江苏龙网

  1. 首页 > 资讯 > 科技 > >

科技小数据|一文了解数据仓库


人工智能层的：智慧地球、智慧城市、智慧社会企业层面的：数字互联网 ， 数字经济、数字平台、数字城市、数字政府；平台层面的：物联网 ， 云计算 ， 大数据 ， 5G ， 人工智能 ， 机器智能 ， 深度学习 ， 知识图谱技术层面的：数据仓库、数据集市、大数据平台、数据湖、数据中台、业务中台、技术中台等等
数据中台
数据中台是聚合和治理跨域数据 ， 将数据抽象封装成服务 ， 提供给前台以业务价值的逻辑概念 。 数据中台是一套可持续“让企业的数据用起来”的机制 ， 一种战略选择和组织形式 ， 是依据企业特有的业务模式和组织架构 ， 通过有形的产品和实施方法论支撑 ， 构建一套持续不断把数据变成资产并服务于业务的机制 。 数据中台连接数据前台和后台 ， 突破数据局限 ， 为企业提供更灵活、高效、低成本的数据分析挖掘服务 ， 避免企业为满足具体某部门某种数据分析需求而投放大量高成本、重复性的数据开发成本 。 数据中台是指通过数据技术 ， 对海量数据进行采集、计算、存储、加工 ， 同时统一标准和口径 。 数据中台把数据统一之后 ， 会形成标准数据 ， 再进行存储 ， 形成大数据资产层 ， 进而为客户提供高效服务 。 数据中台 ， 包括平台、工具、数据、组织、流程、规范等一切与企业数据资产如何用起来所相关的 。
可以看出 ， 数据中台是解决如何用好数据的问题 ， 目前还缺乏一个标准 ， 而说到数据中台一定会提及大数据 ， 而大数据又是由数据仓库发展起来的 。
数据仓库（Data WareHouse）简述
数据仓库 ， 按照传统的定义 ， 数据仓库是一个面向主题的、集成的、非易失的、反映历史变化（随时间变化） ， 用来支持管理人员决策的数据集合 。1 ， 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 。 主题是一个抽象的概念 ， 是数据归类的标准 ， 是指用户使用数据仓库进行决策时所关心的重点方面 ， 一个主题通常与多个操作型信息系统相关 。 每一个主题基本对应一个宏观的分析领域 。 例如 ， 银行的数据仓库的主题：客户客户数据来源：从银行储蓄数据库、信用卡数据库、贷款数据库等几个数据库中抽取的数据整理而成 。 这些客户信息有可能是一致的 ， 也可能是不一致的 ， 这些信息需要统一整合才能完整体现客户 。
2 ， 集成
面向事务处理的操作型数据库通常与某些特定的应用相关 ， 数据库之间相互独立 ， 并且往往是异构的 。 而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 。 具体如下：1：数据进入数据仓库后、使用之前 ， 必须经过加工与集成 。 2：对不同的数据来源进行统一数据结构和编码 。 统一原始数 据中的所有矛盾之处 ， 如字段的同名异义 ， 异名同义 ， 单位不统一 ， 字长不一致等 。 3：将原始数据结构做一个从面向应用到面向主题的大转变 。
3 ， 非易失即相对稳定的
操作型数据库中的数据通常实时更新 ， 数据根据需要及时发生变化 。 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 。
数据仓库中包括了大量的历史数据 。
数据经集成进入数据仓库后是极少或根本不更新的 。
随时间变化即反映历史变化
操作型数据库主要关心当前某一个时间段内的数据 ， 而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 。 企业数据仓库的建设 ， 是以现有企业业务系统和大量业务数据的积累为基础 。 数据仓库不是静态的概念 ， 只有把信息及时交给需要这些信息的使用者 ， 供他们做出改善其业务经营的决策 ， 信息才能发挥作用 ， 信息才有意义 。 而把信息加以整理归纳和重组 ， 并及时提供给相应的管理决策人员 ， 是数据仓库的根本任务 。 因此 ， 从产业界的角度看 ， 数据仓库建设是一个工程 ， 是一个过程


推荐阅读


上一篇：趣头条|帝豪GS配上这款车载蓝牙，立马变得高档舒适方便起来！

下一篇：环球Tech|手机看车站大屏是怎样的感觉？12306新版体验