数据仓库分层设计

1、数据仓库所处环节
在一个成体系、结构化的数据应用场景下，数据和处理有四个层次： 操作层、数据仓库层、部门/数据集市层、个体层。

操作层
操作层是指为具体业务提供实时响应的各个业务系统，比如常见的订单系统、ERP、用户中心等等具体业务系统，这些系统中的数据一般都是存入关系型数据库。它们是数据的来源。
数据仓库
数据仓库收集操作层各个业务系统中的数据，进行统一格式、统一计量单位，规整有序地组织在一起，为数据分析、数据挖掘等需求提供数据支持。
数据集市
部门/数据集市层是各个部门根据自己的数据分析需求，从数据仓库中抽取自己部门所关心的数据报表。
个体层

个体层中的不同角色个体有读取不同数据的权限。
2、数据仓库概念
     数据仓库是一个面向主题的、集成的、非易失的、随时间变化的，用来支持管理人员决策的数据集合，数据仓库中包含了粒度化的企业数据。
面向主题的
    数据仓库不同于传统的操作型系统，传统的操作型系统中的数据是围绕功能进行组织的，而数据仓库是针对于某一个主题进行分析数据用的，比如针对于销售主题、针对于客户主题等等。
集成的
    不同产品或者系统中的数据是分散在各自系统中的，并且格式不一致、计量单位不一致。而数据仓库必须将多个分散的数据统一为一致的、无歧义的数据格式后，并解决了命名冲突、计量单位不一致等问题，然后将数据整合在一起，才能称这个数据仓库是集成的。
随时间变化的
    数据仓库要体现出数据随时间变化的情况，并且可以反映在过去某一个时间点上数据是什么样子的，也就是随时间变化的含义。而传统的操作型系统，只能保存当前数据，体现当前的情况。
非易失是指：数据一旦进入数据仓库，就不能再被改变了，当在操作型系统中把数据改变后，再进入数据仓库就会产生新的记录。这样数据仓库就保留了数据变化的轨迹。
3、一般架构
（1）、 STAGE层
业务系统的数据接入到数据仓库时，首先将业务数据仓储到STAGE层中，Stage层作为一个临时缓冲区，并屏蔽对业务系统的干扰。
STAGE层中的表结构和数据定义一般与业务系统保持一致。
Stage中的数据可以每次全量接入也可以每次增量接入，一般都有会数据老化的机制，不用长期保存。
Stage的数据不会对外部开放。
（2）、 ODS层
ODS才是数据仓库真正意义上的基础数据，数据是被清洗过的，ODS层的数据是定义统一的、可以体现历史的、被长期保存的。