如何搭建一个数据仓库？ 下面大体说明了搭建的流程。
数据仓库的结构
用一幅图来表示：
数据仓库的好处
数据仓库是一套体系。可以建在Oracle上，MySQL上，Hive上，MaxCompute上，具体建在哪个平台根据数据量来定。对数据仓库来说，建在哪个平台不重要，重要的是目的。
数据仓库的目的，是对组织的数据进行统一的治理，归纳来讲，就是：存、通、用。
- 存：是指数据的统一存储。数据放在一起了，meta才能在一起，便于后续的计算。
- 通：是指数据的梳理，集中式的数据存储自然而然带来数据的集中管理。便于企业梳理内部的数据，这个是最能刺痛规模比较大，业务比较繁杂的企业的。
- 用：就是在梳理好内部数据资产后，可以看到那些数据可以做链接。那些业务可以合作。自己还缺少哪些数据。
存偏向于存储，通偏向于数据管理，用偏向于数据计算，也就是业务创新。
业务的野蛮生长总会遇到瓶颈，这个时候就需要有内在驱动的业务创新。数据是指导组织二次创业的好依据。by 山水
主要的流程
简单的来说，就是包括：数据源、ODS、DW（DM）、报告这几部分。
主要有这么几个流程：
-
数据源到ODS，需要考虑：
- 数据源的平台有哪些，比如Oracle，MySQL，文本文件，每个平台有哪些可用的同步工具
- 数据有哪些，数据字典有没有
- 哪些表全量同步
- 哪些表增量同步，如何取增量数据
- 同步周期，按小时，按天，按周，按月？
- 数据量评估：存量数据有多大，增量数据每天有多少
- 历史保留多久
- 数据正确性校验
- 调度、监控、报警
-
ODS到DW(DM)，刚开始可以考虑建立数据集市(DM)，待对数据，对业务足够理解，人足够多的时候，考虑建立数据仓库(DW)，需要考虑：
- 熟悉数据字典，理解业务，理解数据
- 事实表要建哪些
- 维度表要建哪些
- 更新周期，按小时，按天，按周，按月？
- 数据量评估：存量数据有多大，增量数据每天有多少
- 历史保留多久
- 验数
- 调度、监控、报警
-
报告，这个是给业务、决策层看的，是体现价值的地方
- 统计口径的确定
- 验数：验证数据是否正确
- 如何展示：是表格、图形，还是大屏？
用到的工具
在建设数据仓库的时候，需要使用一系列的工具。
-
数据源到ODS
- ETL工具，比如kettle
-
ODS到DW(DM)
- SQL
-
报告
- 报表平台
整个流程通过 调度工具 串起来
调度工具需要解决：
- 任务依赖
- 周期性执行
- 监控，报警
- 日志
后续的工作
迭代！
迭代！
迭代！
作者：https://yq.aliyun.com/u/huaheshang
更多精彩内容请关注袋鼠云微信微博：