14、大数据时代的数据仓库：融合与变革

大数据时代的数据仓库：融合与变革

1. 数据仓库的起源与演变

数据仓库的概念起源于近30年前，旨在为拥有众多孤立运营系统的客户解决重大问题。当时，管理层希望用更高效的决策支持系统取代低效的系统，企业渴望拥有单一的架构模型，以便更轻松地做出商业决策。无论是完整的数据仓库还是规模较小的数据集市，这种方式都已成为常态。

随着大数据的出现，数据仓库的概念正在发生变化，以适应新的用例。传统数据仓库将继续存在并蓬勃发展，因为它在分析历史运营数据以进行决策方面非常有用。然而，新型数据仓库将针对大数据世界进行优化。

2. 传统数据仓库的特点

Bill Inmon被认为是现代数据仓库之父，他确立了数据仓库的一系列原则，包括：
- 面向主题 ：数据仓库应围绕特定主题组织，如客户、产品等。
- 关联性 ：相关事件应相互关联，以便更好地分析。
- 非易失性 ：信息不应被意外更改，确保数据的稳定性。
- 完整性 ：仓库中的信息应包含所有适用的运营源，并以一致的定义和最新值进行存储。

3. 数据仓库的优化与挑战

传统数据仓库主要支持结构化数据，并与企业的运营和交易系统紧密相连。随着组织试图扩展和修改数据仓库以适应大数据时代，这些精心构建的系统正面临重大变革。虽然大数据和数据仓库会有交集，但短期内不太可能合并。

可以将传统数据仓库视为商业智能的记录系统，类似于客户关系管理（CRM）系统或会计系统。这些系统高度结构化，针对特定目的进行了