数据集市与数据仓库个人看法

     从事数据仓库相关工作已经两年了，感觉现在的理解和两年前相比，有些不同，也可以理解为以往的一些误区吧。 现在的IT业，名词太多，一个定义出来，马上会有一大堆的解释，对于数据仓库和数据集市，每人的理解都有不同，从实施的角度来看，一定是需要明确每个名词的具体含义，在各方达成共识，无数先驱都已经下过不同的定义，以下只是个人理解，不敢说对或错。 数据仓库 一提到数据仓库，人们首先想起的肯定是这是一个大数据库，将企业的各种类型的系统、信息进行整合，包含了企业的整体的信息，可以用于以后的分析、统计。更进一步从数据仓库的定义而言，他的四个特征：面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile，有翻译为不可修改的）、反映历史变化（Time Variant）。 这些概念很多地方都有描述，不多做解释。只是感觉有些误导之嫌。这里提到的应该是广义上的数据仓库吧（包括了集市的概念）。对于具体的分析而言，或者说我们做的每个cube，分析，肯定是面向主题的，但是对于数据仓库而言，真的是面向主题的吗？数据仓库中的数据分为原子级别的数据和轻度汇总的数据，既然他应该是包含公司各系统数据，对于原子数据而言，他应该是标准的，针对每个行业和具体公司的一个规范化的数据模型，这应该是一个与主题无关，而不是一个面向主题的数据模型。 另外，一提到数据仓库，很多人都会说，星型模型、雪花模型，其实数据仓库本身，至少从原子数据而言，应该还是规范化的数据模型，这样，才可以保证仓库向外提供的是没有歧义的、一致的、不冗余的数据、具有企业统一标准，比如说我们需要计算保费收入、赔款时，只有一种标准计算方法，不会说从这两个表中能算，通过其他两个表也能算，不论这两个结果是否一致，都是不允许的。当然，如果对于不同的部门有不同的计算方式，这是正常的，但这两种方式计算的结果的名字应该有所区别。 数据集市 数据集市需要是面向主题的，这点无可厚非，只是有一点，我们需要注意的对于数据集市其实也有不同的理解。数据集市是满足部门级或工作组级需求的，而不是具体的每个分析主题。往往我们会混淆这一点，不是说我们做了几个cube就是数据集市了，这只是几个分析主题而已。 到此，我想我应该表述清楚了，数据仓库 －> 数据集市 -> 分析主题(有的时候需要在数据仓库层次前增加一个数据缓冲层，有时称为ODS)，我们做项目时未必需要解释清楚每个词到底是什么意思，主要是清楚客户心目中的数据仓库是什么，他们是想做几个cube分析分析而已，还是着重于数据仓库的原子模型的设计。 对于数据仓库的建设途径，不同的企业也有不同的看法，有人认为应该建立一个大而全的仓库，把数据先整合起来，有人认为，目前阶段可能只需要建立几个分析主题就可以了。我想，这里可能会用老外常说的词，it depends ... 关键是看企业的信息化水平了
原文链接: 数据仓库之路