DMBOK2 重点章节分析（七）：数据仓库和商务智能

目录

0.概述

1.数据仓库和商务智能活动

2.数据仓库架构组件

3.Inmon和Kimball

4.OLAP和OLTP的区别

5.三种经典的OLAP实现方法

6. 数据仓库架构

7.其他

---

0.概述

DMBOK2第十一章主要阐述了数据仓库和商务智能的内容。该章节详细介绍了数据仓库的概念、架构、设计以及实施等方面的知识，同时探讨了商务智能的定义、作用以及如何利用数据仓库进行商务智能分析。此外，该章节还涉及数据仓库与商务智能在现代企业中的应用场景和重要性，为读者提供了全面而深入的理解。

1.数据仓库和商务智能活动

1、理解需求

2、定义和维护数据仓库和商务智能架构。

①技术架构。②管理流程。

3、开发数据仓库和数据集市。

①将源映射到目标。②修正和转换数据。

4、加载数据仓库。

工作量最大的步骤。

5、实施商务智能产品组合。

①根据需求将用户分组。②将工具与用户需求匹配。

6、维护数据产品。

①发布管理。

②管理数据产品开发生命周期。

③监控和调优加载过程。

④监控和调优商务智能活动。

在CDGP考试的问答题部分，若涉及语境图的相关活动考察，例如询问数据仓库与商务智能所涵盖的活动时，写出第一级目录可以确保获得分数，而写出第二级目录则基本能够拿到全部分数。

2.数据仓库架构组件

1、源系统。（必须）

2、数据集成。（必须）

3、存储区域。

①暂存区。

  ②参考数据和主数据一致性维度。

  ③中央数据仓库。（必须）

  ④操作型数据存储（ODS）。

  ⑤数据集市。

  ⑥数据立方体（Cubes）。

3.Inmon和Kimball

1、Inmon把数据仓库定义为“面向主题的、整合的、随时间变化的、相对稳定的支持决策的数据集合”，用规范化的关系模型来存储和管理数据。

2、Kimball把数据仓库定义为“为查询和分析定制的交易数据的副本”，通常称作多维模型。

4.OLAP和OLTP的区别

5.三种经典的OLAP实现方法

1、关系型联机分析处理（ROLAP）。ROLAP通过在关系数据库（RDBMS）的二维表中使用多维技术来支持OLAP。星型架构是ROLAP环境中常用的数据库设计技术。

2、多维矩阵型联机分析处理（MOLAP）。MOLAP通过使用专门的多维数据库技术支持OLAP。

3、混合型联机分析处理（HOLAP）。它是ROLAP和MOLAP的结合。

请注意理解并记忆上述内容，在DAMA认证考试的选择题部分，OLAP实现方法是一个经常被考查的知识点。

6. 数据仓库架构

以上是DMBOK中的架构图内容，建议考生熟记。如果CDGP考试中出现设计题，要求设计数据仓库的架构，可以参考此图。

对于这个架构图，有三点需要关注：

（1）ODS和数据仓库是并行的。

（2）数据仓库主要处理结构化数据，采用 ETL（抽取、转换、加载）流程。其业务场景通常较为明确，侧重于对已发生事件进行归纳总结或直观呈现，常与商务智能（BI）相结合，以助力企业基于过往数据做出决策与分析。

（3）数据湖能够容纳结构化与非结构化数据，运用 ELT（抽取、加载、转换）模式。其业务场景未必清晰确定，更多地倾向于对未知情况展开预测或深度挖掘，往往与人工智能（AI）相衔接，为企业挖掘潜在价值、探索新的业务方向提供数据基础与可能。

第2点和第3点，也是传统数仓和数据湖的区别。

7.其他

CDC（变更数据捕获）的技术细节是CDGA考试中选择题的一个常见考点，请广大考生务必给予充分重视。