数据仓库什么是数据仓库？

什么是数据仓库? 它和数据挖掘间有什么关系？

数据仓库(Data Warehouse)是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，它用于支持管理中的决策制定过程。

数据挖掘（data mining，DM）就是通过对大型数据库和数据仓库中大量似乎无关的数据进行分析，以便发现并提取隐藏在数据深处的、人们事先不知道的、但是潜在有用的信息、知识和规律的过程。

两者相互促进，共同发展。

/view/3125923167ec102de2bd897b.html

做数据仓库有前途吗

绝对有钱途， 我推荐过两个大学毕业生，做了2,3年月薪都7-8k,如果英语不错，绝对上万 数据仓库最吃钱了，许多都是有钱的大公司钱没地花，大部分的数据仓库在投入前3年都没有多大的ROI,知道正在开始使用在markting, CRM才会产生更多revenue,但对于基本dashboard,还有作为stratedgy的数据基础。

没有数据仓库大企业势必会失去一些竞争优势，特别是前瞻。

什么是数据仓库，数据仓库如何分层

数据仓库分层的原因 1通过数据预处理提高效率，因为预处理，所以会存在冗余数据 2如果不分层而业务系统的业务规则发生变化，就会影响整个数据清洗过程，工作量巨大 3通过分层管理来实现分步完成工作，这样每一层的处理逻辑就简单了 标准的数据仓库分层：ods（临时存储层），pdw（数据仓库层），mid（数据集市层），app（应用层） ods：历史存储层，它和源系统数据是同构的，而且这一层数据粒度是最细的，这层的表分为两种，一种是存储当前需要加载的数据，一种是用于存储处理完后的数据。

pdw：数据仓库层，它的数据是干净的数据，是一致的准确的，也就是清洗后的数据，它的数据一般都遵循数据库第三范式，数据粒度和ods的粒度相同，它会保存bi系统中所有历史数据 mid：数据集市层，它是面向主题组织数据的，通常是星状和雪花状数据，从数据粒度将，它是轻度汇总级别的数据，已经不存在明细的数据了，从广度来说，它包含了所有业务数量。

从分析角度讲，大概就是近几年 app：应用层，数据粒度高度汇总，倒不一定涵盖所有业务数据，只是mid层数据的一个子集。

数据仓库的目的是构建面向分析的集成化数据环境，为企业提供决策支持。

数据仓库的context也可以理解为：数据源，数据仓库，数据应用 数据仓库可以理解为中间集成化数据管理的一个平台 etl（抽取extra，转化transfer，装载load）是数据仓库的流水线，也可以认为是数据仓库的血液。

数据仓库的存储并不需要存储所有原始数据，因为比如你存储冗长的文本数据完全没必要，但需要存储细节数据，因为需求是多变的，而且数据仓库是导入数据必须经过整理和转换使它面向主题，因为前台数据库的数据是基于oltp操作组织优化的，这些可能不适合做分析，面向主题的组织形式才有利于分析。

多维数据模型就是说可以多维度交叉查询和细分，应用一般都是基于联机分析处理（online analytical process OLAP），面向特定需求群体的数据集市会基于多位数据模型构建 而报表展示就是将聚合数据和多维分析数据展示到报表，提供简单和直观的数据。

元数据，也叫解释性数据，或者数据字典，会记录数据仓库中模型的定义，各层级之间的映射关系，监控数据仓库的数据状态和etl的任务运行状态。

一般通过元数据资料库来统一存储和管理元数据。

什么是数据仓库？

数据库是存放数据的仓库。

它的2113存储空间很大，可以存放百万条、千万条、上亿条数据。

但是数据库并不是随意地5261将数据进行存放，是有一定的规则的，否则查询的效率会很低4102。

当今世界是一个充满着数据的互联网世界，充斥着大量的数据。

即这个互联网世界就是1653数据世界。

数据的来源有很多，比如出行记录、消费记录、浏览的网页、发专送的消属息等等。

除了文本类型的数据，图像、音乐、声音都是数据