什么是数据仓库？我为什么需要它？

“数据仓库”这个词在数据分析领域被广泛使用，但对于刚接触数据分析的人来说，仍然会很经常问到这个问题。本文将对数据仓库的定义做一番解释，并说明为什么以及什么时候需要考虑建立一个数据仓库。

01

什么是数据仓库？

数据仓库是一种分析数据库，用于存储和处理数据，以便对数据进行分析。数据仓库的两个主要功能：存储分析数据和处理分析数据。

• 首先，如果多个业务数据位于不同的数据源，就无法轻易地将它们组合在一起。

• 其次，你的数据源系统不适合用来运行大量的数据分析，这样做可能会危及业务运行，因为它会给系统带来很重的负载。

数据仓库是分析管道的核心，它有三个主要作用：

• 存储：在合并 (提取和加载) 步骤，数据仓库将接收和存储来自多个数据源的数据。

• 处理：在处理 (转换和建模) 步骤，数据仓库将处理大部分 (或全部) 由转换步骤生成的密集处理工作负载。

• 访问：在生成报告 (可视化和交付) 步骤，首先需要在数据仓库中收集报告，然后将其可视化并交付给最终用户。

目前，大多数数据仓库使用 SQL 作为主要的查询语言。

02

什么时候需要构建数据仓库？

简单地说，这取决于公司所处的阶段、所拥有的数据量和预算，等等。

在早期阶段，你可能不需要数据仓库，而是直接使用业务智能 (BI) 工具连接到生产