阅读全文

在数据仓库项目的实施过程中，仍然存在不少对数据仓库概念的误解和应用的误区，希望本文能够帮助大家澄清部分焦点问题 阅读全文

1996年, Inmon 在他的专著《Building the Data Warehouse》中, 对数据仓库做了如下定义,即“面向主题的、完整的、非易失的、不同时间的、用于支持决策的数据集合”。这和传统的OLTP系统有很大的区别,它属在线分析(OLAP)系统的范畴。面向主题的,指的是它将依据一定的主题,比如经销商、产品、定单等汇总各个OLTP系统的数据。完整的, 指的是要求对各个系统数据表示进行 阅读全文

Kimball数据仓库构建方法中，ETL的过程和传统的实现方法有一些不同，主要分为四个阶段，分别是抽取（extract）、清洗（clean）、一致性处理（comform）和交付（delivery），简称为ECCD。 阅读全文

阅读全文

信息处理的多层次要求导致了一种新的数据环境——DB-DW的中间层ODS（操作型数据存储）的出现。ODS是“面向主题的、集成的、当前或接近当前的、不断变化的”数据。通过统一规划，规范框架和数据，ODS可以实现操作型数据整合和各个系统之间的数据交换，能够提供实时的操作型报表，减轻数据仓库的负担。建设ODS还可以为后期数据仓库建设做好准备。 阅读全文

最近几年企业信息化过程中系统没有少上，什么ERP，PDM，CSM，DSERP等算起来将近有七八套，在一定程度上提高了企业的信息化管理水平，但是又迎来了另一个问题。企业的许多数据在不同的系统中需要维护，经常会出现不同的系统间数据不一致的问题，这就需要各系统之间进行集成。由于各系统架构不一致，所以目前采取的方式主要是数据级别的集成。 阅读全文

作者: 宋国杰等。 随着信息技术的发展，数据仓库技术得到了前所未有的广泛应用，产生了巨大的经济效益。在美国，30％～40％的公司已经或正在建造数据仓库，其代表有AT&T公司、VERIZON移动通信、沃尔玛百货公司等。据国际权威统计机构IDC对欧洲和北美62家采用数据仓库技术的企业的调查分析发现，这些企业的3年平均投资回报率为401％，其中25％的企业的投资回报率超过600％。 阅读全文

摘要：本文主要描述了数据仓库的演进过程，介绍主动数据仓库、实时数据仓库、以及ODS等概念。 阅读全文

传统的数据仓库架构一般包括ETL、ODS、数据仓库、数据集市和BI工具。业务数据一般在每天深夜的批处理作业中从OLTP系统中抽取出来，存储到ODS中。数据在ODS中加工后，也是在夜间启用批处理将数据集中、分段传送给数据仓库，数据仓库把历史数据存储到数据集市的接口中，供相应的业务部门分析和处理。BI工具位于数据仓库或数据集市的顶端提供OLAP分析。 阅读全文