明白什么是数据仓库了，浅浅的了解一下数据仓库的目标，数据仓库的价值！_数据仓库的价值知识

数据库相信在坐的各位耳熟能详，但数据仓库却一知半解，在日常工作中很多小伙伴都听过数据仓库这个部门和名词，但大部分的人对为什么会有数据仓库，以及数据仓库的作用是什么还一脸问号。那今天我们就日常遇到的话题中来浅浅的来理解下什么是数据仓库。

存在的问题

当在一定的体量企业工作后，总会遇到这样的话题：

1. 我们需要从各个不同的角度方便的对业务过程进行观察分析；
2. 我们收集了大量的数据，但是却无法使用它；
3. 在开会的过程争论的是谁的数据是正确的，而不是制定决策的方案，这一点想必在坐的各位深有感触；
4. 我的判断需要足够的基于事实的数据来支持，以便能佐证我的观点；
5. 我的希望我的决策都是基于业务事实来决定的；
6. 我们需要能够快速相应，高效率支持的一个团队来提供数据支持指导业务深耕。

通过这些问题我们需要找到一个方案来解决这些问题，那么便延伸出了数据仓库。

数据仓库，由数据仓库之父比尔·恩门（Bill Inmon）于1990年提出，是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持企业管理和决策。
面向主题的：围绕主题来组织数据仓库中的数据，每个主题区域仅包含该主题相关的信息。
集成的：从不同的数据源采集数据到同一个数据源。
相对稳定的：数据装入以后一般只进行查询操作，没有传统数据库的增删改操作。
反映历史变化的：从历史的角度提供信息，关键结果都隐式或显式地包含时间元素。

业务对数据仓库的需求

说了这么多，数据仓库到底要具备什么功能呢？我们基于以上的问题转换成了业务需求：

• 能够方便的存取信息：对除开发人员之外的大佬来说，有数据直观性。同时能够快速的相应出查询的结果返回给用户。划重点了关键词概括：简单，快捷。
• 一致的形式展现信息
• 能够及时的展现信息同时适应变化
• 成为提高决策制定能力的的权威和可信的基础
• 获得业务群体的认可

数据仓库存在的价值

随着大数据时代的到来，面对爆发式增长的数据，如何将这些数据有序、有结构的分类和组织存储是我们面临的一个挑战。而数据仓库理论可以将数据有序的组织和存储起来之后（即模型）。而优秀的数据仓库价值主要体现在以下几个方面：

• 性能：良好的数据模型以及适当的数据冗余和维度退化以提升查询分析速度，减少数据获取的成本；
• 成本：实现公共数据的共享，提升复用能力，降低大数据系统的存储和计算成本；
• 质量：实现应用与源数据的解耦，降低源数据变动对应用的影响，提升应用的健壮性，同时减少数据计算错误的可能性；
• 效率：良好的数据模型极大的改善用户使用数据的体验，提高使用数据的效率。

其实，数仓在整个公司中扮演着一个承上启下的角色，本身并不会产生数据，而是从各个线上系统获取数据，按照相应的方法论进行数据建设，从而为我们的下游（决策层、运营、研发、分析师、外部厂商等）提供定制化的数据解决方案，我们需要优秀的数据模型以便能在性能、成本、质量和效率之间取得最佳的平衡。