隨著數(shù)據(jù)通過各種方式創(chuàng)造了巨大價(jià)值，各領(lǐng)域的企業(yè)開始不斷挖掘數(shù)據(jù)的作用，數(shù)據(jù)的重要性得到了社會(huì)各界的共同認(rèn)可。像我們熟知的數(shù)據(jù)治理、數(shù)據(jù)管理、數(shù)據(jù)標(biāo)準(zhǔn)以及數(shù)據(jù)資產(chǎn)都是因?yàn)閿?shù)據(jù)地位不斷提升，企業(yè)開始重視起數(shù)據(jù)全生命周期流程，才開始在企業(yè)內(nèi)大規(guī)模實(shí)施的。因此，了解數(shù)據(jù)倉庫就尤為重要了。

?

數(shù)據(jù)倉庫是什么

事實(shí)上，很多人在看到數(shù)據(jù)倉庫的第一眼，就把數(shù)據(jù)倉庫當(dāng)成了數(shù)據(jù)庫。當(dāng)然這也很正常，畢竟從名字來看這兩者確實(shí)區(qū)別不大，真正區(qū)分兩者的是定位、作用等更深一層的東西。不過在這里還是先解釋數(shù)據(jù)倉庫的概念，不同之處后邊會(huì)進(jìn)行詳細(xì)講解。

數(shù)據(jù)倉庫是一個(gè)面向主題的、集成的、隨時(shí)間變化但信息本身相對穩(wěn)定的數(shù)據(jù)集合，用于支持管理決策過程。其本質(zhì)就是完成從面向業(yè)務(wù)過程數(shù)據(jù)的組織管理到面向業(yè)務(wù)分析數(shù)據(jù)的組織和管理的轉(zhuǎn)變過程，也是商業(yè)智能BI中數(shù)據(jù)倉庫的主要作用。

?

數(shù)據(jù)倉庫就像企業(yè)的總的大倉庫，能夠存儲(chǔ)不同來源、不同格式的數(shù)據(jù)，并且可以通過ETL和數(shù)據(jù)模型，對數(shù)據(jù)進(jìn)行高質(zhì)量的篩選，分級(jí)分類進(jìn)行存儲(chǔ)。具有很強(qiáng)的穩(wěn)定性，不會(huì)頻繁的進(jìn)行增刪改等操作，能夠反應(yīng)歷史變化。

用通俗的話來說就是數(shù)據(jù)倉庫就像一個(gè)終端的大倉庫，其他小倉庫的各種貨品會(huì)通過各種方式統(tǒng)一存儲(chǔ)到這里，然后通過倉庫位置的劃分、貨品的擺放進(jìn)行歸納分類，實(shí)現(xiàn)規(guī)范、標(biāo)準(zhǔn)的從存放，到分類，再到使用的完整過程。

?數(shù)據(jù)倉庫中的數(shù)據(jù)治理
數(shù)據(jù)倉庫中的數(shù)據(jù)治理以解決實(shí)際業(yè)務(wù)問題為導(dǎo)向，以提升數(shù)據(jù)資產(chǎn)的管理水平和使用效率為目標(biāo)，并以元數(shù)據(jù)為驅(qū)動(dòng)，連接數(shù)據(jù)標(biāo)準(zhǔn)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)安全管理各個(gè)階段，形成統(tǒng)一、完善、覆蓋數(shù)據(jù)全生命周期的數(shù)據(jù)治理體系。數(shù)據(jù)倉庫中的數(shù)據(jù)治理主要針對以下問題。

第一，數(shù)據(jù)分散、雜亂，無法理解。很多企業(yè)業(yè)務(wù)線眾多，數(shù)據(jù)源分散，且各系統(tǒng)間無法打通，成為信息孤島；數(shù)據(jù)收集標(biāo)準(zhǔn)不相同，數(shù)據(jù)零散地存儲(chǔ)在各個(gè)業(yè)務(wù)系統(tǒng)中，難以形成全局?jǐn)?shù)據(jù)聯(lián)動(dòng)。

?

第二，數(shù)據(jù)收集渠道單一，模式落后，效率低，成本高。業(yè)務(wù)增長帶來數(shù)據(jù)增長，傳統(tǒng)數(shù)據(jù)管理模式難以應(yīng)對大數(shù)據(jù)增長。從渠道上來說，傳統(tǒng)數(shù)據(jù)收集渠道單一、落后、偏線下化；從方式上來說，很多企業(yè)收集信息的手段仍停留在手工收集階段，效率低、成本高且造成數(shù)據(jù)不匹配。

第三，數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一，缺乏分析工具，數(shù)據(jù)難運(yùn)用。一方面，數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一導(dǎo)致整合困難，難以進(jìn)行全局聯(lián)動(dòng)；另一方面，缺乏數(shù)據(jù)分析工具，僅靠數(shù)據(jù)專業(yè)人才難以滿足企業(yè)需求，且難以看到數(shù)據(jù)的實(shí)時(shí)變化及價(jià)值。這兩方面的因素導(dǎo)致難以真正實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)發(fā)展，提升運(yùn)營管理水平。

第四，系統(tǒng)落后，難以滿足數(shù)據(jù)管理需求，存在數(shù)據(jù)風(fēng)險(xiǎn)隱患。在數(shù)據(jù)井噴式增長的當(dāng)下，眾多企業(yè)未能跟上隨數(shù)據(jù)增長而變化的需求，難以滿足監(jiān)管要求，同時(shí)存在數(shù)據(jù)隱患及風(fēng)險(xiǎn)問題

數(shù)據(jù)倉庫建模方式

在Kimball和Inmon兩位數(shù)據(jù)倉庫領(lǐng)域大佬不同方向的經(jīng)驗(yàn)指導(dǎo)下，數(shù)據(jù)倉庫的建模已經(jīng)是一個(gè)成熟的體系，可以根據(jù)需求選擇不同的方式，既有三范式 3NF 建模，也有維度建模比如星型或雪花型的建模方式。

?

數(shù)據(jù)倉庫還有著分層結(jié)構(gòu)，每個(gè)分層結(jié)構(gòu)都有各自的作用，比如經(jīng)?？吹降腛DS 層、Trans 層、Dimension 層、Data Mart 層等，都是為了將數(shù)據(jù)從大海中進(jìn)行篩選，從分散到集中進(jìn)行高度匯總，形成一個(gè)個(gè)的主題，為后續(xù)的前端數(shù)據(jù)可視化分析提供數(shù)據(jù)的支撐。

數(shù)據(jù)倉庫為了業(yè)務(wù)分析的目的，因此需要拉通各個(gè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫的數(shù)據(jù)，保留大量歷史數(shù)據(jù)，同時(shí)為了分析效率的提升改變了傳統(tǒng)數(shù)據(jù)庫的數(shù)據(jù)組織形式，例如利用適合于分析型模型的Kimball維度建模方式來組織底層數(shù)據(jù)架構(gòu)。

?

數(shù)據(jù)倉庫服務(wù)于商業(yè)智能BI分析，通過商業(yè)智能BI前端可視化分析工具來訪問，是其中不可或缺的一部分。并且在長期的建設(shè)中，商業(yè)智能BI已經(jīng)形成了一套直接零代碼配置并完成數(shù)倉建模的整個(gè)過程，進(jìn)行了完整的產(chǎn)品化，解決了困難的架構(gòu)與模型的問題。

數(shù)據(jù)倉庫對于企業(yè)的價(jià)值

數(shù)據(jù)倉庫能實(shí)現(xiàn)跨業(yè)務(wù)條線、跨系統(tǒng)的數(shù)據(jù)整合，為管理分析和業(yè)務(wù)決策提供統(tǒng)一的數(shù)據(jù)支持，從根本上把運(yùn)營數(shù)據(jù)轉(zhuǎn)化成為高價(jià)值的可以獲取的信息（或知識(shí)），并且在恰當(dāng)?shù)臅r(shí)候通過恰當(dāng)?shù)姆绞桨亚‘?dāng)?shù)男畔鬟f給恰當(dāng)?shù)娜恕?/span>

數(shù)據(jù)倉庫定義：面向主題的（Subject Oriented）、集成的（Integrate）、相對穩(wěn)定的（Non-Volatile）、反映歷史變化（Time Variant）的數(shù)據(jù)集合；

面向主題：是指用戶使用數(shù)據(jù)倉庫進(jìn)行決策時(shí)所關(guān)心的重點(diǎn)方面，如：收入、客戶、銷售渠道等；所謂面向主題，是指數(shù)據(jù)倉庫內(nèi)的信息是按主題進(jìn)行組織的，而不是像業(yè)務(wù)支撐系統(tǒng)那樣是按照業(yè)務(wù)功能進(jìn)行組織的。

集成的：是指數(shù)據(jù)倉庫中的信息不是從各個(gè)業(yè)務(wù)系統(tǒng)中簡單抽取出來的，而是經(jīng)過一系列加工、整理和匯總的過程，因此數(shù)據(jù)倉庫中的信息是關(guān)于整個(gè)企業(yè)的一致的全局信息。

?

反映歷史變化：數(shù)據(jù)倉庫內(nèi)的信息并不只是反映企業(yè)當(dāng)前的狀態(tài)，而是記錄了從過去某一時(shí)點(diǎn)到當(dāng)前各個(gè)階段的信息。通過這些信息，可以對企業(yè)的發(fā)展歷程和未來趨勢做出定量分析和預(yù)測。

?