什么是数据仓库
数据仓库（DataWareHouse）是比尔·恩门（Bill Inmon）在1991年出版的“Building the Data Warehouse”（《建立数据仓库》）一书中所提出的定义，指的是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史（Time Variant）的数据集合。是出于企业分析性报告和决策支持的目的而创建的。
要注意的是，数据仓库不仅仅是一个很大的数据存储集合，尽管从名字上来看可能是这样的。为了支撑企业业务需求，一套数据管理、存储、计算、展示的处理过程和方法论是数据仓库所必须的。
数据仓库是一个能及时提供必要数据支撑的数据环境。
基本特点
面向主题：传统操作型数据库是面向事物处理的，各个业务系统之间各自分离，单独存在。而数仓中的数据是按照业务主题领域进行划分的，业务上相关联的独立系统的数据会统一进行管理。
集成性：数据仓库中的数据，是从原有的业务数据库中抽取而来的（因此保留了历史数据）。这些独立的业务系统的数据需要进行清理加工，解决统一单位字长、同名异义、异名同义等问题，来保证相同业务含义的数据在数仓中是一致的。
相对稳定：数据仓库中的数据主要用于报表和决策，其中的数据操作主要是查询，一般不进行修改操作。不像业务数据库是针对应用面向事务的，经常会有更新操作。
反映历史：数据仓库保存了业务数据库中的历史信息，系统地记录了各个时间的业务情况，从而反映历史。业务数据库往往只存储最近的业务数据。
数据仓库的层次构成
由于数据仓库的数据来源于基础业务数据库，并要进行数据整理，所以将数据按照来源、主题进行分层分区管理是必要的。
首先，所有数据是基于业务表的。当业务表出现问题时，数据抽取整理过程的血缘追踪能够快速准确定位问题，清楚问题的影响范围。
分层还可以将问题简单化，将复杂的过程分解为多个步骤。主题的层次分明，还能方便地定位和理解表的含义。
此外，规范的数据分层，在分层的过程中规划一些通用性强的中间层数据，能减少大量的重复计算。
一般数据仓库总体上可以分为以下几层：
-
ODS层：Operate data store（操作数据存储）层就是ETL抽取的各种业务系统数据，监控数据等。
-
DW层：数据仓库层存储经过清洗处理后的一致性数据。该层是构建数据仓库时要重点设计的一层。在数据清洗后，要按照主题建立数据建模型。一般可以再细分为明细层、中间层。
明细层的数据粒度和ODS层是基本相同的。可以在事实表中加入维度数据，减少事实表和维度表的关联。同时可以根据主体进行一定的数据汇总。
中间层则对明细层的数据进行一定程度的聚合操作。对常用的重要公共指标进行提取，减少重复工作。 -
DM层：数据集市层，按照业务主题进行划分，存储生成的维度较丰富的宽表。DW中的中间层，多数就是生成DM层时常用的重要指标。
-
DIM（维度）层则保存基础维度数据，如用户信息数据，设备信息数据，以及日期维度等等。
此外还有用于数据展示应用直接使用的结果层，根据展示需求计算结果。TEMP层临时表，则用于放置层间数据清洗转化过程中的中间临时表，不一定长期保存。保存的数据也可用于帮助问题定位等情况。
实际上，所有的分层都没有绝对的标准。只要总体上符合数据抽取、清洗、按主题汇总分区、提供服务数据的基本结构，就是符合数据仓库设计理念的。
数据仓库的设计规划
数据仓库的目的是构建面向分析的集成化数据环境，所以要从分析需求，业务需求的角度出发，来规划数据仓库的结构。
需求分析
这就需要了解每个业务过程的参与实体，以及实体可能的分析维度等信息。了解数据源的构成，采集周期。
抓住关键环节，设计能反映业务状况的指标体系，进而确定需要的分析数据、分析维度，以及时效性需求。反推回去，就可以确定可以提取到中间层的常用关键数据指标，以及数据清洗的目标。
主题的划分也是依托业务的，根据业务的不同，需要考虑用户、内容、市场、运营、设备、金融等不同的主体。要依托行业业务理解对数据进行归类拆解。
实体关系模型选择
要根据业务需求的情况不同，对模型进行选择。这个过程要充分结合业务的具体情况，模型优缺点进行综合考虑，在星型模型、雪花模型等中进行选择。是关系到仓库建模效率的重要环节。
参看资料：
数据仓库——MBA智库百科
初识数仓
网友评论