什么是数据仓库？如何构建数据仓库？

什么是数据仓库？

数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，它用于支持企业或组织的决策分析处理。

• 面向主题的：数据集合是以主题为单位进行数据汇聚，一个主题内只存储与本主题有关系的数据。

• 集成的：数据来源多种多样，需要ETL操作。

• 相对稳定的：一般只进行写入与查询操作，不进行更新与删除。

• 反映历史变化：关键数据隐式或显式的基于时间变化

如何构建数据仓库？

1). 前期业务调研 需求调研 数据调研 技术选型

• 业务调研
  座谈业务同学，梳理业务流程，构建概念数据模型。
  同时初步划分数据仓库DW层主题域。
  

• 需求调研
  梳理现有数据需求，收集整理过去、现在与将来的数据或BI报表需求。
  同时初步划分数据仓库APP层主题域。

• 数据调研
  获取每个数据源，数据结构说明书，整理数据字典。
  划分每个表的业务线与所属模板。
  同时初步划分数据仓库ODS层主题域
  

2). 提炼业务模型，总线矩阵，划分主题域；

• 确定主题域
  通过对第一步三个阶段的补充，分析，舍弃（断舍离），整合，抽象，最终确定主题域。主题域是主题的边界，主题是围绕实体凝聚的数据。
  

• 提炼总线架构(一致性维度)
  Kimball提出的数据仓库建模中有三个关键性概念-总线架构，一致性维度，一致性事实。所有的开发迭代必须在这三个概念编制的体系之内。
  而一致性维度就好比企业范围内的一组总线，不同数据集市的事实的就好比插在这组总线上的元件。这也是称之为总线架构的原因。

• 构建总线矩阵
  以维度为列，以事实为行，来判断每个事实与维度之间的关系
  

3). 定制规范 命名规范、开发规范、流程规范

略

4). 数仓架构分层：一般分为操作数据层（ODS）、公共维度模型层（CDM）和应用数据层（ADS）,其中公共维度模型层包括明细数据层（DWD）和汇总数据层（DWS）

公共维度模型层（CDM）：存放明细事实数据、维表数据及公共指标汇总数据,其中明细事实数据、维表数据一般根据ODS层数据加工生成：公共指标汇总数据一般根据维表数据和明细事实数据加工生成。

CDM层又细分为DWD层和DWS层,分别是明细数据层和汇总数据层,采用维度模型方法作为理论基础,更多地采用一些维度退化手法,将维度退化至事实表中,减少事实表和维表的关联,提高明细数据表的易用性：同时在汇总数据层,加强指标的维度退化,采取更多的宽表化手段构建公共指标数据层,提升公共指标的复用性,减少重复加工。

应用数据层（ADS）：存放数据产品个性化的统计指标数据,根据CDM层与ODS层加工生成。

5）.选择合适的数据模型，不同的行业涉选取的模型近不相同，合适的模型，更利于在数据存储，计算，开发，安全，以及数据查询的效率，更能体现数仓的价值。

略

6）.制定合理的数据治理方案。

• 数据治理
  确保数据的完整性，准确性，实时性，一致性。
  主键监控，表数据量与波动监控、重要字段的非空监控、重要枚举字段的离散值监控、指标值波动监控、业务规则监控。

• 元数据管理
  对技术元数据与业务元数据的存储与使用。可以使用的技术有：Metastore、数据字典、系统库、调度日志、作业依赖、数据血缘等。

• 数据审计
  数据安全与数据权限
  使用外部表、跳板表保证数据安全，进行“最小权限原则”，敏感数据脱敏，审计等等。

一句话总结：通过三步调研（业务调研、需求调研、数据调研），划分主题域，确定主题。然后构建总线矩阵，维度建模（星型模型、四步建模）。设计数仓分层架构（ods-dwd-dws-ads），定制规范（命名规范、模型规范、开发规范、流程规范）。数据治理（数据质量，数据安全，元数据管理）。开工ETL/BI，迭代开发。