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

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。

4 ）数据访问工具。 Kimball 方法侧重于最终用户的数据需求。这些

需求推动采用适当的数据访问工具。 图 11-3 Kimball 的数据仓库棋子视图 [5]

7. 数据仓库架构组件

数据仓库环境包括一系列组织起来以满足企业需求的架构组件。图

11-4 描述了本节讨论的数据仓库 / 商务智能和大数据环境的架构组件。大

数据的发展为数据流入企业增加了一个新的途径，因而改变了数据仓

库 / 商务智能的格局。

图 11-4 还描述了数据生命周期的各个方面。从源系统流动到数据暂 存区，数据可以在这里被清洗，当数据集成并存储在数据仓库或操作数

存储中时，可以对其进行补充丰富。在数据仓库中，可以通过数据集市

或数据立方体访问数据，生成各种各样的报表。大数据经历了一个类似

的过程，但有一个显著的区别：虽然大多数仓库在将数据放入表之前进

行数据整合，但大数据解决方案会在整合数据之前先将数据加载进来。

大数据的商务智能除了各种传统类型的报表之外，还可能包括预测分析

和数据挖掘（参见第 14 章）。

（

1 ）源系统

图 11-4 左侧的源系统包括要流入数据仓库 / 商务智能环境的业务系统

和外部数据。它们通常包括如客户关系管理系统、账务系统和人力资源

系统等业务系统，以及与特定行业相关的一些业务系统。来自供应商和

外部来源的数据也可能包括 DaaS 服务（数据即服务， Data

As

a

Service ）、网页内容和任何大数据计算结果。

（

2 ）数据集成

数据集成包括抽取、转换和加载（此三者英文首字母缩写为 E 、

T 、 L ，通常直接这把三者称为 ETL ）、数据虚拟化以及将数据转换为通

用格式和位置的其他技术。在 SOA 环境中，数据服务层是该组件的组成

部分之一。在图 11-4 中，用箭头表示数据集成流程（参见第 8 章）。