据的组织形式是按主题域而不是按功能需要

数据的组织形式是按主题域而不是按功能需要。

2 ）数据是整合的数据，而不是 “ 孤立 ” 的烟囱数据。

3 ）数据是随时间变化的系列数据，而非仅当前时间的值。

4 ）数据在数据仓库中的延迟比在应用程序中高。

5 ）数据仓库中提供的历史数据比应用程序中提供的历史数据多。

6. 多维数据仓库（

Kimball ）

Kimball 的多维数据仓库是数据仓库开发的另一个主要模式。

Kimball 将数据仓库简单地定义为 “ 专为查询和分析而构建的事务数据的

副本 ” （ Kimball ， 2002 ）。但是， “ 副本 ” 的说法并不精确。仓库数据存

储在多维数据模型中。多维模型旨在方便数据使用者理解和使用数据，

同时还支持更优的查询性能 [3] 。它不是以实体关系模型的规范化要求组

织的。

多维模型通常称为星型模型，由事实表（包含有关业务流程的定量

数据，如销售数据）和维度表（存储与事实表数据相关的描述性属性，

为数据消费者解答关于事实表的问题，如这个季度产品 X 卖了多少）组

成。事实表与许多维表关联，整个图看上去像星星一样（参见第 5

章）。多个事实数据表将通过 “ 总线 ” 共享公共的维度或遵循一致性的维

度，类似于计算机中的总线 [4] 。通过插入遵循维度的总线，可以将多个

数据集市集成为企业级的数据集市。

数据仓库的总线矩阵展示的是生成事实数据的业务流程和表示维度

的数据主题域的交汇。当多个流程使用相同的数据时，存在遵循维度的

机会。表 11-1 是一个总线矩阵的例子。在这个例子中，销售、库存和订

单的业务流程都需要日期和产品数据。销售和库存都需要商店数据，而

库存和订单需要供应商数据。日期、产品、商店和供应商都是遵循维度

的候选项。相对而言，仓库数据不共享（不遵循维度），仅供库存使

用。

表 11-1 数据仓库总线矩阵示例 企业数据仓库总线矩阵独立于技术，可用于表示数据仓库 / 商务智

能系统长期数据的内容需求。这个工具可以帮助组织确定可管理的开发

工作范围。每一个新的实现都构成整体架构的增量部分。在某种程度

上，存在足够多的维度模式，以兑现实现集成企业数据仓库环境的承

诺。

图 11-3 表示 Kimball 的数据仓库 / 商务智能架构的数据工厂棋子视

图。请注意， Kimball 的数据仓库比 Inmon 的数据仓库的可扩展性更强。

数据仓库包含数据暂存和数据展示区域的所有组件。

1 ）业务源系统。企业中的操作型 / 交易型应用程序。这些应用程序

产生数据，数据再被集成到操作型数据存储和数据仓库中。此组件等同

于企业信息工厂图中的应用程序系统。

2 ）数据暂存区域。 Kimball 的暂存区域包括需要集成的流程和用于

展示的转换数据，可以与企业信息工厂的集成、转换和数据仓库组件的

组合进行类比。 Kimball 的重点是分析类数据的高效终端交付，比 Inmon

的企业管理数据范围要小。 Kimball 的企业数据仓库可以适配数据暂存

区域架构。

3 ）数据展示区域。与企业信息工厂中的数据集市类似，关键的架

构差异在于 “ 数据仓库总线 ” 的集成范式，如应用于若干个数据集市的共

享或一致的维度