【数仓建设系列之一】什么是数据仓库？

一、什么是数据仓库？

数据仓库(Data Warehouse，简称DW)简单来讲，它是一个存储和管理大量结构化和非结构化数据的存储集合，它以主题为向导，通过整合来自不同数据源下的数据(比如各业务数据，日志文件数据等)，解决企业数据孤岛，为企业提供统一的数据视图。通过构建不同时间范围或不同业务主题下的分析报告和数据报表等，为企业决策提供一定程度上的支持和帮助。

二、数据仓库的特点？

• 主题性

传统的数据库，更多的可能是考虑到应用层面上的数据组织和结构，因此各个业务之间的数据可能相互独立，相互分离。而数据仓库是对业务系统中各业务数据通过不同主题域特征进行抽象，通过归纳和总结等手段，形成一个更高层次的主题和维度抽象。

• 集成性

因为数据仓库与传统意义上的数据库不同，它需要接纳各种独立，异构的数据，因此它需要通过ETL（抽取、清洗、转换）功能，将这些数据统一处理并汇总到数据仓库中，而将全部的数据汇总的好处就是数仓中包含了企业所有数据，解决了企业数据孤岛问题，在后期可以为企业提供统一的数据视图。因此，数据入仓前的ETL是数仓建设中尤为关键且有非常复杂的一件事。

• 稳定性

传统数据库更多的偏向于更新操作(CRUD)，而数据仓库则是更多的提供一种可靠的，长久数据的查询和分析能力。在生产场景种，数据一旦写入到数据仓库，大概率会被长期保存且基本不进行修改操作，除非企业针对特定数据设置数据生命周期。因此基于这种更新频率几乎为零的设计再加上数仓的分布式存储与高可用的搭建，保证了数仓的稳定性和完整性。

• 及时性

数仓不仅仅要存储了管理历史数据，同时还要能够实时接收新的集成数据，通过这种快速反应历史数据与新增数据差异对比的能力，能够快速给决策和分析人员提供参考依据，这也是数仓建设的最终目的。

三、为什么要建设数仓？

​ 随着移动互联网的快速发展，企业数据和数据复杂度也呈几何式增长。到目前为止，数据已经成为了众多企业的核心资产之一。但目前很多企业在不同的业务场景，都拥有众多数据源，企业数据也分布在不同的业务系统中，但决策者在决策时，通常是要结合全公司各个业务数据来综合分析考虑的，而一个高效可靠的数据仓库，能够汇集公司众多结构化和非结构化的数据，能够提供稳定高效的查询分析，能够帮助决策者更加高效的管理和分析企业发展现状与预测未来走势，同时，也能将公司的数据资源转换为真正的企业资产。

​ 接下来，我们将从数据仓库的分类与建模方法中展开讨论。