数据无处不在。就好像我们被数据包围了一样。即使有这么多可用的数据，我们也无法充分利用它。这可能是由于对海量数据的理解不足，或者缺乏文档，或者无法找到对我们来说重要的数据。

然后得出结论，跨企业集成数据、存储和分析数据非常重要。据了解，历史数据对目前的数据理解非常重要。数据摘要对组织来说仍然具有巨大的价值。

数据仓库和数据集市结果被引入。它们用于从数据创建系统中获取数据，然后将逻辑应用到系统中，然后使用所需的工具提取数据并存储数据。

数据存储在能够支持我们分析过程的结构中。这些概念广泛地定义了用于报告和分析的集合或表的创建。因此，我们必须整理数据，移动它，并以一种形式存储它，以提供报告作为输出。

通过这种方式，我们可以跨多个系统查看数据，同时也减少了对数据生成系统生成的数据进行分析的负担。他们不关注日常操作和事务，而是关注数据的建模和分析。

对于精确和明确的商业智能，公司依赖于数据仓库。数据集市也服务于类似的目的，那么是什么使它们彼此不同呢?

数据仓库与数据集市

下表提供数据仓库和数据集市的区别．

数据仓库	数据集市
集中储存系统(涵盖不同主题的数据)	集中式存储系统(涵盖各种主题的数据)分散式存储系统(集中于特定用户组)
数十或数百个数据源	通常只有几个数据源
存储各种主题的数据	存储与特定主题相关的数据
数据详细形式	数据汇总形式
数据有点非正规化。	数据高度非正规化。
雪花，事实星座模式	使用星形和雪花模式
建立在数据库和其他数据生成系统之上	通常建立在数据仓库之上
自顶向下的模型	自底向上的模型
目标是有用的数据可视化，分析，商业智能	目的是存储数据有用的特定部分的主题
灵活、面向数据、寿命长。	限制性强，以项目为导向，寿命短。
由于大量的数据和很高的失败风险，很难构建	由于更少的数据量和更低的失败风险，构建更简单。
数据仓库的规模很大。	数据集市的大小比数据仓库小。
业务范围的分析	部门特定分析

什么是数据仓库?

数据仓库被描述为一个面向主题的、集成的、时变的和非易失的知识集合，以支持管理的决策过程诗人Inmon．它是为组织的操作数据库单独维护的。它旨在为信息处理和数据历史分析提供一个平台。通过排除对流程无用的数据，它提供了一个围绕特定主题的简单而简洁的视图。

数据仓库是创建和使用数据仓库的过程。它们是通过集成多个异构数据源构建的。这里的数据不需要操作更新。只需要加载和访问数据两种操作，数据以静态格式加载，不需要任何修改。

数据仓库不包含最新的信息。它服务于来自不同源系统的数据之间的相关性。人们经常混淆数据仓库和数据库。

数据仓库是数据库的顶层，它从数据库中获取(提取、转换和加载)数据并存储它们以供分析。然后对这些数据进行处理以获得其见解。

数据仓库用于在线分析处理(OLAP)，它服务于知识工作者的决策和数据分析角色。它用于提取重要的见解和简化业务流程，是业务智能中的一个重要元素。它使业务用户能够更快地访问与查询相关的数据，并提高数据的一致性和质量。

数据仓库在金融、电信、运输等各个领域都有应用。

什么是数据集市?

数据集市是数据仓库的一个独立的逻辑子集。数据关注特定用户，关注特定功能领域的人。它是一个小型的数据存储库。数据集市可能具有与数据仓库相似的结构。然而，建立一个数据集市需要更少的时间，也就是几个月。这可能是由于其较小的规模和从较少数量的来源提取数据。

数据集市更适合用于专门的业务单位。因此，数据集市是一种范围有限的数据仓库，其数据可以通过摘要进行分析。因此，不需要整个组织的数据。一个企业可以使用多个数据集市。设计一个数据集市是一个漫长而昂贵的过程。即便如此，每个行业都必须有自己的数据集市。

作者

Shriya Upasani
麻省理工学院的世界和平大学