EDW与维度模型间的抉择
1 EDW（enterprisedatawarehouse，企业级数据仓库），强调从源系统的业务与数据出发，在企业的的全局高度进行业务对象抽象，使其包含整个企业不同源系统的具体业务对象。
1.1 采用雪花模型架构，设计上符合第三范式
1.2 优点：统一规范
1.3 缺点：复杂，开发周期长，成本高昂
2 宽表（维度建模），强调从应用需求的角度出发，以空间换时间，快速响应业务需求，并通过强调维度的一致性来保证各个模型维度数据的一致性
2.1 采用星型模型架构，会出现大量数据冗余
2.2 优点：快速响应
2.3 缺点：当模型数量大了后管理和维度的一致性是巨大的挑战
3 维度建模步骤
3.1 确定主题，如客户关系分析、客流分析等
3.2 确定分析的具体内容（指标），如客户流失率、贡献度等
3.3 以【3.2】为基础设计数据模型
3.4 建立数据集市，分类存储
3.5 新主题重复以上步骤
4 数据仓库分层概览
4.1 缓冲层（buffer），可选
4.1.1 直接从数据源抽取一模一样的一份数据副本以供使用
4.2 ODS层（operationdata store，营运数据存储层），可选
4.2.1 仍然是明细数据，但数据是被清洗加工过的，结构上符合了DW层，但数据是明细数据
4.2.2 更新频率比DW快，实时性高，如果需要明细或者实时数据，则从ODS层获取
4.3 DW层（datawarehouse，数据仓库层），必选
4.3.1 为汇总数据，且是被清洗加工后按DW的设计存入的数据
4.4 DM层（datamarket，数据集市），可选（但基本都会选）
4.4.1 数据从DW层而来
4.4.2 DM层是依赖主题或者应用需求而建立的（比如，销售部门的DM存储了各部门的相关销售数据，再比如管理层DM则记录了销售、成本、利润等等数据）
