本文目录导读：
数据仓库的数据特征剖析
集成性
1、数据来源广泛整合
- 数据仓库的数据来自于多个数据源，包括企业内部的各种业务系统，如销售系统、财务系统、人力资源系统等，还可能包括外部数据源，如市场调研数据、行业数据等，这些数据源的格式、编码方式、语义等往往存在差异，在销售系统中，日期可能以“yyyy - mm - dd”的格式存储，而在财务系统中可能以“mm/dd/yyyy”的格式存储；对于客户性别，销售系统可能用“M”和“F”表示，人力资源系统可能用“男”和“女”表示，数据仓库需要将这些不同格式和语义的数据进行集成，转化为统一的格式和语义，以便进行分析。
图片来源于网络，如有侵权联系删除
- 以一家大型连锁企业为例，它在不同地区有众多门店，每个门店都有自己的本地销售系统，这些系统可能由不同的供应商提供，数据结构和数据类型不尽相同，数据仓库要把这些分散的销售数据集成起来，包括商品销售数量、销售额、顾客信息等，去除重复数据，解决数据冲突，为企业总部进行全公司的销售分析、市场趋势预测等提供准确的数据基础。
2、数据清洗与转换
- 在集成过程中，数据清洗是关键步骤，这包括处理缺失值、错误值和异常值，对于缺失值，可以采用填充（如用均值、中位数填充数值型缺失值，用众数填充分类变量缺失值）或者删除含有缺失值的记录等方法，对于错误值，如数据录入错误导致的明显不合理的数值，需要进行修正或者删除，异常值则需要判断其是否是真实的异常情况（如销售数据中的极高销售额可能是一笔大额订单，是正常的业务情况）还是数据错误导致的，如果是错误则进行处理。
- 数据转换也是必要的，除了前面提到的日期格式、编码方式的转换，还可能涉及数据的标准化和归一化，将不同量纲的数值型数据（如销售额和销售量）进行标准化处理，以便在进行数据分析时，不同变量具有相同的权重，避免因量纲差异导致的分析偏差。
非易失性
1、数据的持久性
- 数据仓库中的数据一旦存储，就不会轻易被删除或修改，与事务处理系统不同，事务处理系统主要关注当前业务操作的准确性和及时性，数据经常被更新（如库存系统中商品库存数量随着销售和进货不断更新），而数据仓库是为了分析历史数据和趋势，它保存了大量的历史数据，一家银行的数据仓库会保存多年来客户的账户交易记录、贷款记录等，即使某个客户已经关闭了账户，其相关的历史数据仍然会被保留在数据仓库中。
- 这种持久性使得企业能够进行长期的数据分析，如分析过去十年的客户储蓄行为变化，以制定更合适的金融产品营销策略，对于一些特殊行业，如医疗行业，患者的历史病历数据会被永久保存在数据仓库中，以便医生进行疾病的长期跟踪研究，提高诊断的准确性。
图片来源于网络，如有侵权联系删除
2、数据的稳定性
- 数据仓库中的数据相对稳定，不会受到日常业务操作的频繁影响，虽然数据仓库也会进行数据更新，如定期从源系统中抽取新的数据进行追加，但这种更新不会破坏已有的数据结构和数据关系，在一个电商企业的数据仓库中，每天会将新的订单数据、用户评价数据等抽取到数据仓库中，但已有的关于商品分类、用户基本信息等数据不会因为新订单数据的插入而发生混乱，这就为数据分析人员提供了一个稳定的数据环境，可以放心地进行复杂的数据分析，如关联分析、聚类分析等，不用担心数据的突然变化影响分析结果。
时变性
1、数据的时间标识
- 数据仓库中的数据都带有时间标识，这是其区别于其他数据存储系统的重要特征之一，时间标识可以是数据产生的时间、数据被加载到数据仓库的时间等，在一个物流企业的数据仓库中，每一条货物运输记录都会有发货时间、到达时间等时间戳，通过这些时间标识，企业可以进行基于时间序列的分析，如分析不同季节、不同时间段的货物运输量变化趋势，预测未来的物流需求。
- 对于金融行业，带有时间标识的交易数据可以用来分析市场的周期性波动，股票交易数据中的时间标识可以帮助分析师研究股票价格在不同交易日、不同时间段的波动规律，从而为投资者提供决策依据。
2、数据的随时间变化
- 数据仓库中的数据随着时间不断累积和更新，随着企业业务的发展，新的数据不断产生并被加载到数据仓库中，一个社交媒体平台的数据仓库，随着用户不断发布新的动态、评论等，这些新的数据会被定期抽取到数据仓库中，数据的含义和价值也可能随着时间发生变化，十年前流行的产品在当前市场上可能已经不受欢迎，通过分析数据仓库中多年的产品销售数据，可以发现这种产品需求随时间的变化趋势，企业可以据此调整产品研发和生产策略。
图片来源于网络，如有侵权联系删除
- 数据仓库还可以进行历史数据的对比分析，如将今年的销售业绩与过去五年同期进行对比，找出增长或下降的原因，这种随时间变化的数据特性使得数据仓库成为企业进行趋势分析、预测分析等的重要工具。
面向主题性
1、主题的定义与划分
- 数据仓库是围绕主题来组织数据的，主题是一个抽象的概念，它是对企业业务在某一方面的高度概括，在一个零售企业中，可能有“销售”“库存”“顾客”等主题。“销售”主题可能包含销售订单、销售渠道、销售人员等相关数据；“库存”主题则包含库存商品、仓库位置、库存数量等数据；“顾客”主题包含顾客基本信息、顾客购买历史、顾客偏好等数据，这些主题的划分有助于将相关的数据集中在一起，方便进行特定领域的分析。
- 主题的定义需要结合企业的业务需求和战略目标，对于一家以客户体验为核心竞争力的企业，“顾客”主题可能会被进一步细分，如按照顾客价值（高价值顾客、中等价值顾客、低价值顾客）来划分，以便针对不同价值的顾客群体制定个性化的营销和服务策略。
2、主题相关数据的组织
- 围绕主题组织数据时，数据仓库会将不同数据源中与主题相关的数据整合到一起，对于“销售”主题，可能从销售系统中获取订单数据，从财务系统中获取销售金额对应的财务数据，从物流系统中获取货物配送相关的数据，这些数据按照主题的逻辑关系进行组织，形成一个相对独立的数据集合，在数据仓库的架构设计中，可能会有专门的主题层来存放按照主题组织的数据，这样，当企业需要分析销售业绩与成本的关系时，可以直接从“销售”主题相关的数据集合中获取所需数据，而不需要在多个数据源中进行复杂的查询和关联操作，提高了数据分析的效率。
评论列表