数据仓库和商务智能

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
• 在线分析处理OLAP

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