1、大資料部門：資料中心、資料平臺、資料部……
2、每個部門都有：架構人員、資料分析人員、開發人員、運營人員……
3、團隊：資料倉儲組、BI組、架構組、資料專家組……
4、團隊分的更細：需求組、推薦組、情報組、挖掘組、資料組、營銷組……
5、大資料有哪些重要的專案：
1）資料倉儲建設；
2）經營分析報表；
3）客戶精準營銷；
4）推薦系統；
5）移動端資料分析。
6、大資料有哪些重點方向：
1）流量資料；
2）交易資料；
3）會員與活動資料；
4）物流與配送資料；
5）內部財務資料。
7、代表產品：淘寶資料魔方、騰訊使用者畫像、京東資料羅盤
8、企業的需求：
1）實時監控企業的運轉情況；
2）決策未來的發展戰略；
3）預測哪些是值得發展的優質客戶。
傳統資料，分散、資料格式不一致不相容、應用系統孤立。
BI誕生，整合實時與歷史資料，將分析轉化為執行力。關鍵效益：洞察力和協同一致。
9、源資料庫 à ODS à ETL à DW à DM à OLAP à Client
10、注意：BI是不產生決策的，它是提供給使用者的是報表或圖視，但是它不同於傳統的靜態報表，它可以任意旋轉組合報表或圖視，是當場計算。
11、資料倉儲：是一個面向主題的、整合的、相對穩定的、反映歷史變化的資料集合，用於支撐管理決策。
主題：顧客、供應商等
整合：多個異種資料，統一整合在一起。
相對穩定：不更新，只新增。
反應歷史變化：資料倉儲記錄的是一段時間的資訊，不是一點的資訊。
12、SCD問題處理方法？
13、ODS是什麼，在資料倉儲中起的作用？
14、ETL載入策略與舉例？
15、事實表：儲存了大量業務度量資料的表，事實表的度量值一般稱為事實。例如：訂單金額、銷量等可度量的。
粒度：
1）事務粒度事實表：比如股票按秒來變化；
2）週期快照：按天、按周、按月等；
3）累積快照事實表：記錄確定週期的資料；
4）原子事實表：細粒度事實表；
5）聚集事實表：彙總事實表；
6）合併事實表；
7）旋轉事實表；
8）預連線聚集表；
9）非事實型事實表：沒有確定的事實，存的是外來鍵；
10）切片事實表：把一張大表切成一段時間的；
11）蜈蚣事實表：維度很多；
12）一致性事實。
16、資料集市：小資料倉儲，面向部門。它是資料倉儲的子集，一般只面向某個主題，緩解訪問資料倉儲的瓶頸。DM一般儲存經過彙總的資料，資料都是經過很多加工後的表。
17、後設資料：是關於資料的資料，可以看作是資料倉儲系統的“資料字典”，但是這個字典比傳統意義上的資料字典強大。他可以幫助管理員和開發人員方便找到他們所關係的資料，並告訴使用者資料倉儲中有哪些資料，這些資料從哪裡來。
分為技術後設資料和業務/商業後設資料。
18、ETL是將業務系統的資料經過抽取（Extract）清洗轉換（Transform）之後載入（Load）到資料倉儲的過程。
19、OLAP是聯機分析處理，它可以滿足決策支援或多維環境特定的查詢和報表需求，它的技術核心是“維”，因此OLAP也可以說是多維資料分析工具的集合。
20、維：是人們觀察資料的特定角度，是考慮問題時的一類屬性，屬性集合構成一個維。如：時間維、地理維等。
21、維度表：可以看作是使用者分析資料的視窗，維度表包含事實資料表中事實記錄的特性。
事實表與維表的關係如下圖：
粒度：資料細化的級別，粒度越細，資料量越大，儲存所需的空間越大，查詢效能越慢。
層次：舉例如：國家-省-市-縣等；年-季-月-周-日。
三種模型：星形模型、雪花模型和多維模型。
星形模型如下圖：它的維度表沒有被新的表連線
22、建模的一般過程
1）確定業務過程每個事實表的粒度；
2）確定維度屬性；
3）確定維度層次；
4）確定每個事實所需要關聯的維度；
5）確定數字型事實，包括預先計算的；
6）確定緩慢變化維：一種是直接覆蓋，另一種是保留歷史產品的維度，即追加。
23、
24、資料抽取與裝載策略
抽取：每天凌晨會把昨天的資料抽取一份放入資料倉儲中，所以資料是T+1的。
1）抽取分為全量抽取和增量資料。小表全量，大表增量。
2）增量抽取可以透過時間戳來控制。
3）每次抽取近一個月有變更的資料，然後和目標表做全外關聯得到最新的資料。
4）注意：不要用其它的表的時間戳來控制自己增量。
裝載：將落地的檔案裝入到Hive資料表中。注意欄位的順序，極其重要。
抽取裝載：一般使用sqoop來完成。