数据仓库

数据仓库是决策支持系统（DSS）和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。数据仓库之父William H. Inmon在1991年出版的Building the Data Warehouse一书中所提出的定义被广泛接受，数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

数据仓库具有以下的特点：

• 面向主题。操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。主题是与传统数据库的面向应用相对应得，是一个抽象概念，是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。每一个主题对应一个宏观的分析领域。数据仓库排除对于决策无用的数据，提供特定主题的简明视图。

• 集成的。数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

• 汇总的。操作性数据映射成决策可用的格式。

• 大容量。时间序列数据集合通常都非常大。

• 非规范化的。DW数据可以是而且经常是冗余的。

• 元数据。将描述数据的数据保存起来。

• 数据源。数据来自内部的和外部的非集成操作系统。

• 相对稳定的。数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。

• 反映历史变化。数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

数据仓库用于保存历史数据，其中一般包含聚合的数据，后期追加数据也是通过批量导入的方法。早在20世纪80年代初期就已经开始使用基于数据仓库的解决方案了，当时的解决方案一般是由专门的工具实现的。在规划一个数据仓库时，我们要在调研的基础上，确定数据仓库的数据来源包含哪些数据源，同时要明确数据的详细程度，即数据粒度。数据粒度越小，可以分析得到的信息就越具体。

在有些情况下，OLAP和数据仓库这两个概念可以互换。但这并不能说明二者是同一个概念。数据仓库的概念要更大。OLAP由多维数据集构成，而数据仓库可以由反规范化的OLTP数据构成，也可以由OLAP构成。

所以把OLAP多维数据集作为数据仓库，在BI解决方案中使用，将变得更加的高效、方便和经济。