数据仓库设计里的清理策略挺关键的，尤其是搞大数据开发的你一定懂，数据不是丢了，而是‘升华’了。比如转存、归档或者转层，都是常用套路。这篇文章讲得挺细，思路清晰，对搞数据架构设计的有参考价值。

报表跟数据仓库怎么搭配？这里有一张结构图（图 2-26）其实讲得蛮直观。不是所有都得往仓库里塞，有时候放在操作层效率还更高。

还有一点值得一提：文中结合了一个实用的场景——用深度学习从 MRI 里识别阿尔茨海默氏病。听起来前沿对吧，但其实逻辑还蛮清晰。数据进仓库、清理、转层，再结合模型训练，这流程标准，适合你想试试数据驱动开发方式的场景。

要是你最近在研究医学图像识别，或者搞数据仓库、报表架构的优化，下面这些资源我觉得都值得看看：

如果你在折腾Hive、Oracle或者Hadoop环境的报表设计，也可以顺手看看下面这些实战内容，对你熟悉数据流转结构会有。