最近在部落格園上看到一篇文章，關於資料倉庫建設相關的。以前做專案一直通過PowerQuery進行資料加工處理，再使用PowerBI Desktop進行資料分析展現，沒有單獨構建資料倉庫的概念。通過這個文章找到中軟易通官網，瞭解一些免費的ETL工具介紹和視訊後發現原來通過ETL工具建立資料倉庫確實可以比較簡單。（注意：這裡的簡單是相對的，主要還是我們需要有資料倉庫相關的知識尤其是資料倉庫維度建模，後期我會專門針對維度建模寫一個維度建模系列的文章。）

 

       圖中我們可以看到有資料倉庫和沒有資料倉庫的區別。在進行資料分析的時候，我們總會遇到一些名詞，比如資料倉庫。資料倉庫是資料分析中一個比較重要的東西，資料倉庫是一個面向主題的、整合的、相對穩定的、反應歷史變化的資料集合。下面就給大家解釋一下資料分析中的資料倉庫。

       對資料分析的理解大家應該都是比較熟悉的，資料分析的流程有很多，首先需要進行對業務的理解，然後就是對資料的理解，挖掘資料，資料處理，資料分析，資料展現，這些步驟就能夠給大家帶來一個不錯的資料分析結果。

       但是資料分析中的工作最重要的就是資料處理工作，由於資料分析對資料質量、格式的要求比較高，對資料的理解也必須非常深刻，使得資料契合業務需求也要一定的過程，根據我做資料分析的經驗，在整個資料分析流程中，用於資料處理的時間往往要佔據70%以上。所以，如何高效、快速地進行資料理解和處理，往往決定了資料分析專案的進度和質量。而資料倉庫具有整合、穩定、高質量等特點，基於資料倉庫為資料分析提供資料，往往能夠更加保證資料質量和資料完整性。

        我們如果要做好資料分析的時候，要使用ETL工具構建資料倉庫提升資料分析效果需要從三個方面。分別是資料理解、資料質量、資料跨系統關聯。

        一、資料理解

 

       我們都知道，資料倉庫是面向主題的，所以其自身與業務結合就相對緊密和完善，更方便資料分析師基於資料理解業務。而資料倉庫是有很多的主題組成，包括了很多的資料。當我們需要對資料進行分析的時候，如果理解資料倉庫的模型，資料理解也就水到渠成了。

       第二、資料質量

 

       我們在做資料分析的時候要求資料是乾淨、完整的，而資料倉庫已經對源系統的資料進行了業務契合的轉換，以及髒資料的清洗，這就為資料分析的資料質量做了較好的保障。

        第三、資料跨系統關聯

        資料跨系統關聯資料倉庫的一個簡單架構，各業務源系統的資料經過ETL過程後流入資料倉庫，當不同系統資料整合到資料倉庫之後，至少解決了資料分析中的兩個問題：

       第一，跨系統資料收集問題，在金融分析中同一個客戶的儲蓄交易和理財交易我們在同一張事實表就可以找到；

       第二，跨系統關聯問題，進行資料整合時，總是需要找到共同點來關聯來自不同系統的資訊，而資料倉庫在ETL過程中就會整合相關客戶資訊，完美解決跨系統關聯問題。

       通過上面的內容我們不難發現數據倉庫確實能夠給大家帶來很多的幫助，大家在學習資料分析之餘需要對資料分析中的資料倉庫進行了解，這樣才能夠更好地去進行資料分析工作。希望這篇文章能夠給大家帶來幫助，最後感謝大家的閱讀。

       歡迎大家一起加入高效資料處理ETL交流群，一起討論資料分析前ETL過程的問題，一起學習一起成長。 

 

      掃碼加群：

相關推薦