共享可信的结果。

在这份白皮书中，我们将探讨现代数据仓库的关键组件，在采用云数据仓库时应该考虑什么，以及谷歌的BigQuery是如何设计来满足现代需求的。

白皮书下载链接

创作场景

数据分析决策：建立现代数据仓库的执行手册