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！