数据仓库

商业智能代表了为决策者提供辅助的一系列技术，而数据分析则代表了处理数据的一系列工具，并且作为一个统称，涵盖了数据仓库、企业信息管理、商业智能、企业绩效管理和企业治理。

随着数据量的爆炸式增长，数据仓库或数据平台已经是每家企业或机构不可缺少的工具，而数据模型正是数据仓库的灵魂。本期详细介绍数据模型的概念、分类和应用，相信你一定有兴趣~

本文作者将从途家数据团队的发展、部门的构成及职责这两个方面去跟大家分享一下途家网的一些实践。

最近数据字典这个词经常跳出来，挑动着笔者的神经，搞了很多年的取数，报表、经分直至大数据，每每都会搞数据字典，但每每都难说成功，我们的数据字典都经历了三生三世啊，为什么还未成功？

大数据，每家企业都有；但能够用高效的方法去组织、存储、访问大数据，似乎很少有企业能够做到。

如果说前四组比较偏纯概念的话，那么我们接下来就从实实在在的系统平台开始吧。

从10年前的数据仓库到当前的大数据平台，ETL也需要与时俱进，这里来谈谈个人的理解，如果你在考虑建设新的企业级ETL平台，可以作为参考。

在整个数据分析流程中，数据处理的时间往往要占据70%以上！这个数字有没有让你震惊呢？为了提高分析效率和质量，借用数据仓库进行数据分析是一个很好的选择，详细的工作方法本文都有所介绍。

部署大数据？请参考大数据分析平台架构(Big Data Analytics Platform)

2016年7月13日，Gartner公司新发布了2016年《数据仓库和分析型数据管理解决方案关键能力》（Critical Capabilities for Data Warehouse and Data Management Solutions for Analytics）报告。

我今天的演讲主题是美团点评数据仓库开发模式演进，将美团从零开始一点一滴去建设数据仓库的全部过程展现出来。

前言 Hive是Hadoop家族中一款数据仓库产品，Hive最大的特点就是提供了类SQL的语法，封装了底层的MapReduce过程，让有SQL基础的业务人员，也可以直接利用Hadoop进行大数据的操作。就是这一个点，解决了原数据分析人员对于大数据分析的瓶颈。 让我们把Hive的环境构建起来，帮助非开发人员也能更好地了解大数据。 目录 Hive介绍 Hive学…

公司要做数据分析，首先要考虑数据的准备，也就是数据平台的建设，最近接触了几个客户都处于这一环节，而且其中一个在方案选型过程中，也是充满了纠结，而我也并没有在开始阶段给出合理全面的建议。

数据囤积现象愈演愈烈，这不足为奇。毕竟，由于大数据热潮，我们拥有了大量且便宜的存储空间，其中很多都是云存储空间。

BI建模的质量直接影响数据仓库项目的质量，所以在建模前，要对数据仓库的架构组成、大小以及模型功能有明确的定义。
影响BI数据仓库建模的因素众多，往往会随着项目的具体情况不同而变化。但有些原则是相通的，各种项目的实施过程都需要考虑，而一些常见的、项目人员容易不解的问题也同样需要重视。