数据仓库

本文基于 DAMA 体系资料整理，约 773 字。

一、核心定义与目标

数据仓库被定义为一个面向主题的、集成的、非易失的且随时间变化的数据集合，用以支持管理决策。

其根本目标是：

整合来自不同源系统的数据。

提供一个单一、一致、可信的数据源。

赋能业务用户和决策者进行历史趋势分析和战略性、战术性查询与报告。

二、数据仓库的四大关键特征

根据经典定义，数据仓库具备以下四个核心特征，可以概括为：

三、数据仓库的架构与关键组件

源系统：数据来源，如ERP、CRM、财务系统等操作型数据库。

数据集成（ETL/ELT）：

提取：从源系统获取数据。

转换：核心步骤，包括清洗、标准化、整合、计算。

加载：将转换后的数据加载到数据仓库中。这是数据集成与互操作领域的核心活动。

数据准备区：一个临时存储区，用于在加载到核心仓库前进行数据清洗和整合。

核心数据仓库：存储集成、历史数据的中央仓库，通常采用规范化或维度化模型。

数据集市：数据仓库的一个子集，为特定部门或业务线定制，通常采用维度模型，便于查询和分析。

元数据：描述数据仓库中数据的“数据”，包括技术元数据和业务元数据，是理解数据的关键。

BI与分析工具：前端工具，用户通过它们访问、可视化和分析数据。

四、数据仓库在DAMA中的价值与关联

数据管理的价值体现：数据仓库是数据治理、数据质量、数据架构等多项数据管理活动成果的集中体现和最终价值出口。高质量的数据治理最终要服务于数据分析与决策。

支持决策：它将数据转化为信息，最终升华为知识和智慧，是DIKW模型实践的典型场景。

记录系统：数据仓库通常被视为分析型记录系统，即用于生成权威分析报告的官方数据源。

总结来说，在DAMA体系中，数据仓库不是一个简单的技术产品，而是一个完整的、战略性的、以数据为中心的环境。它通过一套严谨的流程和架构，将分散、混乱的操作型数据，转变为集中、统一、可信的战略信息资产，最终赋能组织实现数据驱动的决策文化。