47、数据仓库与商业智能：生命周期与维度建模全解析

数据仓库与商业智能：生命周期与维度建模全解析

在数据仓库（DW）和商业智能（BI）系统的构建过程中，遵循科学的方法和流程至关重要。下面将详细介绍相关的生命周期、常见陷阱以及维度建模的具体流程和任务。

数据仓库与商业智能生命周期

在数据仓库和商业智能项目中，确定新的优先级后，可借助优先级网格工具，重新回到生命周期的起点，利用已建立的技术、数据和 BI 应用基础，同时关注新需求。为确保 DW/BI 优先级与组织总体目标一致，应成立执行商业赞助委员会。

然而，在构建 DW/BI 系统时，有十大常见陷阱需要避免：
1. 忽视业务接受度 ：DW/BI 的成功直接与业务接受度相关。若用户未将其作为改进决策的基础，所有努力都将徒劳。
2. 假定业务和数据静态不变 ：不能认为业务、其需求和分析，以及底层数据和支持技术是静态的。
3. 仅加载汇总数据 ：在展示区的维度结构中，不能只加载汇总数据。
4. 孤立填充维度模型 ：填充维度模型时，要考虑通过共享、一致的维度将它们关联起来的数据架构。
5. 使展示区数据过于复杂 ：展示区中所谓可查询的数据不应过于复杂，数据库设计者应考虑业务用户的使用体验。
6. 重后台轻前台性能 ：不能只关注后台操作性能和开发便利性，而忽视前台查询性能和易用性。
7. 预算不足 ：在构建基于维度模型的可行展示区之前，不能因构建规范化数据结构而耗