数据仓库

　　数据仓库是用来提供新的业务洞察力的数据中心存储库。这些数据代表了业务的全面一致的观点。通常，这些历史数据集具有以下特征：：

　 ·面向主题：数据仓库通常提供特定的主题或业务需求，如销售或生产效率。

　 ·时变性：数据是历史性的，因此可以用特定的时间框架来分析结果，例如在过去两年中按每月或按季度计算。企业数据仓库通常是由事务系统中封装的数据提供的，其中只有最近的数据是必需的。例如，事务系统可能只反映客户最近的电话号码，而数据仓库将包含所有以前使用的号码。

　 ·集成性：数据仓库将来自多个不同来源的信息整合到同一视图中。例如，不同的商店可能具有相同产品的不同名称，但它们仍将具有相同的库存单元(SKU)或零件号。

　 ·非易失性：存储在企业数据仓库中的信息不会改变。为了保持历史数据的完整性，它是只读的，从不改变。

　　什么样的数据加载到数据仓库?

　　业务数据操作几乎是实时的，例如从连锁商店在POS机终端捕获的销售信息。每日销售数据由系统捕获并送入数据文件。然后，这些文件将得到ETL(提取，转换和加载)软件或脚本的管理，或将该数据“归一化”到可直接上传到数据仓库表中的字段。

　　例如，一家大型零售连锁店将要捕捉销售商品的数据，例如，销售人员，商店，时间，付款方式，特别优惠或优惠券等等。另一家公司可能更有兴趣收集客户服务活动以进行定期绩效分析。

　　大多数存储的数据是关系型的。这意味着信息以能够与单个表链接的数字ID字段的形式存在，例如链接到文本的产品名称的产品ID列表和每个不同ID的描述。这可以节省企业数据仓库的空间，同时在数据报告中提供更有意义的信息。

　　数据仓库与传统数据库的区别

　　数据库通过捕获信息(无论是电子自动的还是人工采集的)来支持日常操作。这些也称为事务或操作数据库。它们主要用于从源头捕获信息。数据库还允许对信息进行编辑，以更加密切地反映真实世界的变化。它们针对数据输入进行了优化：协调小型而频繁的更新和添加。数据被组织成行或单个记录。

　　虽然这两个系统都可以用于报告，但数据仓库是为聚集大量固定信息而设计的。从事务数据中运行的报表中的信息可能会发生更改。

　　数据仓库主要用于报告和分析业务操作，以便识别模式。信息通常从一个或多个数据库中提取，成为数据仓库中的历史记录。数据仓库将反映所有的变化。大多数企业数据仓库解决方案要求以列或以维度(如时间或位置)的方式存储信息，以检索一系列度量单位，如美元或数量。这允许在相同的报告工具中深入了解各种细节。

　　数据集市

　　规模较小的公司，甚至大公司当接近一个特定的数据项目，可能将数据分割更小的、更有限的数据集，被称为“数据集市”。这样可以消除过多或不相关信息的运营开销。数据集市可以根据需要从数据仓库中提取，或者单独存在。

　　新公司或小公司可能不需要维护数据仓库。但是在大中型企业中，通常每天都使用事务性数据库和数据仓库。重要的区别是，企业数据仓库解决方案是只读和优化的，用于分析不断增长的业务数据，以支持业务决策。