数据仓库的特点与集成 - 第3章数据仓库

OLTP与OLAP 1.OLTP（OnLine Transaction Processing)—联机事务处理系统，它是事件驱动、面向应用的。例如银行的储蓄系统就是一个典型的OLTP系统。其特点是：对响应时间要求非常高；用户数量非常庞大，主要是操作人员；数据库的各种操作基于索引进行t关系数据库满足了联机事务处理（OLTP）的要求

数据仓库的全局统一视图，真的是企业数据混乱的利器。你要多个业务系统的数据，那统一口径、保证一致性，少不了用数据仓库。这里提到的几个核心问题，比如数据完整性、准确性、一致性，其实都是实际工作里天天遇到的坑。 统一的数据视图是业务的基础。你遇到一个产品销量在 CRM 里是 500，在财务系统里却是 480？嗯，多半是各系统之间数据没同步、规则不同步。这时候面向的架构设计就派上用场了，数据仓库就像是个“数据翻译官”，帮你统一口径。 这些相关文章还蛮实用的。比如 Access 2003 数据一致性解析，就适合想从小型数据库入门的人。还有京东指标统一管理平台，它用的方式也挺有借鉴意义，大厂方法不妨学着点

全面的数据集合，涵盖广泛主题，满足您的各种需求。

在数据仓库应用的范围中，IT人员为业务用户开发支持独立分析的系统，满足不同用户群体的需求。主要应用包括： 专业分析人员：为这些用户提供复杂分析工具和资源。 标准报表：针对常规数据分析需求，提供稳定的报表输出。 即席查询分析：为用户提供灵活、实时的查询分析功能，支持即时决策。 复杂分析：通过深度分析工具，帮助专业人员进行数据挖掘和高级分析。

数据仓库总线方法论是数据仓库建模的核心理念之一，它通过定义一种结构化的方法来指导数据仓库的设计和构建过程。

Oracle Warehouse Builder（OWB）是Oracle公司于1998年推出的一个集成工具，专注于帮助企业构建数据仓库。OWB整合了之前分散的产品功能，包括数据模型设计、数据提取、移动和装载（ETT）、元数据管理、分析工具整合以及数据仓库管理。它提供了一个框架，将关系数据库服务器、多维数据库服务器和前端分析工具紧密结合，形成了全面的数据仓库和商业智能（BIS）解决方案。

数据仓库是主题导向、整合、相对稳定、反映历史变化的数据集合。它是一种“数据存储”体系结构，支持结构化、启发式、标准化查询、分析报告和决策支持。

该数据仓库实例可从网络中获取。

建行数据仓库的基本架构涉及多个业务系统，包括ODS业务系统、AML、ALM、DCC网银个贷系统、信用证系统等。源表(sdata)通过中间层的pdata将数据传递至数据仓库中的CCDA和CAS等组件。核心银行业务处理系统（DCC）在数据仓库中的目标表大致分为三类：拉链表、时间切片表和当前表。这些表通过不同的物理字段来处理时间信息，特别是Start_Date、End_Date和Data_Dt等字段，能够有效地保留ETL过程中的时间维度数据。