查看“数据仓库和商务智能”的源代码

企业数据仓库，提供了一种减少数据冗余、提高信息一致性，让企业能够利用数据做出更优决策的方法。大多数企业都建有数据仓库，数据仓库被公认为企业数管理的核心。

=== 业务驱动因素 ===
数据仓库建设的主要驱动力是运营支持职能、合规需求和商务智能活动（尽管不是所有的商务智能活动都依赖于仓库数据）。

=== 目标和原则 ===
一个组织建设数据仓库的目标通常是：
* 支持商务智能活动。
* 赋能商业分析和高效决策。
* 基于数据洞察寻找创新方法。

数据仓库建设应遵循如下指导原则：

* 聚焦业务目标。确保数据仓库用于组织最优先级的业务并解决业务问题
* 以终为始。让业务优先级和最终交付的数据范围，驱动数据仓库内容的创建。
* 全局性的思考和设计，局部性的行动和建设。让最终的愿景指导体系架构，通过集中项目快速迭代构建增量交付，从而实现更直接的投资回报。
* 总结并持续优化，而不是一开始就这样做。以原始数据为基础，通过汇总和聚合来满足需求并确保性能，但不替换细节数据。
* 提升透明度和自助服务。上下文（各种元数据）信息越丰富，数据消费者越能从数据中获得更多数据价值。向利益相关方公开集成的数据及其流程信息。
* 与数据仓库一起建立元数据。数据仓库成功的关键是能够准确解释数据。能回答一些基本问题，如“这个数字为什么是X?”“这个怎么计算出来的?”“这个数据哪里来的?”元数据的获取应该作为软件开发周期的一部分，元数据的管理也应该作为数据仓库持续运营的一部分。
* 协同。与其他数据活动协作，尤其是数据治理、数据质量和元数据管理活动。
* 不要千篇一律。为每种数据消费者提供正确的工具和产品。

=== 基本概念 ===

* 商务智能
* 数据仓库
* 数据仓库建设
* 数据仓库建设的方法
* 企业信息工厂（Inmon）
* 多维数据仓库 （Kimball）
* 数据仓库架构组件
* 加载处理的方式

=== 管理活动 ===

* 理解需求
* 定义和维护数据仓库/商务智能架构
* 开发数据仓库和数据集市
* 加载数据仓库
* 实施商务智能产品组合
* 维护数据产品

=== 工具和方法 ===

==== 工具 ====

* 元数据存储库
* 数据集成工具
* 商务智能工具的类型

==== 方法 ====

* 驱动需求的原型
* 自助式商务智能
* 可查询的审计数据

=== 实施指南 ===
对一个好的数据仓库项目来说，具备满足未来需求的稳定扩展架构是很重要的。配置一个能够处理日常数据加载、需求分析，以及解决最终用户生产问题的支持团队是必须的。此外，要保持项目成功，必须确保数据仓库团队与业务部门团队保持一致。具体实施上，以下几个方面需要关注：

* 就绪评估/风险评估
* 版本路线图
* 配置管理
* 组织与文化变革

=== 数据仓库和商务智能的治理 ===

* 业务接受度：关键的成功指标是业务对数据的接受程度，包括数据的可理解性、可验证的质量，以及可证明的数据血缘关系等。
* 客户/用户满意度：通过定期与用户代表召开会议，可以促进对问题的收集和理解，并根据客户反馈采取行动
* 服务水平协议：对具体数仓环境的业务和技术期望应在服务水平协议（SLA）中指定。
* 报表策略：报表策略包括标准、流程、指南、最佳实践和程序，它将确保用户获得清晰、准确和及时的信息
* 度量指标：可以从多个角度制定数据仓库和商务智能领域的度量指标：
** 使用指标：如使用数，链接数，并发用户数等
** 主题域覆盖率：业务领域的覆盖情况
** 响应时间和性能指标：如查询检索的响应时间，数据加载的延迟时间等