写给小白的“数据仓库”科普

正文

请到「今天看啥」查看全文

终极目的，当然是增加收入、提升效率、降低成本。

现在很多企业搞数字可视化大屏，背后就是数据仓库的支持

• 面向主题

传统数据库，围绕具体的工作（应用 ） 来组织数据，用于一个明确的事务。例如进销存数据库、考勤数据库、财务数据库等。

而数据仓库，是按照主题来组织数据的。所谓主题，是一个特定的业务领域，或者一个明确的分析目标，例如销售分析主题、员工敬业度主题，学生在校表现主题等等。主题的范围更大，level（层级 ） 更高。

简单来说，数据仓库的数据，是多个传统数据库的集合和“拉通”。它把不同数据库表单的信息挑选整合在一起，提供了一个更全面的数据呈现。

主题性的设计，显然更适合支持管理者做决策和分析。

• 集成
  

集成，是指数据仓库可以整合来自多个不同数据源（企业内部数据库、供应商数据库、渠道商数据库等）的数据。

多方面的数据源，也是为了提供一个更全面的视角，以便服务于分析和决策。

这些数据，可以包括结构化数据、半结构化数据和非结构化数据等。但数据仓库，主要还是结构化数据为主。

• 相对稳定

相对稳定，指的是 数据一旦被加载到数据仓库中，通常不会更新或修改，确保了数据的稳定性和用于长期分析的可靠性。

换言之，数据仓库所涉及的操作，主要是数据查询，而不是修改。

除了数据之外，数据仓库的架构一般也不会频繁变化。

• 反映历史变化

传统数据库，一般都是数据更新。写入新数据，替换旧数据。

数据仓库不一样。它保存了大量的历史数据，有利于企业从时间的维度，分析业务的发展趋势。

面向主题、集成、相对稳定、反映历史变化，这就是数据仓库的四大特征。

我们还是以超市为例，总结一下数据仓库和传统数据库的区别。

假如你有一个大超市。

超市有基于传统数据库的很多个收银台，记录了每天的每一笔交易（卖出了什么商品，金额是多少）。超市还有库存系统，记录了商品的信息（一共有多少个库存）。 还有会员系统、购物卡系统，等等。

所有这些数据，分散在不同的系统里，杂乱无章。

你把所有系统的数据（销售数据、顾客信息、供应商记录等），统一做了整理（比如去掉无效数据、统一“日期”格式），按主题分类（比如“销售分析”、“客户画像”），集中存到一个庞大的数据系统里。这就是数据仓库。

然后，你开发了一些工具，可以分析这些数据，回答你的一些疑问：

“过去5年哪些商品在春节卖得最好？”

“上海和北京的顾客购物习惯有什么差异？”

“如何预测明年的商品库存需求？”

……

也可以以大屏的形式，观看这些数据 （掌控全局、运筹帷幄的老板既视感）：

请到「今天看啥」查看全文