《解析数据仓库的主要特点》
图片来源于网络，如有侵权联系删除
一、数据集成性
数据仓库中的数据来自于多个数据源，如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）、外部数据源（如市场调研数据、合作伙伴数据等），这些数据在进入数据仓库之前需要经过抽取、转换和加载（ETL）过程。
1、抽取
- 从不同的数据源中识别和获取相关数据，在一个大型企业中，销售系统可能使用Oracle数据库，而财务系统使用SQL Server数据库，需要从这两个不同的数据库中抽取销售数据和财务数据。
- 对于实时性要求不高的数据仓库，抽取可以按照一定的时间间隔（如每天、每周）进行；而对于实时数据仓库，则需要近乎实时地抽取数据。
2、转换
- 这一环节要对抽取的数据进行清洗，可能存在于不同数据源中的数据格式不一致的情况，比如日期格式，有的数据源中日期格式为“yyyy - mm - dd”，而有的是“mm/dd/yyyy”，需要统一格式。
- 还需要进行数据的转换操作，如将不同度量单位的数据进行转换，销售数据中产品重量在一个数据源中以千克为单位，在另一个数据源中以克为单位，需要将其统一为一种单位。
3、加载
- 经过清洗和转换的数据被加载到数据仓库中，加载方式有全量加载和增量加载，全量加载是将所有的数据重新加载到数据仓库中，通常在数据仓库初始化或者数据结构发生重大变化时使用，增量加载则只加载自上次加载以来新增或修改的数据，这种方式可以减少数据处理的工作量和时间。
二、面向主题性
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，它是对企业中某一分析领域所涉及的分析对象的高度概括。
图片来源于网络，如有侵权联系删除
1、以销售主题为例
- 与销售主题相关的数据包括销售订单数据、客户信息、产品信息、销售渠道信息等，这些数据被整合在一起，方便从销售的角度进行分析，如分析不同产品的销售趋势、不同客户群体的购买行为、不同销售渠道的业绩等。
- 与销售主题无关的数据，如企业内部的员工培训记录等，不会包含在这个销售主题的数据仓库部分中，这样可以避免数据的杂乱无章，提高数据的分析效率。
2、不同主题之间的关系
- 虽然数据仓库按照主题进行划分，但主题之间存在一定的联系，销售主题和库存主题之间有密切的关系，销售数据的变化会影响库存的数量，通过分析这两个主题之间的关联，可以优化企业的库存管理和销售策略。
三、数据的非易失性
1、数据仓库中的数据一旦被加载，就不会被轻易修改或删除。
- 这是为了保证数据的历史完整性，企业的销售历史数据，即使某个订单在业务系统中可能因为退货等原因被修改，在数据仓库中仍然保留原始的销售记录。
- 这种非易失性使得数据仓库可以用于进行历史数据分析，企业可以分析过去几年的销售数据来发现季节性销售规律、长期的客户购买趋势等。
2、数据的存储方式
- 数据仓库通常采用大容量的存储设备，如磁盘阵列等，为了保证数据的安全性和可恢复性，还会采用数据备份和恢复技术，定期对数据仓库进行全量备份和增量备份，当出现数据损坏或丢失时，可以及时从备份中恢复数据。
四、数据的时变性
图片来源于网络，如有侵权联系删除
1、数据仓库中的数据随着时间不断更新。
- 新的数据会不断被加载到数据仓库中，每天的销售数据、库存变动数据等都会按照一定的时间周期被加载进来。
- 数据仓库中的数据会随着时间的推移而发生变化的意义，对于一个分析产品销售增长率的指标，随着新的销售数据的加入，这个增长率的值会不断变化。
2、时间维度的重要性
- 在数据仓库中，时间是一个非常重要的维度，几乎所有的分析都离不开时间维度，通过对不同时间点和时间段的数据进行分析，可以发现数据的变化趋势、周期性等特征，分析一个企业在过去五年每个季度的销售业绩变化，从而为企业的战略决策提供依据。
五、数据的综合性
1、数据仓库中的数据是综合的，它包含了经过汇总、聚合等处理的数据。
- 在销售数据仓库中，除了原始的销售订单明细数据外，还会有按照产品类别、地区、时间等维度汇总的销售数据，这样可以方便用户从不同的汇总级别进行分析。
- 这种综合性的数据可以减少分析的复杂性，对于高层管理人员来说，他们可能更关注汇总后的销售数据，如全国各地区的年度销售总额，而不需要深入到每一个销售订单的明细数据。
2、支持复杂分析
- 数据的综合性使得数据仓库能够支持复杂的分析操作，如数据挖掘、联机分析处理（OLAP）等，通过对综合数据的分析，可以发现隐藏在数据中的模式和关系，如通过数据挖掘发现哪些客户具有较高的流失风险，从而采取相应的客户保留策略。
评论列表