数据仓库 bi

但对于中大型企业，考虑到日常事务较多，且数据的量较大，所以数据库往往需要优化。在这个上下文中，通过构造数据 仓库，将。所以在很多BI项目中，BI工具主要起到前期分析和展示的作用，也就是上面架构图最右边的部分。

这些职位都与数据有关。BI是商务智能，岗位有etl、数据 仓库、数据会展工作。数据 仓库，是一个预置的数据库模型，负责一个清理原数据的进程，将数据加载到。1.要求不同，BI开发:必须对数据库有一定的经验，掌握SQL查询的优化方法，精通Oracle、SQLServer、MySQL等主流数据库的应用设计、性能调优、存储过程开发。

工具集的使用。ETL开发:掌握数百种常用编程语言。2、特色不同，BI开发:熟悉ETL逻辑、OLAP设计和数据挖掘相关算法。数据 仓库开发:所有与数据库质量、效率、成本和安全相关的工作，以及涉及的技术和组件，都属于数据库开发的技术范畴。ETL开发:海量的数据的ETL开发，提炼出数据的各种需求。3、工作内容不同BI开发:主要汇报开发，负责开发工作。

BI-2仓库的架构主要有星型和雪花型两种方式。星型模式:使用relation 数据 library实现多维分析空间的模式，称为星型模式。星型模式的基本形式必须实现多维空间才能使用relation 数据 library的基本功能。雪花模式:当星型模式的维度需要标准化时，星型模式就演变成雪花模式。比如商业智能FineBI的FineCube，具有高性能列存储的文件类型数据 library，在大数据处理方面有很好的支持，数据处理能力强。

个人认为最简单的答案是数据历史的分析与整理是数据 仓库。数据 仓库在根源上，它的出现是因为各种应用系统无法高效处理大量的历史数据。以银行为例。我国幅员辽阔，自然资源丰富。一般全国银行网点至少有4000家。在财务系统的一个总账里，每个分行每个月至少要有1000个科目和项目数据要报，还不算各种外币和海外机构。经过10年的积累，集中库的总账中/123，456，789-2/的金额是如此之大:

我们能做的就是减少数据在应用系统中保存的时间，只能查看最近2年以内的记录。把历史数据的统计分析留给其他系统，就出现了一个名为-2仓库的系统。这个仓库中最重要的问题是历史数据的统计，如何高效存储历史数据如何处理纬度梯度，如何设计更贴近业务的主题等等。

交易处理系统中的前言数据主要用于记录和查询业务情况数据 仓库(DW)技术不断成熟，企业的数据逐渐成为决策的主要依据/12344。是一门决策导向的学科，有现史概要数据来源整合数据阅读导向数据图书馆系统，其目的是支持决策-2仓库根据决策需要进行收集。并适当地组织起来使其有效地为决策过程提供信息数据 仓库其中数据是从众多业务处理系统中提取转换而来数据如何安全高效地管理和访问它们变得尤为重要，解决这个问题的关键是对meta 数据进行科学有效的管理。Meta 数据描述了数据manipulation数据的过程和应用的结构和意义，-2/资源综合指南数据不仅定义了数据/中国数据的模式来源和提取转换规则，而且整个-。-2/是将数据 仓库系统中的松散组件连接起来形成一个有机整体的元素数据，本文首先介绍了元素数据的定义、作用和意义，然后对/进行了讨论。meta 数据管理在系统中的现状以及meta 数据的标准化最后提出了建立meta 数据管理系统的步骤。