写给数据分析师的数据仓库知识(2)

数据仓库知多少

首先，我们来了解一下数据仓库吧！数据仓库是一个面向主题的、集成的、相对稳定的、反应历史变化的数据集合。

我们来看这几个词：

• 面向主题，数据仓库会规划各种业务主题，所以我们需要理解各大主题的范畴以及之间的关系，这样就了解了数仓的基本架构。
• 集成，数据仓库的数据会来自各个业务系统数据或者外部爬取数据，所以需要我们知道每个数据仓库的模型字段都是来自哪个源，这样我们就能快速全面的了解相关业务。
• 相对稳定，数据仓库的数据一般不会实时变化，所以我们今天看去年的数据和明天看去年的数据是一样的，如果我们发现某一个月度数据不对，就可能需要重新汇总历史月份每天的数据（请理解数数仓小伙伴们没及时给你数据）
• 反应历史变化，这就是为什么预测一般就需要数据分析师们大显身手了。

如何利用数据仓库优化数据分析

首先数据分析又是干什么的呢？基于业务需求，结合历史数据，利用相关统计学方法和某些数据挖掘工具算法对数据进行整合、分析，并形成一套最终解决某个业务场景的方案（刚入门数据分析的浅显思考）。

听团队小伙伴说，在数据分析的过程种有大部分的工作都是在处理数据（大部门分我认为是60%工作量），所以为了提高工作效率和质量，借助数据仓库进行数据分析是一个很好的选择。

如何来使用数据仓库呢？

• 了解原始数据，想要真正的理解指标，你必须了解原始明细数据，知道是哪里来的，经过了怎样维度的计算得到的。
• 寻找“干净”数据，数据分析要求数据都是“干净的”（可以作为算法特征输入），而数据仓库中的模型一般都符合你的要求。我们需要找到“干净的”模型，但事实往往不会很顺利，我们需要找到相近的数据，然后自己找到之间同的纽带（关联条件）汇总数据。
• 反馈数据，数据分析在做完整个分析方案后，可以和数据放仓库小伙伴一起分享成果，让数仓同事学习数据分析思路的同时，也可以更好的规划模型，从而进入良性循环。

总结

数据仓库和数据分析都存在的组织架构在很多大团队会有，很多小团队是没有专门的数据分析人员或者数据仓库人员的，二者是合为一体的。

做为一个数据分析猿，你都用哪些数据处理手段，或者对数据仓库需要到怎么的理解程度，可以留言告诉我，一起探讨！