数据仓库之简单介绍

什么是数据仓库？

一个面向主题的、集成的、随时间变化的、非易失的数据集合，用于支持管理者的决策过程。
面向主题：如去年买了100w货以上的用户有哪些？这个场景就是一个销售的数据主题。
集成：假设公司有多个产品线分别在不同的数据库，要统计总销量，就可以把各个数据集成在数据仓库
随时间变化：数据随着时间变化的情况，能反映在历史时间点的数据快照。
非易失：一旦进入到数据仓库中，数据就不应该再有改变。新的数据进入产生新的记录，保留数据变化的历史轨迹。也就是说数据仓库中的数据基本是静态的。

为什么要建立数据仓库？

业务系统中的数据形式多种多样(Oracle、mysql、sqlserver等，文本、csv、word、excel、xml)。
数据仓库可以提供即时查询、分析系统、数据集市、报表系统、数据挖掘。
“直接访问”业务系统的数据方式很难良好的工作，主要原因如下：

• 业务数据由于安全或其它因素不能直接访问
• 业务系统的版本变更频繁，每次变更都需要重写分析系统并重新测试
• 很难建立和维护汇总数据来源于多个业务系统版本的报表。
• 业务系统的列名通常是硬编码，有时仅仅是无意义的字符串，这让编写分析系统更加困难
• 业务系统的数据格式，如日期、数字的格式不统一
• 业务系统的表结构为事务处理性能而优化，有时并不适合查询与分析。
• 没有适当的方式将有价值的数据合并进行特定应用的数据库
• 没有合适的位置存储元数据
• 存在误用业务数据的风险
• 极有可能影响业务系统的性能

是否真正需要一个数据仓库？

建立数据仓库需要投入大量的人、财，而且在较短时间内也不显现出来价值。
人：在没有专家介入而仅凭组织自身力量建立数据仓库时，是要冒着很大的失败风险。
财：虽然当下的云服务器越来越便宜，但是数仓的基础服务器也是其它(如web)服务器几倍之多
投入数据仓库之前先问自己几个问题：

• 如何把公司的市场份额提升5%
• 哪些产品的市场表现不令人满意？
• 哪些代理商需要销售政策的帮助？
• 提供给客户的服务质量如何？哪些需要改进？
• 即使上面的问题都需要解决，是否一定要数据仓库才能解决？

总结一下数据仓库的好处：

• 将多个数据源集成到单一数据存储，因此可以使用单一数据查询引擎展示数据。
• 缓解在事务处理数据库上因执行大查询而产生的资源竞争问题。
• 维护历史数据
• 提高数据质量(通过提供一致的编码和描述，减少或修正坏数据问题)
• 一致性地表示组织信息
• 提供所有数据的单一通用数据模型，而不用关系数据源
• 重构数据，使用数据对业务用户更有意义
• 向复杂分析查询交付优秀的查询性能，同时不影响业务系统