数据治理和数据管理区别

正如财务审计人员实际上并不执行财务管理一样，数据治理确保数

据被恰当地管理而不是直接管理数据（参见第15章）。数据治理相当于

将监督和执行的职责分离。数据治理和数据管理的关系如图3-2所示。

第11章 数据仓库和商务智能

11.1 引言

数据仓库（Data Warehouse，DW）的概念始于20世纪80年代。该

技术赋能组织将不同来源的数据整合到公共的数据模型中去，整合后的

数据能为业务运营提供洞察，为企业决策支持和创造组织价值开辟新的

可能性。同样重要的是，数据仓库还是减少企业建设大量决策支持系统

（Decision Support System，DSS）的一种手段，大部分DSS系统使用的

都是企业中同样的核心数据。企业数据仓库提供了一种减少数据冗余、

提高信息一致性，让企业能够利用数据做出更优决策的方法。

数据仓库和商务智能语境关系图如图11-1所示。

真正实施数据仓库的建设，要到20世纪90年代。从那时开始，数据

仓库建设逐渐成为主流，特别是与商务智能（Business

Inteligence，

BI）作为业务决策主要驱动力协同发展。大多数企业都建有数据仓库，

数据仓库被公认为企业数管理的核心[1]。即使数据仓库已经建设得很好

了，但相关技术仍然在不断发展，各种新形式的数据产生得越来越快，

新的概念（如数据湖）不断创立，它们将影响数据仓库的未来（参见第

8章和第15章）。

11.1.1 业务驱动因素

数据仓库建设的主要驱动力是运营支持职能、合规需求和商务智能

活动（尽管不是所有的商务智能活动都依赖仓库数据）。越来越多的组

织被要求用数据来证明他们是合规的，因为数据仓库中包含历史数据，

所以经常被用来响应这类要求。不仅如此，商务智能支持一直是建设数

据仓库的主要原因，商务智能为组织、客户及产品提供洞察。通过商务

智能获得决策知识并采取行动的组织，能提升其运营效率，增强其竞争

优势。越来越多的数据以越来越快的速度被使用，商务智能从回顾性评

价发展到预测分析领域。图11-1 语境关系图：数据仓库和商务智能

11.1.2 目标和原则

一个组织建设数据仓库的目标通常有：

1）支持商务智能活动。

2）赋能商业分析和高效决策。

3）基于数据洞察寻找创新方法。

数据仓库建设应遵循如下指导原则：

1）聚焦业务目标。确保数据仓库用于组织最优先级的业务并解决