数据治理-数据仓库和商务智能

业务驱动因素

数据仓库建设的主要驱动力是运营支持职能、合规需求和商务智能活动。

一个组织建设数据仓库的目标

  1. 支持商务智能活动
  2. 赋能商业分析和高效决策
  3. 基于数据洞察寻找创新方法。

一个组织应遵循如下指导原则

  1. 聚焦业务目标
  2. 以终为始
  3. 全局性的思考和设计,局部性的行动和建设
  4. 总结并持续优化
  5. 提升透明度和自助服务
  6. 与数据仓库一起建立元数据
  7. 协同
  8. 不要千篇一律

数据仓库建设

数据仓库建设指的是数据仓库中数据的抽取、清洗、转换、控制、加载等操作过程。传统上的数仓建设,主要关注结构化数据。商务智能和数仓空间现在也包含半结构化数据和非结构化数据。

数仓建设的方法

数仓建设的理论,都受到两位有影响力的思想领袖Bill Inmon和Ralph Kimball的影响,他们各有不同数据仓库建模和实施方法。Inmon把数据仓库定义为面向主题的、整合的、随时间变化、相对稳定的支持管理决策的集合。用规范化的关系模型来存储和管理数据。而Kimball则把数据仓库定义为"为查询和分析定制的交易数据的副本"。

两者遵循的核心理念相似:

  1. 数据仓库存储的数据来自其他系统
  2. 存储行为包括以提升数据价值的方式整合数据;
  3. 数据仓库便于数据被访问和分析使用;
  4. 组织建设数据仓库,因为他们需要让授权的利益相关方访问到可靠的、集成的数据;
  5. 数据仓库数据建设有很多目的,涵盖工作流支持、运营管理和预测分析。

数据仓库和业务系统的区别

  1. 面向主题的。数据仓库是基于主要业务实体组织的,而不关注功能或应用;
  2. 整合的。数据仓库中的数据是统一的、内聚的。保持相同的关键结构,结构的编码和解码、数据定义和命名规范在整个仓库中都是一致的。因为数据是整合的,数据仓库不是简单的运营数据的副本。

​​​​​​​数据仓库和数据集市的数据与应用程序中的数据不同

  1. 数据的组织形式是按主题域而不是按功能需要
  2. 数据是整合的数据,而不是孤立的烟囱数据
  3. 数据是随时间变化的系列数据,而非仅当前时间的值
  4. 数据在数据仓库中的延迟比在应用程序中高
  5. 数据仓库中提升的历史数据比应用程序中提供的历史数据多

​​​​​​​多维数据仓库

Kimball的多维数据仓库是数据仓库开发的另一个主要模式;多维模型通常成为星型模型,由事实表和维度表组成。

相关推荐
数字新视界25 分钟前
数据中心DCIM管理系统助力提升机房管理效率与安全性
大数据·人工智能·物联网·信息与通信·动环监控系统
阿里云大数据AI技术1 小时前
孩子王基于阿里云Data Agent的智能体实践:300+Agent 覆盖400+业务场景
大数据·人工智能·agent
武子康3 小时前
H3-World 扩展跳跃与开门:新动作怎样进入训练数据?
大数据·人工智能·算法
软件技术NINI4 小时前
DeepSeek 大模型落地应用实战指南
大数据·人工智能
wuyk5557 小时前
Spider-第11讲-工程化改造与可维护性
大数据·爬虫·elasticsearch·搜索引擎
墨林陌8 小时前
AI 热点日报(2026-11-16):黄仁勋或重返英伟达,华为发具身世界模型,ChatGPT Wallet打通支付
大数据
starzy19908 小时前
Structured Streaming 结构化流概述:把流数据当作一张无限增长的表
大数据·spark
wuyk5559 小时前
Spider-第12讲-asyncio异步并发爬取
大数据·爬虫·elasticsearch·搜索引擎
筑梦之人10 小时前
Elasticsearch 9.x 从入门到精通(4/7):聚合分析与文本分析
大数据·elasticsearch·jenkins
数字新视界20 小时前
信创动环监控在机房环境管理中的智能化应用与实践分析
大数据·人工智能·物联网·信息与通信·动环监控系统