建立数据仓库 w.h.inmon pdf

《建立数据仓库》是由W.H. Inmon编写的一本经典著作，本书详细介绍了如何建立和管理一个数据仓库。数据仓库是一个以主题为中心的、集成的、时间一致的、非易失性的数据集合，用于支持企业的决策制定和分析。

这本书首先介绍了数据仓库的概念和原理。作者指出，数据仓库的核心思想是将分散在各个业务系统中的数据进行整合，并将其转化为易于理解和分析的形式。数据仓库不仅仅是一个存储数据的地方，更重要的是它提供了数据的质量和一致性保证，能够满足用户的分析需求。

接着，作者详细阐述了数据仓库的设计和建立过程。这包括需求分析、数据模型设计、数据抽取和转换等方面的内容。作者强调了数据质量的重要性，提出了一些数据质量的评估指标和改进方法。此外，作者还介绍了一些常见的数据仓库架构和工具，帮助读者更好地理解和实践数据仓库的建立。

最后，本书还讨论了数据仓库的管理和维护。作者指出，数据仓库是一个长期的项目，需要不断地对数据进行更新、维护和优化。本书介绍了一些数据仓库管理的最佳实践，包括数据质量的监控、性能优化和安全管理等方面。

总的来说，W.H. Inmon的《建立数据仓库》是一本权威、全面且实用的数据仓库建立指南。通过阅读本书，读者可以深入了解数据仓库的理念、原则和方法，学习建立和管理一个高质量的数据仓库。这对于企业提高决策制定和业务分析的效果，具有重要的指导意义。

相关问题

深入数据仓库kimball和inmon

kimball和inmon都是数据仓库建模方法论的代表性人物。他们的方法论在数据仓库的架构设计、数据建模和实施过程中有着不同的理念和做法。

Kimball方法论强调的是数据仓库的快速构建和灵活性。它将数据仓库建设分为维度建模和星型/雪花模式建模两个重要方面。维度建模通过识别业务过程中的维度和测量，将业务数据转化为维度模型来实现数据存储和查询。星型/雪花模式建模通过将维度模型与事实表建立关联，实现对多个维度数据的分析。Kimball方法论注重业务需求和用户需求的理解，强调数据仓库建设过程中的合作和沟通。

Inmon方法论则更注重数据一致性和标准化。它提倡数据仓库的三层架构，包括操作型数据库层、集成层和用户查询层。操作型数据库层用于收集和存储源系统数据，集成层用于将数据进行转化和整合，用户查询层用于提供数据访问和分析工具。Inmon方法论认为数据仓库应该是一个集中和一致的数据存储系统，强调数据质量、数据一致性和数据精确性的保证。

综合来看，Kimball方法论注重业务需求和用户需求的快速响应，通过维度建模和星型/雪花模式建模实现灵活的数据存储和查询；而Inmon方法论注重数据的一致性和标准化，通过三层架构实现数据的集成和整合。在具体实施过程中，可以根据具体的业务需求和场景选择采用适合的方法论，并结合实际情况进行灵活运用。

数据仓库开发工程师的技能罗列

作为数据仓库开发工程师，通常需要具备以下技能：

1. 数据库技能：熟练掌握SQL语言，了解关系型数据库和NoSQL数据库的基本概念和使用场景。

2. 数据建模技能：能够设计数据仓库模型，包括维度模型和事实模型，并具备数据建模工具的使用经验。

3. ETL技能：能够使用ETL工具将数据从各种数据源中抽取、转换和加载到数据仓库中，并具备数据清洗和数据转换的技能。

4. 数据仓库架构：熟悉数据仓库的基本架构和常见的数据仓库架构模式，如Inmon和Kimball等。

5. 数据质量管理：能够识别和处理数据质量问题，并实现数据质量监控和管理。

6. 数据可视化：熟悉数据可视化技术和工具，能够使用可视化工具展示数据分析结果。

7. 大数据技术：了解大数据技术和工具，如Hadoop、Spark等，能够使用它们处理大规模数据。

8. 数据安全和隐私：了解数据安全和隐私保护的相关法律法规和行业标准，能够设计和实现数据安全和隐私保护措施。

9. 项目管理技能：具备项目管理技能，能够协调和管理数据仓库开发项目的进度和质量。

此外，还需要具备良好的沟通能力、团队合作精神和自我学习能力，能够不断更新自己的技能和知识。