数据仓库

指标、指标表、维度、模型、数据仓库、数据等一些名词和概念，那么他们之前到底有什么关系和联系呢？

数据仓库：过去、现在和未来。

随着大数据技术的飞速发展，海量数据存储和计算的解决方案层出不穷，生产环境和大数据环境的交互日益密切。数据仓库作为海量数据落地和扭转的重要载体，承担着数据从生产环境到大数据环境、经由大数据环境计算处理回馈生产应用或支持决策的重要角色。

这其中不仅仅有技术和认知，也有自己的故事，但时间就像一个沙漏，会让存封的记忆变成没有记忆，在沙子漏光之前，笔者还是想努力做些回忆，将其中的片段串起来分享给大家。

如果把数据看作图书馆里的书，我们希望看到它们在书架上分门别类地放置；如果把数据看作城市的建筑，我们希望城市规划布局合理；如果把数据看作电脑文件和文件夹，我们希望按照自己的习惯有很好的文件夹组织方式，而不是糟糕混乱的桌面，经常为找一个文件而不知所措。

今天就再来深入的谈一谈数据中台的本质。

对企业来说，商业智能BI不能直接产生决策，而是利用BI处理后的数据来支持决策。

数据仓库本身并不“生产”任何数据，同时自身也不需要“消费”任何的数据，数据来源于外部，并且开放给外部应用。

未来学家认为,机器智能最终会超越人的智慧,而这两者的临界点就被称为「奇点」。从这点来说,我们可以认为,阿里巴巴已经跨越了奇点,真正成为一家数据公司。

数据分析和商业决策发展至今，企业想要实现数据驱动决策，是否还是无法绕过数据仓库？在现代商业环境中重新定义BI和数据仓库，我们又能不能找到合适的替代方案？

大数据传统企业实施，其路漫漫，绝不会如昙花一现，探索大数据在传统行业的实施之路，寻找一条适合传统行业的企业大数据实施方法体系，是我执着坚守的信念，大数据是一种信仰，吾将上下而求索。记下项目中的点滴，算是日志，自勉。

数据库我们大家都知道，在平时的 Web 开发中用到的比较多。但是数据仓库是什么呢？他俩有啥区别呢？

在这个大数据时代，无论是企业还是个人，必须找到那些你自己做，比市场更高效的事情，建筑你的核心竞争力，而把那些你做的其实一般的事情，尽快扔回给市场，要有所为而有所不为。

数据挖掘是发现规律的一种手段，但在很多传统企业里数据挖掘有点像奢侈品，因为数据挖掘的过程一般较长，总体来讲性价比不是那么高，规则取数往往成为了企业数据驱动业务的主流。

“大数据分析”这么高大上，妈妈怎么会懂呢？