《数据仓库：面向主题而非面向业务》
b错。
一、数据仓库的概念及发展背景
图片来源于网络，如有侵权联系删除
数据仓库是一个用于存储、管理和分析大量数据的系统，随着企业信息化进程的不断推进，企业在日常运营过程中积累了海量的数据，这些数据来源于不同的业务系统，如销售系统、财务系统、生产管理系统等，传统的数据库主要侧重于事务处理，能够高效地支持企业的日常业务操作，如订单处理、账务记录等，当企业需要从宏观的、战略的角度对数据进行分析以支持决策时，传统数据库就显得力不从心了，数据仓库应运而生，它旨在整合企业内分散的数据，为企业决策提供全面、准确、及时的数据支持。
二、面向主题的本质
1、主题的定义与内涵
- 数据仓库中的主题是对企业信息按照分析需求进行的一种抽象和归类，在零售企业中，“销售”就是一个主题，这个主题下可能包含销售额、销售量、销售渠道、顾客购买行为等相关数据，主题是一个相对高层次的概念，它跨越了企业中不同的业务部门和业务流程，与面向业务不同，面向业务往往关注的是某个具体业务流程中的数据操作，如销售业务中的订单录入、发货等具体操作相关的数据处理。
- 主题是按照企业决策分析的需求来组织数据的，它关注的是企业整体的业务分析领域，而不是单个业务功能。“顾客”主题可能会涉及到顾客的基本信息（从市场部门获取）、顾客的购买历史（从销售部门获取）以及顾客的售后服务记录（从售后部门获取）等多方面的数据，这些数据在业务操作层面是分散在不同系统中的，但在数据仓库中按照“顾客”这个主题进行了整合。
2、数据仓库的结构体现面向主题
图片来源于网络，如有侵权联系删除
- 在数据仓库的构建过程中，其结构是围绕主题进行设计的，从数据的抽取、转换和加载（ETL）过程来看，ETL操作是针对主题相关的数据进行的，在构建“库存”主题的数据仓库部分时，会从生产管理系统中抽取原材料库存数据、从销售系统中抽取成品库存数据，然后按照库存管理分析的需求进行转换和加载。
- 数据仓库中的数据存储也是按照主题来组织的，通常采用星型模型或雪花模型等数据模型，以主题为中心，周围连接着相关的维度表（如时间维度、地区维度等）和事实表（包含主题相关的度量数据），这种结构有利于快速查询和分析与主题相关的数据，而不是按照业务系统的结构来存储数据，如果按照面向业务来构建数据仓库，会导致数据的分散和难以整合，不利于进行全面的决策分析。
三、面向主题与面向业务的区别及影响
1、数据整合程度
- 面向业务的数据处理主要是为了满足业务操作的需求，数据分散在各个业务系统中，每个业务系统都有自己的数据结构和管理方式，企业的销售系统关注订单、客户、产品等与销售业务直接相关的数据，财务系统关注账务、成本、利润等数据，而面向主题的数据仓库则是将这些分散的数据按照主题进行整合，对于企业的高层决策来说，需要综合考虑销售、财务、生产等多方面的因素，面向主题的数据仓库能够提供一个统一的视图，而面向业务的数据结构则无法做到这一点。
2、决策支持能力
图片来源于网络，如有侵权联系删除
- 面向业务的数据难以直接支持企业的战略决策，因为业务数据是针对具体业务操作的细粒度数据，而企业决策往往需要从宏观的、跨业务领域的角度进行分析，企业要制定下一年度的市场战略，需要综合分析销售趋势、顾客需求变化、竞争对手情况等多方面的主题数据，数据仓库通过面向主题的方式，能够对数据进行深度挖掘和分析，提供诸如趋势分析、关联分析等功能，从而为决策提供有力支持，而面向业务的数据主要是为了满足日常业务的运行和管理，对于这种高层次的决策支持能力有限。
3、数据时效性和稳定性
- 面向业务的数据强调实时性，因为它要支持业务的实时操作，如在线订单处理等，而数据仓库中的数据虽然也需要一定的时效性，但更注重数据的稳定性，数据仓库中的数据是经过整合和预处理的，一旦数据加载到数据仓库中，相对比较稳定，主要用于分析目的，面向主题的数据仓库通过定期更新数据（如每天、每周或每月更新）来保证数据的相对时效性，以满足企业决策分析的需求，而不是像面向业务系统那样追求实时的数据更新。
数据仓库的基本特征是面向主题的，而不是面向业务的，这种面向主题的特性使得数据仓库能够更好地满足企业决策分析的需求，在企业的数据管理和决策支持方面发挥着不可替代的作用。
评论列表