数据仓库基础笔记

本文最后更新于 9 个月前，文中所描述的信息可能已发生改变。

数据仓库不是简单的大数据库。 它更像是把分散的业务数据整理成适合分析的统一数据体系。

1. 为什么需要数据仓库 ​

业务系统里的数据通常是为“在线业务”服务的。

比如订单系统关心：

• 用户能不能下单。
• 库存能不能扣减。
• 支付状态能不能更新。

这些系统更重视事务正确性和实时读写。

但分析问题时，我们关心的是：

• 最近 30 天销售额变化。
• 哪些渠道用户质量更高。
• 不同地区复购率差异。
• 某个活动带来了多少新增。

如果每次分析都直接查业务库，不仅效率低，还可能影响线上业务。

所以需要数据仓库，把多个业务系统的数据抽取、清洗、整合，形成统一口径。

2. 数仓和业务库的区别 ​

业务库回答“现在发生了什么”，数仓更适合回答“过去一段时间发生了什么，为什么发生”。

3. 常见分层 ​

很多数仓会分层，例如：

ODS -> DWD -> DWS -> ADS

简单理解：

• ODS：原始数据层，尽量保留业务系统数据。
• DWD：明细数据层，清洗、规范字段。
• DWS：汇总数据层，按主题沉淀指标。
• ADS：应用数据层，直接服务报表或业务分析。

分层的意义是减少重复加工，让数据从原始到可用有清晰路径。

4. 指标口径很重要 ​

数仓里最麻烦的不是建表，而是统一口径。

比如“活跃用户”到底怎么算？

• 登录算活跃？
• 浏览页面算活跃？
• 点击按钮算活跃？
• 当天多次访问算几次？

如果不同部门各算各的，最后数据会互相打架。

所以数仓建设很重要的一件事是：让指标有统一定义。

5. 小结 ​

数据仓库的核心价值是：

• 汇集分散数据。
• 保留历史变化。
• 统一数据口径。
• 支撑分析和决策。

可以先把数仓理解成“面向分析的数据组织方式”。它不是为了替代业务系统，而是为了让数据更适合被理解和使用。