数据仓库概念总结

数据仓库：英文Data WareHouse，数据仓库是面向主题，为分析数据而设计的，是一个各种数据(包括历史数据和当前数据)的中心存储系统，主要服务于商业智能(也就是BI)和企业决策管理。

商业智能：指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值，帮助企业做出明智的业务决策的工具。

面向主题：是在较高的层次能够完整的、统一的刻画某个分析对象所涉及的各项数据和数据间的联系。比如用户订单信息表刻画了用户的购买金额和其他购买行为信息，以及信用卡主档表，记录了信用卡这一业务下用户的卡信息，包含卡号、有效期、额度等。

数据仓库的源系统来源：业务系统数据库、日志采集系统、以及爬虫系统。

日志采集系统：一般是从PC端、APP、IOS对其进行埋点后采集的，也就是采集用户行为。比如上网页版京东搜索“手机”这一行为就会产生行为日志信息，埋点可以记录用户做的所有事情，比如页面浏览、点击、停留、评论、收藏等。

粒度：数据粒度指数据仓库的数据中保存数据的细化程度或综合程度的级别，粒度越小，数据越细，查询范围就越广泛；粒度大就越不够细节。声明粒度意味着精确定义事实表中的一行数据表示什么(比如代表一天的数据、一周的数据还是一个月的数据或者一条订单信息)，应该尽可能选择最小粒度，以此来应对各种各样的需求，能满足更多指标开发。

维度：看待事物的角度。

维度表：一般是对事实的描述信息，可以看做是用户分析数据的窗口，包含了事实数据的特性。每一张维度表对应显示世界中的一个对象或者概念，比如用户类型、商品、日期、地区等。

事实表：包含对分析事物的一个或多个度量值(指标)。

指标：可以理解为统计的销售额、转账额等这样的业务统计数。

度量：可以是事实表中存放数值型或者连续次数的字段，例如订单金额、下单次数等。

用户画像：是将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务，一般是为了后面的推荐系统提供用户标签。

数据质量：在保证数仓正常运行的前提下，对数仓是否运行良好、分析的指标是否正确、数据是否正确进一步检查。

OLAP：是一种软件技术，是分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的，从各个方面观察信息，也就是从不同的维度分析数据，因此OLAP也称为多维分析。如下图所示：角度数等于2的N次方减1.