元数据在数据仓库中的应用分析:大数据仓库摘要:作为存储数据的数据，元数据是数据仓库的主要特征:数据仓库是面向主题的；操作数据库的数据组织是面向事务处理任务的，而数据仓库中的数据是按照一定的主题字段组织的。数据仓库映射的元数据和数据仓库使用的四种类型的元数据。
随着各行各业向数字化运营/精细化运营转型，数据产品越来越受到关注。数据作为B端产品的重要组成部分，逐渐成为产品设计和商业决策不可或缺的一部分。尤其是智慧城市、智能建筑等专业服务的B端数据产品，也为客户提供数据运营和决策支持。这种数据产品进行的计算和决策越多，客户就越不需要思考。因此，作为这类数据产品的产品经理，我们应该清楚地知道自己产品的数据特性，以便选择正确的设计策略。
数据仓库是管理数据，主要是思想。具体的实现工具就是解决问题，比如异构/不同源数据的数据抽取。要使用etl，根据具体情况，您可以使用工具或编写自己的程序。数据仓库的模型构建需要erwin等建模工具；数据的存储一般是借助关系数据库来实现的，所以会用到oracle之类的。但是现在我们已经开始逐渐抛弃传统的关系数据库，借助一些Nosql平台，比如hadoop上的hive。
DataWarehouse，英文名为DataWarehouse，可缩写为DW或DWH。数据仓库是为企业各级决策过程提供各种数据支持的战略集合。它是一个单独的数据存储，用于分析报告和决策支持。为需要商业智能的企业提供业务流程改进、监控时间、成本、质量和控制方面的指导。我打个简单的比方。数据仓库可以理解为仓库，数据就是这个仓库里的货物，数据仓库的开发者就是这个仓库的管理员。所以一个数据仓库就是如何管理好数据，让数据以一种规范的方式放入仓库，方便BI、AI等数据用户更好的利用仓库中的数据，让数据更好的发挥作用。很明显，在一堆规整整齐的商品里找东西。
4、数据仓库的主要特征数据仓库的特点:数据仓库是面向主题的；操作数据库的数据组织是面向事务处理任务的，而数据仓库中的数据是按照一定的主题字段组织的。主题是指用户在使用数据仓库进行决策时所关心的关键方面。一个主题通常与多个操作信息系统相关。数据仓库是集成的，数据仓库中的数据来自分散的运营数据。从原始数据中提取所需数据，进行加工整合，然后统一整合，再进入数据仓库；数据仓库中的数据是在对原始分散的数据库数据进行提取和清理的基础上，经过系统的加工、汇总和整理而得到的。必须消除源数据中的不一致性，以确保数据仓库中的信息是一致的，并且是关于整个企业的全局信息。
5、数据仓库数据建模的几种思路数据仓库数据仓库建模的两个典型理论是基于主题域的维度建模和实体关系建模，分别以Kimball和Immon为代表。维度建模由数据分析需求驱动，提倡总线架构:一致的事实和一致的维度。这种数据模型便于用户在数据分析中理解和操作。基于主题领域的实体关系建模以源系统数据为驱动，整合企业的所有数据，在企业层面对数据进行抽象和整合，使用3NF实体关系理论进行建模。这种数据建模方法试图以更抽象的方式建立相对稳定的数据模型，能够描述企业级的数据关系。
