1、数据仓库有一个共同点，可以存储明细数据和汇总数据，为企业的各个部门提供一个单一的、易于访的位置。这有利于业务的快速分析、新报表的高效开发和信息可视化。此外，它还可以帮助决策者正确应对公司变革，以利用成果并最大程度地减少错误。
2.粒度级别的选择很大程度上是根据常识。施工前做好规划，预估数据量，建立相应的反馈系统。在实施过程中，先建立一小部分数据仓库，让分析师使用，然后听取他们的输入，根据他们的反馈对粒度级别进行适当的调整。
3、数据仓库这个词目前还没有统一的定义。著名的数据仓库专家在他的《构建数据仓库》一书中给出了如下描述。DataWarehouse是一个面向主题的SubjectOrientedIntegrate。
4、利用Teradata数据库本身的并行处理能力，通过SQL语句实现数据转换，提供对ETL流程的支持，包括前后台依赖执行和监控。SASETL工具称为ETLStudio，它提供管理ETL过程和数据建立仓库数据集市以及OLAP结构和其他几个的单点控制。
5,4但是，当数据集市数量增多时，很容易形成“蜘蛛网”现象，而元数据管理是解决“蜘蛛网”的关键。如果在构建数据集市的过程中忽略元数据，集成到数据仓库5中会更顺利。
6、要建设好并使用好这个系统，需要有一个基本的框架来集中和统一现有的数据和信息。因此，与IBM合作的数据仓库建设项目被提上日程。因为很多客户信息、行为信息、体验数据都是基于数据的。
7.补充一点，数据仓库方案的构建目的是作为前端查询分析的依据。由于冗余度大，所需的存储空间也很大。为了更好的为前端应用服务，数据仓库必须具备以下优点，否则数据仓库方案1是失败的，效率足够高，不能满足客户的要求。
8.2数据仓库数据集市模型的构建数据仓库数据集市模型是建立在需求分析基础上的数据仓库数据集市模型。除了数据库的ER建模和关系建模外，还包括数据仓库维度建模技术3数据抽取清洗转换加载ETL数。
9、元数据元数据描述数据的数据，是指在数据仓库建设过程中产生的与数据源定义、目标定义、转换规则等相关的关键数据。2ETL是数据仓库建立的核心过程。在业务系统的基础上开发，其内部。
10、数据库是面向事务的设计，数据仓库是面向主题的设计。数据库一般存储在线交易数据，数据仓库一般存储历史数据。数据库存储信息时，并不强调一定要有时间信息数据。而仓库则不同，为了决策的需要，在数据仓库中。
11、数据仓库方案建设的目的是作为前端查询分析的依据。主要用于OLAPonlineAnalyticalProcessing，支持复杂的分析操作，侧重于决策支持，提供直观易懂的查询结果。AWS比较流行的是Redshift、Greenplum、Hive等1.
12、所以在20世纪80年代，人们专门建立了一个数据库系统，把各个系统的数据都放在里面，以便准确查询和制作报表。这样既方便又现成，不会影响业务系统。从这个角度来看，数据仓库是所有数据的集合，后续的查询和报表已经不能满足人们的需求。
13、人们可能先按照统一的数据模型建立数据集市，然后在各个数据集市的基础上建立数据仓库。但是，当数据集市数量增多时，很容易形成“蜘蛛网”现象。数据管理是解决“蜘蛛网”的关键。如果大家在建立数据集市的过程中注意一下。
14.1存储值的区别在于数据库只存储当前值，数据仓库存储历史值2。数据变化的区别数据库中的数据是动态变化的。只要有业务，数据就会更新，而数据仓库是静态的历史数据，只能定期添加刷新数据库中的3个数据结构差异。
15、早就该取消了。重点是什么？
16、形成所谓“角塞”，硬化后会造成毛孔堵塞。外观如针尖状小丘疹，散在分布，颜色为红褐色或褐色，大部分无害。外观很像“鸡皮疙瘩”，粗糙得像砂纸，摸起来粗糙。