数据仓库的概念

数据仓库现在大家说的很多，但有一个基本清晰的认识是比较好的。我觉得《数据仓库》一本书给的概念挺好，写出来做个笔记。“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角色的数据集合。”这里在加上一点数据是具有粒度化的。

第一点 面向主题

面向主题其实就是我们要按照一个目的去存储数据，用数据去表现某一个特定的内容。对于一个保险公司来说，主题可能是顾客、保险单、保险费、索赔。对于一个生产厂家来说主题可能是成本、订单、原材料、销售商。

第二点 集成的

数据仓库的数据来源是多种多样的，具体点说可能是报纸、存储在ORACLE中的子应用的数据，存储在部门的一些数据，而它可以使用存储在任何可用的工具中，总之只要是能找到数据地方都是他的来源，对于应用程序来说，每个数据模型的建造者都有自己的设计风格，在设计自己的应用时，不会考虑以后的数据要和其他方面的数据结合在一起，这也是没有必要的，未来的事情谁知道呢。所以这就存在了很多的不一致性。举一个简单的例子。比如存储用户的性别，甲可能用0、1表示，乙可能用m/w表示，但在数据仓库我们要把它变成一致性，不论你用0、1还是m/w，总之你只能用一个。集成处理大多数就是所谓ETL过程。

第三点 非易失

数据仓库的数据当然是非易失的，你认为呢，数据仓库存储的是历史数据，是某一信息各种历史快照，我们无需修改什么，只要把每次的数据的历史快照导入仓库中即可。当然像我涉及到项目中，甲方自己的历史数据就是错的，那就不能按常理出牌了。呵呵。

第四点 随时间变化的

数据仓库里时间关键字很重要，数据仓库存储数据千万不要忘记时间，因为它存储的是信息某一时间的快照，失去了时间元素，数据仓库也就没用了。

第五点 数据具有粒度化 

恩，这个其实也很好理解。在仓库中我们可以存储相当详细的数据，但如果详细的数据对于我们来说过于庞大，而且对产品没有用，我们可以做轻微的汇总。