传统典型数据仓库体系结构

作为一个数据仓库系统，从数据源（一般为业务系统或其它外购数据）到最终展现给最终用户，中间需要经过一系列过程：

• 抽取适当的数据源数据。数据仓库不是简单的生产系统的业务数据的堆积，简单地将生产系统的数据进行堆积的结果将会建成一个数据垃圾堆而不是数据仓库。我们只要选取对现在和将来决策分析有用的业务数据进行积累就可以了。
• 转化、清洗、重构等数据加工过程。因为数据仓库中的数据是面向分析和决策的，必须将业务数据进行重组才能达到这个目的。数据仓库中的数据结构往往与业务系统中的数据结构是有非常大差异的。
• 建立海量、高效的企业级数据仓库。这个数据仓库必须能够在海量数据基础上服务于大量并发用户，并且无论是数据处理速度还是查询速度都应该满足一定的速度要求。依靠数据仓库应该能够完成设计范围内的一切分析。
• 针对特定的分析主题，建立专门的数据集市。仅仅依靠数据仓库进行分析，其速度往往不足够快。为了使某些常用分析的速度足够快，有必要为这些分析问题分别单独进行进一步的数据重组和优化，即建立数据集市以加快分析速度。
• 针对特定业务问题，使用特殊的数理统计算法进行数据挖掘。数据挖掘技术以建立在概率论和数理统计基础之上。特定的数据挖掘算法需要特定格式的数据输入，这种特定的格式往往不是数据仓库中直接具有的，需要大量的数据加工准备过程。模型挖掘、模型验证等过程也是一个需要反复进行的过程。另外，挖掘的结果--模型，必须作用到样本上--在样本上打分--才能真正发挥作用。
• 元数据管理--整个数据仓库的所有描述性信息、管理信息、调度信息等都是数据仓库的元数据。一个数据仓库要想得到很好的持续性建设和被很好地使用，元数据管理是必不可少的。
• 前端展现应用--最终用户的界面，这个界面必须简单易用且功能强大，必须具有良好的权限控制；两外，前端展现应用必须维护简单。