如今，数据分析已经成为帮助企业做出战略决策的关键。软件工具可以帮助企业发现模式或者发现各种流程的洞察。用于实施这些策略的数据系统通常作为供应商特定的企业数据仓库解决方案而存在。在这些应用程序中，信息被加载和结构化，以便从非常大的数据集合中提供最有效的结果。

数据仓库

数据仓库是用来提供新的业务洞察力的数据中心存储库。这些数据代表了业务的全面一致的观点。通常开源数据仓库解决方案，这些历史数据集具有以下特征：：

·面向主题：数据仓库通常提供特定的主题或业务需求，如销售或生产效率。

·时变性：数据是历史性的，因此可以用特定的时间框架来分析结果，例如在过去两年中按每月或按季度计算。企业数据仓库通常是由事务系统中封装的数据提供的，其中只有最近的数据是必需的。例如，事务系统可能只反映客户最近的电话号码，而数据仓库将包含所有以前使用的号码。

·集成性：数据仓库将来自多个不同来源的信息整合到同一视图中。例如，不同的商店可能具有相同产品的不同名称，但它们仍将具有相同的库存单元(SKU)或零件号。

·非易失性：存储在企业数据仓库中的信息不会改变。为了保持历史数据的完整性，它是只读的，从不改变。

什么样的数据加载到数据仓库?

业务数据操作几乎是实时的，例如从连锁商店在POS机终端捕获的销售信息。每日销售数据由系统捕获并送入数据文件。然后，这些文件将得到ETL(提取，转换和加载)软件或脚本的管理开源数据仓库解决方案，或将该数据“归一化”到可直接上传到数据仓库表中的字段。

例如，一家大型零售连锁店将要捕捉销售商品的数据，例如，销售人员，商店，时间，付款方式，特别优惠或优惠券等等。另一家公司可能更有兴趣收集客户服务活动以进行定期绩效分析。

大多数存储的数据是关系型的。这意味着信息以能够与单个表链接的数字ID字段的形式存在，例如链接到文本的产品名称的产品ID列表和每个不同ID的描述。这可以节省企业数据仓库的空间，同时在数据报告中提供更有意义的信息。

数据仓库与传统数据库的区别

数据库通过捕获信息(无论是电子自动的还是人工采集的)来支持日常操作。这些也称为事务或操作数据库。它们主要用于从源头捕获信息。数据库还允许对信息进行编辑，以更加密切地反映真实世界的变化。它们针对数据输入进行了优化：协调小型而频繁的更新和添加。数据被组织成行或单个记录。

虽然这两

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！