大家都知道，企業(yè)要做數據分析，商業(yè)智能BI和數據倉庫二者缺一不可。許多人在疑惑，我的數據倉庫還沒有建立起來，怎么做商業(yè)智能BI呢？真得在做商業(yè)智能BI之前先建數據倉庫嗎？

無論哪一種BI項目，都需要從各級管理者的決策性思維出發(fā)，建立分主題的數據模型，從而形成數據倉庫，無論其存在形式如何，數據倉庫的分析思路必然貫穿于整個項目，并涵蓋各個層級的發(fā)展戰(zhàn)略和業(yè)務表單。

數據倉庫的邏輯

數據倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數據倉庫，是為企業(yè)所有級別的決策制定過程，提供所有類型數據支持的戰(zhàn)略集合。它是單個數據存儲，出于分析性報告和決策支持目的而創(chuàng)建。

數據倉庫系統(tǒng)區(qū)別于數據庫

一般意義上的數據庫，指由單個業(yè)務系統(tǒng)存儲的數據集，其作用是對業(yè)務系統(tǒng)流程生成的數據進行處理，以便于對各個流程生成的數據進行存儲。

為了滿足決策分析的需要，數據倉庫被建立起來，其面向主題的設計，會隨著數據特性的變化而增加或減少，例如數據之間的兼容性和互斥性，它的數據容量將比業(yè)務數據庫大五倍以上。

一般來說，數據倉庫應該單獨建立，以減少對業(yè)務數據庫的干擾。他利用數據庫的實現。他借助于數據庫實現。如關系型數據庫，多維數據庫、內存數據庫等，這些都可以作為數據倉庫來使用。數據倉庫的建立，有以下幾個主要方面工作：

①整合業(yè)務數據；②主數據管理；③元數據管理；④數據質量管理；⑤數據清洗和轉換；⑥數據裝載；⑦主題建模等，最終支持各級管理者的數據分析、業(yè)務預測、決策。

商業(yè)智能BI的邏輯

商業(yè)智能(Business Intelligence)是一種對商業(yè)信息進行收集、管理和分析的過程，它通常包括數據庫技術、數據倉庫(或數據場)、聯機分析處理(OLAP)等幾個方面，其實現涉及可視化、交互等動態(tài)分析型軟件。

各級別的管理人員都以數據倉庫為本，利用各種查詢分析工具(Query/ReportTools)、聯機分析處理(OLAP)或數據挖掘(Data Mining)工具以及決策者的行業(yè)知識，從數據倉庫中獲取有用的信息，從而幫助企業(yè)獲利，并提高生產力和競爭力。

商業(yè)智能BI不是簡單的報表和漂亮的圖形，它主要考慮的是模型交付能力和工具軟件的開放性。面對海量數據，提高信息的利用率，快速、準確地找到所需信息，做出正確的決策，是商業(yè)智能BI發(fā)展的驅動力。

由此不難看出，任何BI項目，都需要從各級管理者的決策性思維出發(fā)，建立分主題的數據模型，從而形成數據倉庫，無論其存在形式如何，分析思想都必須貫穿于整個項目，并涵蓋各個層次的發(fā)展戰(zhàn)略和業(yè)務表單，隨時納入外部數據，以保證決策的科學性和前瞻性，滿足整個決策過程。

不推薦將數據倉庫單獨作為一個項目，因為在業(yè)務分析需求不確定的情況下建立數據倉庫，將會帶來巨大的風險。而且企業(yè)總有數據無法及時入數據倉庫，有很多暫時需要分析但又沒有放入數據倉庫的外部數據，同樣對分析決策起著重要作用。