目录

1.本章重点

2.数据仓库和商务智能活动

3.数据仓库架构组件

4.Inmon和Kimball

5.商务智能工具的类型

6.OLAP和OLTP的区别

7.三种经典的OLAP实现方法

8.数据仓库架构

9.CDC技术比较

10.本章讨论

1.本章重点

本章 CDGP 核心考点如下：Inmon和Kimball关于数仓的差别有哪些；数仓的主要组件有哪些；数据分析的自助服务是什么；数仓、数据湖、数据中台的相同点和不同点有哪些；数仓和数据湖的架构图应该是怎样的；数仓的一些疑难问题，比如SCD、星型和雪花模型的融合等；指标体系。

其中数据中台、指标体系属于教材大纲以外的拓展知识点，考生需自主补充相关内容学习，以便应对考试相关考题。

2.数据仓库和商务智能活动

（1）理解需求

（2）定义和维护数据仓库/商务智能架构。
1）定义数据仓库/商务智能架构
2）定义数据仓库/商务智能管理流程。

（3）开发数据仓库和数据集市。
1）将源映射到目标。
2）修正和转换数据。

（4）加载数据仓库。

（5）实施商务智能产品组合。
1）根据需要对用户进行分组。
2）选择与用户需求相匹配的工具。

（6）维护数据产品。
1）发布管理。
2）管理数据产品的开发生命周期 。
3）监控和调优加载过程。
4）监控和调优商务智能活动和性能。

3.数据仓库架构组件

1、源系统。

2、数据集成。

3、数据存储区域。

①数据暂存区。

②主数据管理。

③中央数据仓库。

④ODS（操作型数据存储 ）。

⑤数据集市。

⑥数据立方体（Cubes）。

其中，源数据、数据集成与中央数据仓库三者构成必备核心组件。

4.Inmon和Kimball

（1）Inmon把数据仓库定义为“面向主题的、整合的、随时间变化的、相对稳定的支持决策的数据集合”，用规范化的关系模型来存储和管理数据。

（2）Kimball把数据仓库定义为“为查询和分析定制的交易数据的副本”，通常称作多维模型。

5.商务智能工具的类型

（1）运营报表。

（2）业务绩效管理。

（3）运营分析应用。

6.OLAP和OLTP的区别

7.三种经典的OLAP实现方法

（1）关系型联机分析处理（ROLAP）。ROLAP通过在关系数据库（RDBMS）的二维表中使用多维技术来支持OLAP。星型架构是ROLAP环境中常用的数据库设计技术。

（2）多维矩阵型联机分析处理（MOLAP）。MOLAP通过使用专门的多维数据库技术支持OLAP。

（3）混合型联机分析处理（HOLAP）。它是ROLAP和MOLAP的结合。

请注意理解并记忆上述内容，在DAMA认证考试的选择题部分，OLAP实现方法是一个经常被考查的知识点。

8.数据仓库架构

对于这个架构图，有三点需要关注：

（1）ODS和中央数据仓库是并行的。

（2）数据仓库主要处理结构化数据，采用 ETL（抽取、转换、加载）流程。其业务场景通常较为明确，侧重于对已发生事件进行归纳总结或直观呈现，常与商务智能（BI）相结合，以助力企业基于过往数据做出决策与分析。

（3）数据湖能够容纳结构化与非结构化数据，运用 ELT（抽取、加载、转换）模式。其业务场景未必清晰确定，更多地倾向于对未知情况展开预测或深度 挖掘，往往与人工智能（AI）相衔接，为企业挖掘潜在价值、探索新的业务方向提供数据基础与可能。

第2点和第3点，也是传统数仓和数据湖的区别。

9.CDC技术比较

CDC（变更数据捕获）的技术细节是CDGA考试中选择题的一个常见考点，请广大考生务必给予充分重视。

10.本章讨论

（1）数仓建设的主要活动
（2）数仓、数据湖和数据中台的差别

1）数据仓库（Data Warehouse）面向结构化分析，服务企业 BI 报表、经营分析；数据经过清洗、规整，统一建模，存储历史汇总数据，适合稳定指标计算。

2）数据湖（Data Lake）统一存储各类原始数据，结构化、半结构化、非结构化数据均可存放；数据保留原始原貌，不做提前强清洗，支持探索式分析、机器学习。

3）数据中台（Data Middle Office）并非存储载体，是一套数据能力体系；整合湖、仓、数据服务、指标、元数据、数据治理，对外提供标准化数据接口与可复用数据资产。

数据中台为阿里首创的国内本土数据架构概念，备考可结合阿里数据中台架构图辅助掌握。