数据架构 - 关系数据仓库

在当今数据驱动的世界中，企业生成和管理大量信息。为了处理这些信息，他们需要一个地方来存储数据并快速检索数据。这就是关系数据仓库的作用所在。它以结构化的方式组织数据，使其易于访问和分析。

在本教程中，我们将了解关系数据仓库是什么、它的主要部分以及它如何帮助企业做出明智的决策。

什么是数据仓库?

数据仓库是一个大型数据存储空间，可在一个位置收集和组织来自多个来源的信息。其主要目标是通过允许用户快速运行查询和生成报告来支持明智的决策。总体而言，数据仓库在有效的数据管理和分析中起着关键作用。

我们为什么需要数据仓库?

我们需要数据仓库，因为它们提供了几个重要的好处。

• 它们将所有重要数据存储在一个方便的位置。
• 它们允许我们查看过去的数据以从中学习。
• 它们帮助领导者为公司做出明智的决策。
• 它们帮助我们在数据中找到模式和趋势。
• 数据仓库对于理解和有效使用信息非常重要。

什么不是数据仓库?

以下是人们在考虑数据仓库时常犯的三个错误。

• 简单地复制数据库
  • 错误的方法:只是复制您的业务数据库和将其命名为"DW_Database"。
  • 为什么这是错误的:这无助于正确分析数据。
  • 示例:如果您复制销售数据库并将其命名为"DW_Sales"，它仍然没有组织起来进行分析。
• 未经规划就混合数据
  • 错误的方法:仅使用数据库视图组合来自不同来源的类似数据。
  • 为什么这是错误的:这会造成混乱并使数据更难使用。
  • 示例:如果您有来自三个不同系统的客户信息，则不应在没有适当组织的情况下将它们混合在一起。
• 将其用作存储转储
  • 错误方法:每当有人需要数据时，添加随机表。
  • 为什么这是错误的:造成混乱，难以找到和使用数据。
  • 示例:就像将文件毫无秩序地扔进柜子里一样 - 以后很难找到所需的内容。

正确的方法:在创建数据仓库之前，请务必:

• 计划如何组织数据。
• 考虑谁需要什么信息。
• 仔细设计它，以便于用于报告和分析。
• 花时间从一开始就正确设置它开始。

什么是关系数据仓库?

关系数据仓库是存储和管理来自不同来源的大量有组织数据的中心位置。它之所以被称为"关系"，是因为它将数据组织成表(或关系)。每个表由行和列组成，其中行表示实体(如客户或产品)，列表示属性(如名称、价格或数量)。它之所以被称为数据仓库，是因为它收集、存储和管理来自各种来源(如事务数据库和应用程序)的大量结构化数据。

关系数据库与常规数据库有何不同?

关系数据库与常规数据库在一些重要方面有所不同。虽然两者都存储数据，但关系数据库是专门为分析而设计的，而不是日常使用。它专注于过去的数据，便于回顾历史信息。此外，它旨在快速处理复杂问题，帮助用户从大量数据中获得见解。

关系数据库中的数据是如何组织的?

在关系数据仓库中，数据通常以两种主要方式组织。

• 事实表:这些表包含有关业务的主要数字或"事实"。
  • 示例:显示每天售出多少产品的表格。
• 维度表:这些表提供有关事实的更多详细信息。
  • 示例:包含每种产品信息的表格，例如其颜色、尺寸或价格。

组织数据的常见布局包括。

• 星型模式:画出来时看起来像一颗星星。中间有一个事实表，连接到周围的许多维度表。它很简单，适用于许多企业。
• 雪花模式:这与星型模式类似，但一些维度表被拆分成更多表。它可以节省空间，但使用起来可能会更慢。

为什么使用关系数据仓库?

关系数据仓库是一种特殊类型的数据库，可帮助组织管理和使用其重要信息。这就是它有价值的原因。

• 数据集中化:关系数据仓库将公司所有重要信息集中到一个地方，就像一个大型数据数字存储空间。
• 结构化组织:它将数据排列在相互关联的表格中，使人们更容易理解和使用信息。
• 分析能力:仓库让您可以提出有关业务的复杂问题并快速获得答案，帮助您更好地了解公司。
• 历史数据保留:它将旧信息与新数据一起保存，以便您了解情况随时间的变化。
• 决策支持:通过组织所有这些信息，它可以帮助公司领导者根据事实而不是猜测做出更明智的选择。

数据仓库与关系数据仓库

A 数据仓库是大型存储系统的通用术语，用于保存来自各种来源的历史和当前数据以供分析和报告。

关系数据仓库是一种特定类型，它使用关系数据库结构，使用相互连接的行和列的表。

关系数据仓库的主要功能:

• 使用相互链接的结构化表。
• 遵循数据库规则以确保数据一致性。
• 允许使用 SQL 进行复杂查询。
• 更适合有组织的结构化数据。
• 更易于管理和更新。

关系数据仓库中的自上而下方法

自上而下方法是构建关系数据仓库的分步方法。首先要确定总体业务目标，然后再讨论技术细节。在开始之前，了解您的目的地和到达目的地的最佳方式非常重要。

• 基本步骤:
• 问题规划:首先定义您的业务目标以及您的数据应该回答的具体问题。这有助于确保数据仓库的设计满足实际需求。
• 业务需求收集:与所有部门合作，了解他们的报告需求并确定他们想要跟踪的关键绩效指标。
• 设计蓝图创建:为您的数据仓库制定计划，展示不同部分将如何连接以及您将需要哪些工具。
• 数据组织:制定明确的计划来存储和链接不同类型的数据，确保所有内容在逻辑上合乎逻辑。
• 系统构建:根据您的计划构建实际的数据库和表，仔细设置结构。
• 数据流设置:设置从不同来源获取数据的流程，确保数据被清理并正确加载到您的仓库中。
• 工具实施:安装和设置工具，让用户轻松访问、分析和根据数据创建报告。
• 测试阶段:测试所有系统以确保它们准确运行，修复任何问题，并确认一切顺利运行。
• 维护计划:定期更新系统，在需要时添加新功能，并根据用户反馈不断改进。

有哪些流行的关系数据仓库系统?

以下是当今企业使用的一些最流行的系统。

• Oracle:许多组织使用的强大系统。
• Microsoft SQL Server:与其他 Microsoft 产品配合良好。
• Amazon Redshift:在 Amazon 的云计算机上运行。
• Google BigQuery:Google 用于快速处理大量数据的工具。

关系数据仓库的用例有哪些?

关系数据仓库通常用于:

• 商业智能和分析
• 财务报告和预测
• 客户行为分析
• 供应链优化

使用关系数据仓库的缺点是什么?

• 复杂性:设计和维护关系数据仓库可能很复杂，需要特殊技能，这会增加成本。
• 成本高:实施关系数据仓库的成本很高，因为需要硬件、软件和人员，而持续的维护又会增加这些成本。
• 数据集成问题:由于格式和质量不同，将来自不同来源的数据组合起来可能很困难，需要大量时间进行清理。
• 数据更新缓慢:关系数据仓库可能无法提供实时数据，导致访问最新信息出现延迟。
• 维护期间访问受限:定期维护可能会阻止用户访问，导致他们无法运行报告时感到沮丧。

关系数据仓库的未来是什么?

未来将专注于满足数据需求的新技术。以下是其中一些。

• 转向云计算以节省资金并提高工作效率。
• 处理不同类型的数据，而不仅仅是数字和文字。
• 使用高级算法自动查找数据中的模式。
• 提供更快的响应，有时是即时的。