数据仓库入门：从 ETL 到数据建模的企业数据管理

一、数据仓库解决什么问题

业务系统产生的数据是分散的、面向流程的——订单数据在订单库、用户数据在用户库。直接在这些业务库上做分析查询会影响业务系统的性能而且数据之间的关联很难做。数据仓库将这些分散的数据经过清洗和转换整合在一起——专门为分析查询优化。

维度建模是数据仓库建模的标准方法——事实表存储业务事件（订单和交易），维度表存储描述性信息（用户和商品和日期）。

二、ETL 和数据质量

ETL 是构建数据仓库最繁重的工作——从源系统提取数据、清洗和标准化、加载到仓库。数据质量决定了分析结论的可靠性——垃圾进垃圾出。

三、现代数仓

Snowflake 和 Databricks 将数据仓库从本地集群迁移到云端——弹性伸缩让资源按需付费。