1.需求，要和业务部门深入讨论，了解他们的现状，诉求，以及期望，包括我要分析什么内容，需要到什么样的颗粒度，数据从哪里来的，是手工还是系统，数据质量怎么样，期望数据提供的频率是什么样的，实时的还是按月、半月、周、日等，分析的指标有哪些，维度是什么，总之，就是多交流，作为技术人员，要一定先理解业务，如果分工比较明确，就是产品经理与用户进行沟通了，这个过程一定要多听，多问，进行苏格拉底式提问，前期工作越详细，实施和开发阶段就越顺畅。

2.一定要进行架构、模型设计，架构关乎到系统的可用性，可扩展性，模型关乎到是否能灵活快速的提供数据，虽然现在敏捷很流行，但是整体框架还是要提前考虑的，在实际过程中，很多的敏捷变成了推到重来，一是耗费了很多时间，客户不满意，二是开发人员重复劳动，很有挫败感，三是投入产出问题。

3.明确责任人，数据仓库建设不单是一项技术工作，它的目的是为了提供有效，高质量，及时的数据，数据的使用者可能是公司高层决策者，可能是业务部门的分析人员，技术人员对于业务的理解不会面面俱到，在项目过程中，有问题需要用户及时参与答疑，所以，在项目开启之前，确定项目参与角色，职责也是很重要的一个环节。

4.设计阶段，按照经典的三层模型，业务模型，逻辑模型，技术模型，每层进行明确，可以进行poc验证

5.开发阶段团队内的写作问题，公共维度的调用，数据加载的策略，原始数据的清洗，宽表字段的设计，分析主题的划分等。

6.测实阶段，内部首先要测试完全，场景覆盖度要到，如果开发完成直接交付用户进行测试，测试bug很多，则用户对项目产生质疑。

7.上线后的跟踪工作，测试也无法保障百分百的场景覆盖，在实际使用过程中，经常会有这样那样的新场景出现，所以要做好跟踪，对于未覆盖的场景，提供手工处理方法，如果有资源，就在后续的版本进行迭代优化。

数仓的实施是一个复杂的过程，三言两语无法完全说清楚，总之有几条重要的原则前提是可以共同遵守的，项目的成功需要各方面的配合。