大數(shù)據(jù)時(shí)代離得開數(shù)據(jù)倉(cāng)庫(kù)嗎

數(shù)據(jù)倉(cāng)庫(kù)為組織了解其歷史業(yè)務(wù)表現(xiàn)和推動(dòng)持續(xù)運(yùn)營(yíng)提供了一個(gè)接入窗口，為數(shù)據(jù)分析師和業(yè)務(wù)用戶提供了諸如客戶行為、業(yè)務(wù)趨勢(shì)、運(yùn)營(yíng)效率和銷售等方面的信息。

但作為數(shù)據(jù)管理體系結(jié)構(gòu)的一部分，在對(duì)數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)進(jìn)行投資之前，首先還是要檢查您的組織是否真的需要一個(gè)數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)，以及通過實(shí)施部署，組織可以借此獲取哪些業(yè)務(wù)收益。相關(guān)的，您必須考慮不同的數(shù)據(jù)倉(cāng)庫(kù)部署情況——在企業(yè)范圍內(nèi)還是部門范圍內(nèi)，在本地還是在云中。

您還需要確定，通常存儲(chǔ)在大數(shù)據(jù)系統(tǒng)中的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，是否會(huì)成為數(shù)據(jù)倉(cāng)庫(kù)環(huán)境的組成部分，并確定是否將用于BI、企業(yè)報(bào)告和在線分析處理（OLAP）等應(yīng)用的傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)，與數(shù)據(jù)處理和大數(shù)據(jù)分析管理集成在一起。最后，您必須將您的數(shù)據(jù)倉(cāng)庫(kù)用例與最合適類型的數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)相匹配。

為什么需要數(shù)據(jù)倉(cāng)庫(kù)？

數(shù)據(jù)倉(cāng)庫(kù)的一般概念非常簡(jiǎn)單：從支持業(yè)務(wù)流程的操作系統(tǒng)中定期提取數(shù)據(jù)副本，并將其加載到單獨(dú)的存儲(chǔ)庫(kù)中，在該存儲(chǔ)庫(kù)中，數(shù)據(jù)將被合并，然后可用于分析和報(bào)告。之后，業(yè)務(wù)用戶和分析師可以通過BI和分析工具、儀表板、入口和準(zhǔn)備好的報(bào)告來訪問數(shù)據(jù)。

在下面這些情況下，數(shù)據(jù)倉(cāng)庫(kù)可能更容易發(fā)揮其價(jià)值：

公司在做出有效的商業(yè)活動(dòng)報(bào)告方面遇到了難題，因?yàn)樗枰臄?shù)據(jù)不容易獲得。

不同部門和用戶組會(huì)將業(yè)務(wù)數(shù)據(jù)復(fù)制到電子表格中以進(jìn)行分析，而這些電子表格并非總是相互一致的。

數(shù)據(jù)質(zhì)量和準(zhǔn)確性的不確定性，導(dǎo)致企業(yè)高管和業(yè)務(wù)經(jīng)理會(huì)質(zhì)疑報(bào)告的準(zhǔn)確性。

針對(duì)生產(chǎn)數(shù)據(jù)庫(kù)的BI報(bào)告會(huì)每晚延遲，或在月底進(jìn)行的交易數(shù)據(jù)處理，需要擴(kuò)展處理窗口。

在工作日對(duì)數(shù)據(jù)庫(kù)運(yùn)行臨時(shí)查詢會(huì)降低操作系統(tǒng)的速度，從而影響內(nèi)部用戶和客戶、供應(yīng)商以及其他外部用戶。

一個(gè)正確數(shù)據(jù)倉(cāng)庫(kù)實(shí)施策略可以幫助您的組織準(zhǔn)確地回答有關(guān)業(yè)務(wù)運(yùn)營(yíng)的問題，如發(fā)生了什么、為什么。數(shù)據(jù)倉(cāng)庫(kù)可將來自不同位置和來源的數(shù)據(jù)組合到中央存儲(chǔ)庫(kù)中，從而提高數(shù)據(jù)的可訪問性。當(dāng)數(shù)據(jù)移至數(shù)據(jù)倉(cāng)庫(kù)時(shí)，通常還會(huì)對(duì)其進(jìn)行清理和轉(zhuǎn)換，以使其與分析一致，這將有助于提高查詢結(jié)果和報(bào)告中信息的質(zhì)量。

此外，一旦數(shù)據(jù)倉(cāng)庫(kù)部署完成并得到積極使用，由于BI、報(bào)告和分析活動(dòng)已從生產(chǎn)數(shù)據(jù)庫(kù)中移出，運(yùn)營(yíng)工作流程可能會(huì)變得更有效率。

數(shù)據(jù)倉(cāng)庫(kù)的部署

各個(gè)組織之間的數(shù)據(jù)倉(cāng)庫(kù)環(huán)境可能會(huì)有很大差異。從體系結(jié)構(gòu)的角度來看，部署可以遵循多個(gè)路徑——如一個(gè)企業(yè)數(shù)據(jù)倉(cāng)庫(kù)（EDW），一組較小的數(shù)據(jù)集市，或這兩種方法的組合。

EDW包含來自企業(yè)操作系統(tǒng)的所有相關(guān)數(shù)據(jù)，并且可能包含一些從外部數(shù)據(jù)源收集的數(shù)據(jù)。它是用于BI和分析數(shù)據(jù)的單個(gè)統(tǒng)一存儲(chǔ)庫(kù)，可以在所有部門和業(yè)務(wù)部門中使用。因此，建立EDW通常是一項(xiàng)艱巨的任務(wù)，尤其是在大型企業(yè)中。

在EDW架構(gòu)中，組織還可以在其操作系統(tǒng)和企業(yè)數(shù)據(jù)倉(cāng)庫(kù)之間實(shí)施運(yùn)營(yíng)數(shù)據(jù)存儲(chǔ)（ODS）作為過渡步驟。將運(yùn)營(yíng)數(shù)據(jù)復(fù)制到ODS，然后提取并加載到數(shù)據(jù)倉(cāng)庫(kù)中。ODS可以用作尚未經(jīng)過轉(zhuǎn)換的、無法用于分析的數(shù)據(jù)的暫存區(qū)，同時(shí)可以用于運(yùn)行近實(shí)時(shí)的查詢，這些查詢需要最新的業(yè)務(wù)運(yùn)營(yíng)的詳細(xì)相關(guān)數(shù)據(jù)，而不是數(shù)據(jù)倉(cāng)庫(kù)中可用的數(shù)據(jù)。

數(shù)據(jù)集市是小型化的數(shù)據(jù)倉(cāng)庫(kù)，專注于各個(gè)業(yè)務(wù)部門和職能領(lǐng)域。當(dāng)需要滿足部門對(duì)BI的特定需求時(shí)，組織通常會(huì)選擇建立數(shù)據(jù)集市，并且優(yōu)先考慮報(bào)告功能。數(shù)據(jù)集市不需要涵蓋整個(gè)企業(yè)的龐大項(xiàng)目，而是更加集中，并且可以更快地提供業(yè)務(wù)收益。

因此，數(shù)據(jù)集市的方法使組織可以通過一次處理一個(gè)業(yè)務(wù)的各個(gè)部分——而不是構(gòu)建整體的EDW——以迭代方式開發(fā)數(shù)據(jù)倉(cāng)庫(kù)體系架構(gòu)。企業(yè)可以選擇部署一個(gè)或多個(gè)數(shù)據(jù)集市，具體取決于組織的規(guī)模和結(jié)構(gòu)。

然后，決定組合采用這兩種方法的組織，可以將不同的數(shù)據(jù)集市彼此集成以創(chuàng)建虛擬EDW，或以物理方式填充一個(gè)EDW。另一種方式是，以EDW開始的組織可以將倉(cāng)庫(kù)數(shù)據(jù)的子集提供給后來建立的數(shù)據(jù)集市，以此分離業(yè)務(wù)運(yùn)營(yíng)。

本地與云數(shù)據(jù)倉(cāng)庫(kù)

每種可用的數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)類型都有不同的部署選項(xiàng)：數(shù)據(jù)庫(kù)管理系統(tǒng)（DBMS）軟件，通常基于關(guān)系數(shù)據(jù)庫(kù)技術(shù);專門的分析型DBMS;數(shù)據(jù)倉(cāng)庫(kù)設(shè)備將必要的硬件和DBMS軟件捆綁在一個(gè)包裝中;云數(shù)據(jù)倉(cāng)庫(kù)。

將云用于數(shù)據(jù)倉(cāng)庫(kù)已成為更可行的選擇。有些供應(yīng)商已經(jīng)推出了特定于云的數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)，而且有些最初設(shè)定為本地安裝的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)，其供應(yīng)商現(xiàn)在也提供了基于云的版本。此類產(chǎn)品包括組織自己在云中運(yùn)行的常規(guī)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，以及供應(yīng)商為用戶部署和管理的數(shù)據(jù)倉(cāng)庫(kù)即服務(wù)（DWaaS）技術(shù)。

與其他類型的云系統(tǒng)一樣，與本地環(huán)境相比，云數(shù)據(jù)倉(cāng)庫(kù)可以減少部署時(shí)間，并提供更輕松的可伸縮性和更大的靈活性。還可以節(jié)省一定的成本——但這并不能保證，IT經(jīng)理需要密切關(guān)注云中數(shù)據(jù)倉(cāng)庫(kù)的使用，以確保成本最終不會(huì)高于預(yù)期。同樣，數(shù)據(jù)安全和隱私問題可能是決定是否在本地部署數(shù)據(jù)倉(cāng)庫(kù)的考慮因素。

數(shù)據(jù)湖與數(shù)據(jù)倉(cāng)庫(kù)

在Hadoop和其他大數(shù)據(jù)技術(shù)首次出現(xiàn)之后，關(guān)于它們是否會(huì)替代數(shù)據(jù)倉(cāng)庫(kù)，市場(chǎng)上充滿了各種聲音。但是在大多數(shù)組織中，數(shù)據(jù)倉(cāng)庫(kù)并沒有消失。相反，它們和大數(shù)據(jù)系統(tǒng)通常并存，每種系統(tǒng)都支持不同類型的分析用例。

數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)通?；陉P(guān)系DBMS，并包含源自組織的運(yùn)營(yíng)和交易處理系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)倉(cāng)庫(kù)主要由希望運(yùn)行基于SQL的、基本BI查詢的業(yè)務(wù)分析人員和執(zhí)行人員，以及希望創(chuàng)建儀表板和報(bào)告以向業(yè)務(wù)用戶提供分析信息的BI開發(fā)人員訪問。

另一方面，大數(shù)據(jù)系統(tǒng)通?；诜顷P(guān)系技術(shù)，例如Hadoop、Spark和NoSQL數(shù)據(jù)庫(kù)。它們包含的數(shù)據(jù)可以是結(jié)構(gòu)化、非結(jié)構(gòu)化或半結(jié)構(gòu)化的，并且可以源自所有類型的內(nèi)部系統(tǒng)，以及社交網(wǎng)絡(luò)和其他外部數(shù)據(jù)源。大數(shù)據(jù)分析旨在發(fā)現(xiàn)模式、關(guān)聯(lián)和類似的見解——例如，根據(jù)過去的活動(dòng)預(yù)測(cè)未來趨勢(shì)和客戶行為。通常是由數(shù)據(jù)科學(xué)家和統(tǒng)計(jì)人員使用Python、R和Scala等語(yǔ)言開發(fā)的復(fù)雜分析模型完成的。

大數(shù)據(jù)技術(shù)還支持?jǐn)?shù)據(jù)湖的概念，數(shù)據(jù)湖是來自各種來源的原始數(shù)據(jù)的存儲(chǔ)庫(kù)，可以按原樣存儲(chǔ)這些數(shù)據(jù)，然后根據(jù)需要對(duì)其進(jìn)行過濾和分析準(zhǔn)備。

最后，大數(shù)據(jù)系統(tǒng)并不能直接替代數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市。實(shí)際上，數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖之間存在協(xié)同作用。例如，可以將在數(shù)據(jù)湖中收集的結(jié)構(gòu)化數(shù)據(jù)集移動(dòng)到數(shù)據(jù)倉(cāng)庫(kù)中，以進(jìn)行常規(guī)的OLAP存儲(chǔ)和分析。供應(yīng)商也已開始將大數(shù)據(jù)訪問集成到數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)中，從而可以從一個(gè)位置訪問存儲(chǔ)在不同系統(tǒng)中的，不同格式的數(shù)據(jù)。

數(shù)據(jù)倉(cāng)庫(kù)用例和場(chǎng)景

下面我們介紹一些用例和方案，這可能會(huì)影響組織的數(shù)據(jù)倉(cāng)庫(kù)策略，以及決定為數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目部署哪種類型的平臺(tái)。

初次VS長(zhǎng)期數(shù)據(jù)倉(cāng)庫(kù)用戶。希望擴(kuò)展現(xiàn)有數(shù)據(jù)倉(cāng)庫(kù)的公司通常會(huì)很好地繼續(xù)使用他們已經(jīng)建立的數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)。對(duì)于第一次實(shí)施數(shù)據(jù)倉(cāng)庫(kù)的組織而言，數(shù)據(jù)倉(cāng)庫(kù)設(shè)備可能是一個(gè)不錯(cuò)的選擇。供應(yīng)商可能會(huì)與您一起確定適合的設(shè)備規(guī)格和配置，而且這些設(shè)備的交付是非常簡(jiǎn)易的。但是，所有數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)對(duì)于首次使用的用戶都是可行的選擇，您應(yīng)該審查本部門中的其他用例，以開發(fā)您的特定要求和部署計(jì)劃。

公司規(guī)模。大型公司可能會(huì)選擇主流的關(guān)系DBMS、分析數(shù)據(jù)庫(kù)或混合事務(wù)/分析處理（HTAP）系統(tǒng)。這些組織擁有成功使用此類技術(shù)的基礎(chǔ)架構(gòu)和人員。在HTAP方法中，相同的DBMS既可以用于處理業(yè)務(wù)交易，也可以用于BI和分析建模。為了支持HTAP，關(guān)系數(shù)據(jù)庫(kù)引擎可以提供內(nèi)置的列式訪問或用于分析處理的附加設(shè)備。

另一方面，較小的組織應(yīng)考慮使用數(shù)據(jù)倉(cāng)庫(kù)設(shè)備或云數(shù)據(jù)倉(cāng)庫(kù)服務(wù)。這兩種選擇都可以最大程度地減少管理需求：設(shè)備已預(yù)先配置，并且DWaaS環(huán)境提供的云中的數(shù)據(jù)倉(cāng)庫(kù)一般由云服務(wù)提供商進(jìn)行設(shè)置和管理。

IT部門的規(guī)模。IT部門相對(duì)較小的大型組織往往擁有較少的數(shù)據(jù)庫(kù)管理員和其他可以建設(shè)、調(diào)整和管理數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的IT專業(yè)人員。對(duì)于他們來說，考慮使用數(shù)據(jù)倉(cāng)庫(kù)設(shè)備或DWaaS產(chǎn)品也很有意義。

云用例。如果您的組織在云中運(yùn)行大量應(yīng)用程序，則DWaaS部署或自我管理的云數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)可能是您的最佳選擇。將生成和存儲(chǔ)在云中的業(yè)務(wù)數(shù)據(jù)保存在云中以進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)和分析是一種符合邏輯的方法。

數(shù)據(jù)延遲要求。對(duì)于在分析應(yīng)用程序中需要最小數(shù)據(jù)延遲的組織而言，優(yōu)化的數(shù)據(jù)倉(cāng)庫(kù)設(shè)備可能最有價(jià)值。使用其他方法也不是說無法實(shí)現(xiàn)近實(shí)時(shí)的延遲，但是您可能需要使用其他高速硬件和軟件來擴(kuò)展數(shù)據(jù)倉(cāng)庫(kù)環(huán)境，以滿足您的性能目標(biāo)。

一旦您的組織決定需要建設(shè)一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，并確定了最合理的部署方案，下一步就是研究購(gòu)買數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)的可用技術(shù)選項(xiàng)。整個(gè)過程，往往需要經(jīng)過萬全的考慮。

責(zé)任編輯：ct