資料倉儲ODS、DW和DM概念 - 3
3.3 DM
資料集市,以某個業務應用為出發點而建設的區域性DW。DM只關心自己需要的資料,不會全量考慮企業整體
資料架構和應用,每個應用有自己的DM。 資料集市就是滿足特定的部門或者使用者的需求,按照多維的方式
進行儲存,包括定義維度、需要計算的指標、維度的層次等,生成面向決策分析需求的資料立方體(data cube)。
這層資料是面向主題來組織資料的,通常是星形或雪花結構的資料。從資料粒度來說,這層的資料是輕度
彙總級的資料,已經不存在明細資料了。從資料的時間跨度來說,通常是 DW 層的一部分,主要的目的是為
了滿足使用者分析的需求,而從分析的角度來說,使用者通常只需要分析近幾年(如近三年的資料)的即可。
從資料的廣度來說,仍然覆蓋了所有業務資料。一個星型結構包含兩個基本部分——一個事實表和各種支援維表。
事實表 ----
描述資料集市中最密集的資料。在電話公司中,用於呼叫的資料是典型的最密集資料;在銀行中,與賬目核
對和自動櫃員機有關的資料是典型的最密集資料。對於零售業而言,銷售和庫存資料是最密集的資料等。
通常,事實表的資料不能更改,但可以輸入資料。 它包括:一個反映事實表建立目的的實體的主鍵,如一張
訂單、一次銷售、一個電話等等,主鍵資訊,連線事實表與維表的外來鍵。
維度表 ----
維表是圍繞著事實表建立的。維表包含非密集型資料,它透過外來鍵與事實表相連。典型的維表建立在資料集
市的基礎上,包括產品目錄、客戶名單、廠商列表等等。
資料集市產品 ---
國外知名的Garnter關於資料集市產品報告中,位於第一象限的敏捷商業智慧產品有QlikView, Tableau和SpotView
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/35489/viewspace-2155542/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 資料倉儲ODS、DW和DM概念 - 1
- 資料倉儲ODS、DW和DM概念 - 2
- 資料倉儲ODS、DW和DM概念 - 4
- 資料分層 ODS DW DM層級
- 淺析數倉分層:DB+ODS+DW+DM
- 資料倉儲經驗概念
- 資料倉儲分層概念之我見
- 淺談資料倉儲和大資料大資料
- 談談資料湖和資料倉儲
- 大資料和資料倉儲解決方案大資料
- 資料湖 VS 資料倉儲之爭?阿里提出大資料架構新概念:湖倉一體阿里大資料架構
- 資料湖和中央資料倉儲的設計
- 資料庫倉庫系列:(一)什麼是資料倉儲,為什麼要資料倉儲資料庫
- 萬字詳解資料倉儲、資料湖、資料中臺和湖倉一體
- 數倉開發之ODS層
- 資料倉儲 - ER模型模型
- [數倉]資料倉儲設計方案
- BI、資料倉儲和資料分析之間的區別
- 資料庫和資料倉儲的區別在哪兒?CN資料庫
- Python量化資料倉儲搭建3:資料落庫程式碼封裝Python封裝
- 資料倉儲應該用什麼方案——資料倉儲實施方案概述
- 奈學:資料湖和資料倉儲的區別有哪些?
- 什麼是資料倉儲
- 什麼是資料倉儲?
- 資料倉儲建模方法論
- 資料倉儲(8)數倉事實表和維度表技術
- 資料湖會取代資料倉儲嗎?
- 資料湖 vs 資料倉儲 vs 資料庫資料庫
- 資料倉儲(6)數倉分層設計
- 資料倉儲(7)數倉規範設計
- 【資料倉儲】|3 維度建模之維度表設計
- 資料倉儲基礎介紹
- ETL資料倉儲的使用方式
- ABP 資料訪問 - IRepository 倉儲
- 資料倉儲題庫(附答案)
- 如何構建資料倉儲模型?模型
- 資料倉儲之拉鍊表
- 資料倉儲與大資料的區別大資料