数据仓库不该太理论化

        现在数据仓库技术大热，大数据，云平台也到处鼓吹。说简单一点，数据仓库和BI的架构就几个步骤，模型开发（也就是数据仓库的结构设计），ETL，数据展现。如果非要扯上cube，多维度分析，上钻下钻，倒是可以把数据库中的表这样去划分，基本一张宽表，几张维度表搞定。，我在国内和国外的企业都有个相关工作经验，总结来说，客户关注的东西不是这个技术有多复杂，有多NB，他们在乎的能实现什么，自己能获得什么。所以谁规定维度在数据仓库里，必须只有雪花和星型的，我还屌丝型类。这没必要，也不好理解，我们要把事情的本质实现，而不是穿上“皇帝的新装”。
        下面是我认为的关于数据仓库的几点需要纠正的地方。
        1.数据仓库是面向主题，什么是主题，理解主题就要先知道应用，这两个概念是很模糊的，某种角度上看，主题就是应用，只是用户群体不一样而已，如果非要去划分，是可以这么说，但这种东西一定是板上钉钉的东西吗？何况，作为数据仓库的开发人员，我做的就是BI产品的应用，不是嘛。
        2.数据需要提前汇总，去实现上钻下钻的功能吗？我的答案是：肯定需要，但不是所有都需要这么处理。不要被cube，多维分析，MDX等给搞混了，这方面实际应用很少，也很容易用其他方式实现，数据肯定是有粒度的，一个仓库的粒度可以是不一样的，传统的一天一周期的数据转化，已经不新鲜了，当前很多公司特别是金融行业特别需要real time（或者叫做intraday）的分析，这个是当前的一个技术难点。
       3.成熟BI产品和自定义的BI产品的优略势，显而易见，有钱当然用成熟的东西（不包括BAT等企业，这些家伙喜欢自己搞一套，虽说人生苦短，但他们加班成风，精力过剩也没办法）
         个人认为传统的数据库在数据仓库领域的优势会越来越小，但不至于灭完，像以前oracle一招吃遍天下的时代已经不在了，未来的数据库方面肯定是往分布式发展，期待一个强大的分布式数据库问世。话说阿里搞了ODPS，还有RDS等，让人不明觉厉，但问了下阿里的同学，原来那玩意也是稀烂啊，不然你认为他们加班那么多都干嘛，办公室玩三国杀嘛！

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/26149628/viewspace-1309424/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/26149628/viewspace-1309424/