应用于BI的新型数据仓库架构

hulala93

从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

这个时代，是信息爆炸，大数据的时代。各种技术层出不穷，更新迭代的速度也非常的快。因此新型的数据仓库技术架构也呼之欲出。

新型的数据仓库架构主要如下：

1、更先进的分析能力。之前的BI主要用于对已经发生的事情的分析总结，现在使用BI对还未发生的事情进行预测分析已经成为主流应用。除了预测分析，新型的数据仓库还将在数据虚拟化以及实时处理上有所改进。

2、更丰富的数据支持。传统的数据仓库只支持关系型数据库，只能处理结构化的数据。新型的数据仓库支持非结构化的大数据，支持多维数据库。

3、引入新的概念:cube、数据池等

4、ETL技术的改进

5、并行处理，云计算等技术的运用这些新技术可以帮助企业增强实施决策能力，同时降低扩展的成本。

关于新型的BI和数据仓库架构，还有很多问题需要回答。

1、企业数据仓库存在的必要性

无论是过去现在还是将来，数据仓库都是企业信息化建设必不可少的一部分。它是企业数据集成的阵地，是数据分析的高质量数据来源。只是传统的数据仓库已经无法满足企业BI分析的需求，因此需要新型架构的数据仓库。

2、新型数据仓库有哪些组件

第一个组件是调查计算平台，主要用到了关系型软件和Hadoop技术。这一平台主要用于挖掘数据、开发新的分析模型，比如数据挖掘、因果分析、条件分析、类型分析以及常规的无计划的数据调查。

一些组织可能只将调查计算平台用于简单的实验沙箱，而一些组织会创建完整的分析平台，或将其用作数据加工。如果部署得当，这种新的平台能够帮助企业实现对大规模数据集的快速分析。

第二个新的组件就是数据加工。所谓数据加工，就是把来自于传感器、社交媒体、RFID等多种数据源的数据和实时数据提取进来，经过一定加工后将其加载到关系型或非关系型数据存储中。就像石油加工把原油变成石油产品一样，数据加工把未经处理的数据变成有用的信息，这些信息会为调查计算平台或数据仓库所用。数据加工通常要求在数据安全、隐私、质量、归档和销毁等数据治理层面能够更灵活。

如何满足业务日益增长的实时BI分析的需求？则需要第三个组件：实时分析。这一组件包括运营环境中的实时分析平台，目的是要开发和部署实时分析应用，比如Web事件分析、跟踪流优化和风险分析。因为实时分析平台中的分析模型和规则很有可能会在企业数据仓库、调查计算组件和实时分析平台自身开发，所以一定要保证这三个平台的紧密集成。

现存的和新得数据管理、BI和分析技术可以并存共生、彼此支持。在扩展的BI架构中，每一个组件都得到了优化，来满足特定的功能和能力需求。

这种架构总体上不会改变太多，这需要生产、调查和实时分析能力保持相对一致。