数据仓库建设商务智能（ Business Intelligence）用于支持制定业务决策的技能、流程、技术、应用和实践。核心是通过数据提取、整理、分析，最终通过分析结果制定有关策略、规划，帮助企业了解新的趋势、抓住新的市场机会、发现潜在的威胁，达到资源的合理配置，节约成本提高效益。数据仓库是商业智能的基础，它为OLAP、数据挖掘提供分析和决策支持。一、数据仓库概念1. 数据仓库定义是一个面向主题的、集成的、相对稳定的、反映有有历史变化的数据集合，用于支持管理决策。具有以下特点：详细交易及相关业务数据的集合包含必要的内部与外部信息来自于多个数据源、业务操作系统保存一定的时间周期按照企业内业务规则决定存储模型2. 建设的必要性目前大多数信息系统由于建设时间、建设方、各阶段需求不同，会出现一系列问题：缺乏整体规则、信息缺乏完整性、缺乏统一的信息管理标准和规范、信息孤岛、不具备大容量的数据管理和分析能力。3. 价值提高管理决策的科学性和管理效率信息的整合，可推动现在有信息管理体系的重构打通信息孤岛全局共享，降低数据获取的难度逐渐取代各类业务管理报表系统运用历史数据发现规律二、数据仓库建设1. 业务需求定义梳理出所有业务过程， 分析业务内容提取需求， 对其相关的数据进行探查，并对各系统核心业务人员访谈，准确的了解业务需求情况，近期调研2. 技术体系结构生命周期图技术架构图：3. 数据仓库数据建模数据模型是抽象描述现实世界的一种方法，是通过抽象的实体及实体之间的联系来表示现实世界中事务的相互关系的一种映射，数据仓库模型是数据模型中针对特定的数据仓库应用系统的特定模型。数据仓库建模方法种类较多，常见的三种是范式建模、维度建模、实体建模，每种方法本质上都是从不同的角度解决业务中的问题。关于数据仓库建模 单独用一篇来详细介绍，这儿仅对维度建模做基本的介绍，维度建模由数据仓库领域另一位大师Ralph Kimall所倡导，是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。1. 维度模型是什么维度建模将客观世界划分为度量和上下文。度量是由业务过程和支持它们的业务源系统来捕捉的，常常以数据值形式出现，将其称作“事实”，事实由大量上下文包围着，这些文本形式的上下文被直观地分割成多个独立的逻辑块，我们称...
