选择正确的数据分析平台是至关重要的。毕竟，你所选择的产品，是要帮助公司高层做出未来几年正确的重要决策。但数据分析产品的购买中会遇到各种问题，甚至是判断失误，但以下10个问题，是需要在购买过程尽早向数据分析提供商提出来的，这10个问题将确保你的采购一开始就走在正确的道路上。
1. 我能提出问题吗？
听起来似乎很基础，但能否简单地提出和回答新问题，而不是被限定在预设问题集中，是关乎厉害的根本问题。
如果被限制在对部分数据的预设视图中，想问个新问题都得让IT部门劳心劳力拿出复杂的代码塞进去，那这个分析工具就没多大价值。世界那么大，预定义了还有什么意思？
2. 你们在我这一行有些什么经验？对我的具体业务熟悉吗？
精于分析并不足够。领域内的专门知识才是从分析产品和服务中获取最大价值的来源。你的分析提供商具备特定于行业的数据模型集吗（例如：消费产品、银行、保险公司等等）？
对每一个行业而言，想得出分析数据，可视化结果，开发产品，都需要对特定行业的业务问题十分熟悉。没有这点底蕴，连自己衡量的数据是什么，为什么要分析它们都不知道，又怎么能拿出关键业绩指标（KPI）框图和底层的支持数据模型呢？
3. 人们会想用它吗？
分析解决方案要能够回答你的问题，但使用它们一定得是个愉快的体验。就像每一个部署过新产品的人所知道的，让用户实际用起来，才是战役的真正攻坚部分。
历史上的每一个专业系统都苦于人们不愿使用的困境。回答问题得有用。你希望用户沉浸进去，觉得问问题是个很棒的体验。只要直观、好用、有效，人们就愿意花更多时间在这上面。
4. 这工具的能力极限在哪儿？
支持的并发用户数量有多少？用户数、账户数、网站数的上限是多少？响应时间有多长？
这与大规模使用时的性能相关。得确保该工具能适应业务增长的规模和速度需求。
5. 对我的所有数据都适用吗？
公司企业在很多地方都有数据：云、本地、数据仓库、Excel电子表格、Web日志等等。这款分析工具能不能处理公司所有的数据？数据类型可是会有结构化数据、非结构化数据和半结构化数据哟~
有些工具要求在分析前转移数据，或者将数据导入工具自有的系统。公司的当前数据，未来几年可能会处理的数据，所有这些数据，这款工具都能支持吗？
文本、音频、视频，都能分析？并非每个提供商都跨入了大数据领域，其中一些只针对某个特定数据集有分析处理能力。
6. 你们有能处理不同业务部门分析需求的工具吗？
比如说，你们的工具能提供客户、供应链计划、分发效率、情景计划和建模等等业务的360度视图吗？对这个问题的回答显示的是工具的跨域使用广度。
7. 你们的计价模式是建立在结果和价值上的吗？
获得数据，只是分析旅程的第一步。成功的分析项目，是要求结果和传递价值的。
你们以前有签过价值计费（VBB）协议吗？如今每家软件公司的产品都在被拿来跟开源项目比较。你得拿出相应的结果，人家才会愿意给你砸钱。
8. 都是什么客户在用你们的工具？他们怎么用的？能给个参考么？
信任，但要验证。没有高管会把自家公司当小白鼠。
必须得是成熟的技术，这就是实例参考的意义所在——验证核实。
9. 你的软件里都内嵌了些什么安全特性？你怎样保证个人信息的安全？
数据安全和数据管理非常重要，尤其是在航空航天等管制行业，这都是有法律严控的。医疗保健和生命科学这类监管行业中，个人可识别信息（PII）和受保护的健康信息（PHI）是要进行模糊处理的。
10.你们的产品路线图如何？你们将怎样帮助客户进行版本升级和产品迁移？迁移和切换进程是怎么管理的？你们有用户培训计划吗？
分析解决方案通常都要用上好几年。与其他软件和解决方案一样，分析解决方案也不会一直保持不变。你得了解提供商的软件开发生命周期、产品改进和变更管理。
