构建一个完整的数据仓库（一）数据仓库介绍

今天咱们讲一讲数据仓库，由于最近的项目使用到，以前也做数据仓库，但是知识面比较零碎，因此在这里我们再把相关的内容稍微整理一下。分享给大家。

一、什么是数据仓库

数据仓库是近年来非常火的名词，很多公司都在做数仓。官方的解释是：数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。所以很多公司也把数仓叫做数据中台。但是我们在真是的过程中，数据中台能做的事情比数据仓库更多。这里我们主要讲解数据仓库，数据中台的内容我们后期做几篇合集内容给大家总体介绍一下。

二、常见的数据仓库架构

这张图主要介绍的是数据仓库的分层即围绕数仓的大致内容。

三、数据仓库分层介绍

通用的数据仓库一般我们分为:ODS层、DW层（包含：DWD层、DWM层，DWS层）。我们分别来介绍一下:

OSD层：

ODS层，全称Operrational Data Store，主要用于原始数据的存储，例如PC网页访问日志表,H5页面访问日志表,小程序访问日志表,IOS/Android原生访问日志表，登录日志表，订单日志表，商品日志表，用户行为日志表等。

DW层：

DW层，全称Data WareHouse，这里又细分的有：DWD层，DWM层，DWS层。

DWD层：

DWD层，全称Data WareHouse Service。即数据服务层，主要是保存的各个业务主题的宽表，例如：

用户主题宽表：
1、保留更少的维度，比如只有：人
2、计算出更多用户相关的指标：登录次数，访问次数，添加购物车次数，购买商品次数，购买不同商品数，购买全额，下单次数，退货次数，退货率等。
3、提供更多时间维度的数据：比如天、周、月级别的数据。

DWM层，全称Data WareHouse Middle，数据中间层，对明细数据按照常用的维度做初步的聚合和汇总，例如：

用户访问行为日志表:
1、保留通过的维度：人、商品、设备、页面区域（首页、商品详情页、店铺详情页等）
2、计算出常用的统计指标：次数、时长等

DWD层，全称Data WareHouse Detail，数据明细层，对OSD层数据做一定的清晰和主题汇总，例如：

用户访问日志表：
1、保留和明细数据一样的数据维度
2、包含PC，H5，APP，小程序等各个来源的数据
3、对部分枚举类类型的值进行翻译
4、剔除异常数据，保证数据质量