《剖析数据仓库：明确其特点及不包含的要素》
图片来源于网络，如有侵权联系删除
一、数据仓库的主要特点
1、面向主题
- 数据仓库围绕特定主题组织数据，例如销售主题会涵盖与销售相关的产品、客户、订单等多方面数据，这种组织方式不同于传统的面向应用的数据库，在传统数据库中，数据是按照不同的应用程序需求分散存储的，如财务系统、库存管理系统等分别存储数据，而数据仓库将分散的数据按照销售这一主题进行整合，使得分析人员能够从一个统一的视角对销售相关的各种信息进行分析，从而深入了解销售趋势、客户购买行为等。
2、集成性
- 数据仓库中的数据来自多个数据源，这些数据源可能包括企业内部的不同业务系统，如ERP系统、CRM系统等，还可能包括外部数据，如市场调研报告等，在将数据集成到数据仓库时，需要进行数据清洗、转换等操作，不同数据源中的日期格式可能不一致，有的是“yyyy - mm - dd”，有的是“mm/dd/yyyy”，在集成过程中要将日期格式统一，对于数据的编码也要进行统一，如不同系统中对产品类别的编码可能不同，需要转换为数据仓库中的统一编码，以确保数据的一致性和准确性。
3、相对稳定性
- 数据仓库中的数据主要用于分析决策，一旦数据进入数据仓库，通常不会进行频繁的更新操作，与事务处理数据库不同，事务处理数据库需要实时处理大量的插入、更新和删除操作，在一个电商的订单处理数据库中，每一笔新订单的创建、订单状态的更新等都需要及时处理，而数据仓库更多地是定期加载新的数据，如每天、每周或每月加载一次新的销售数据，数据仓库中的数据相对稳定，这有助于分析人员基于稳定的数据进行历史数据对比、趋势分析等操作。
图片来源于网络，如有侵权联系删除
4、随时间变化性
- 数据仓库会记录数据的历史变化情况，它包含了大量的历史数据，这些数据可以按照时间维度进行分析，企业可以通过分析多年的销售数据，了解不同季节、不同年份的销售波动情况，数据仓库中的数据会随着时间不断积累，并且会保留不同时间点的数据版本，这对于进行时间序列分析、预测分析等非常重要。
二、数据仓库特点不包括的方面
1、实时事务处理能力
- 数据仓库的设计目的不是用于实时的事务处理，如前所述，它主要是为了分析决策而构建的，在实时事务处理场景中，如银行的实时转账系统或者电商的实时订单处理系统，需要快速响应每一个事务请求，确保数据的即时更新和准确性，而数据仓库的数据加载和更新是按照一定的周期进行的，无法满足这种实时性的要求，如果将数据仓库用于实时事务处理，由于其数据集成、清洗等复杂的前期准备工作以及相对稳定的特性，会导致事务处理的效率极低，无法应对大量并发的实时事务。
2、高度定制化的业务逻辑
- 数据仓库侧重于数据的整合、存储和分析，它并不包含高度定制化的业务逻辑，在业务应用系统中，例如专门的生产管理系统，会有针对生产流程的复杂业务逻辑，如生产排期算法、质量控制逻辑等，数据仓库虽然会存储与生产相关的数据，但它不会直接实现这些针对特定业务操作的定制化逻辑，它更多的是提供一个数据平台，让分析人员可以根据不同的分析需求，运用各种分析工具和方法对数据进行挖掘，而不是像业务系统那样执行特定的业务操作逻辑。
图片来源于网络，如有侵权联系删除
3、对原始数据的细粒度操作
- 在数据仓库中，数据经过了集成和汇总等操作，它主要关注的是宏观层面的数据关系和分析结果，与操作型数据库不同，操作型数据库需要对原始数据进行细粒度的操作，如在一个医院的挂号系统中，需要精确地记录每一个患者的挂号时间、科室、医生等原始信息，并且在挂号、缴费等操作中对这些原始数据进行精确的增删改查操作，而数据仓库通常是对数据进行聚合，如按月份汇总销售额，按地区汇总客户数量等，并不侧重于对原始数据的细粒度操作。
4、单一数据源依赖
- 数据仓库的一个重要特点是集成多个数据源的数据，它不会依赖单一的数据源，与一些专门的数据库应用不同，例如一个小型的库存管理数据库可能仅仅依赖于企业内部的库存相关数据输入，数据仓库要全面反映企业的运营状况、市场环境等，就需要整合来自企业内部各个业务系统以及外部的相关数据，如市场趋势数据、竞争对手数据等，如果只依赖单一数据源，数据仓库就无法提供全面、综合的分析视角，也就失去了其作为决策支持系统的重要价值。
明确数据仓库的特点以及不包括的要素，有助于企业在构建和使用数据仓库时，更好地发挥其在决策支持方面的作用，避免将不适合的数据仓库的功能需求强加于它，同时也能更好地规划数据仓库与其他业务系统之间的关系。
评论列表