一：数据仓库简介

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。

数据仓库系统是一个信息提供平台，他从业务处理系统获得数据，主要以星型模型和雪花模型进行数据组织，并为用户提供各种手段从数据中获取信息和知识。企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。

数据仓库是决策支持系统（dss）和 联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性 ，用于支持管理决策。数据仓库存在的意义在于对企业的所有数据进行汇总,为企业各个部门提供统一的 ，规范的数据出口。

面向主题：数据仓库中的数据是按照一定的主题域进行组织的，每一个主题对应一个宏观的分析领域。数据仓库排除对于决策无用的数据，提供特定主题的简明视图。
集成的：企业内不同业务部门数据的完整集成。对于企业内所有数据的集成要注意一致性（假设财务系统中对于性别使用 F/M，而 OA系统对性别使用 A/B，这就是数据不一致，如果想搭建企业级的数据仓库，需要数据具有一致性）。
稳定的：数仓里不存在数据的更新和删除操作。
变化的：数仓里会完整的记录某个对象在一段时期内的变化情况。
数据仓库的目标是实现集成、稳定、反映历史变化有组织有结构的存储数据的集合

二：OLTP 与 与 OLAP

操作型处理（传统数据库）：联机事务处理 OLTP（On-Line Transaction Processing）主要关心操作的响应时间、数据的安全性、完整性，事务一致性和并发等问题。传统的数据库系统作为数据管理的主要手段，主要用于操作型处理。所谓操作型处理，即记录用户操作的行为，以及操作过后产生的结果和状态。例如用户购物的行为。在购物中涉及的操作行为有：下单，结算等。产生的结果有：购买的物品，所花费的金额，收货地址，下单时间等。在传统数据库中，通常采用ER图进行描述，主要说明的是数据的流向和操作事务的生命周期。而生命周期的每个阶段主要描述的是实体之间对应的关系。

分析型处理（数据仓库）：联机分析处理 OLAP（On-Line Analytical Processing）一般针对某些主题的历史数据进行分析，支持管理决策。操作型处理面对的对象是实体，解决实体之间存在的关系。数据仓库面对的对象是主题，用于统计指标，起到决策的作用。

OLTP 与 与 OLAP：

传统数据库

数据仓库

涉及到数据处理的每个细节

根据业务需求，统计，提炼指标

实体-关系（ER）模型

星型或雪花模型

行记录的状态可更新 只读

不可更新，可追加

一次操作一个单元

一次操作一个集合

性能要求高，响应时间短

性能要求宽松

支持日常事务操作

支持决策需求

数据量小

数据量大

客户订单、库存水平和银行账户等

客户收益分析、市场细分等