数据仓库在不同情况下的常见建设模式简介

innovate511

1. Inmon派，所谓至顶向下(Top down)，也就是先通过行业标准建设基础数据仓库，然后基于数据仓库建设对应的数据集市支持BI和信息挖掘等。缺点是建设数据仓库周期偏长，如果失败，企业损失会比较大，优点是后台架构容易建设得比较稳固。

2. Kimball派，所谓至底向上（Bottom up），也就是先针对主题应用，建设维度模型的数据仓库，而多个多维模型应用用总线逻辑架构形成数据仓库架构。这样做能最快满足客户的BI需求，但缺点是架构不容易建设稳固。

3. 混合派，一般是先基于Kimball派快速满足BI需求，同时又向Inmon派靠近建设稳固的数据仓库。优点是能两者兼得，缺点是如果没有良好的架构移植方案和管理，风险会比较大哦。

这里介绍得比较简单，因为这个方面的东西太多了，只能表皮地介绍一点点。

hero--008

现在多用的是混合派吧？至少我们这边现在用的这种模式！嘻嘻

innovate511

正因为如此，元数据管理相当重要，否则整多了整杂了，你就不好疏理了。

hero--008

是啊！不知老大你们那里是如何进行元数据的管理的？我们这边基本上没怎么管理

hero--008

在这里看到了一些管理方法～
4. 元数据仓库和指标库的建设。如果元数据不建立专门的库管理起来，也就是散兵游勇，对于长期建设来看，会有很大的隐患。所以当前的趋势是将元数据统一在一个库管理起来，成为所谓的元数据仓库，使元数据真正从源到展现的结果这一条大段数据线都能串联起来。

paul.db.chan

balance 派。 互补...

不互补一下，就是...
EDW 可以建，但不实用；
EDW 可以用，但不实际；

innovate511

EDW到后来就象是个数据平台吧，看你怎么去用了，会不会用好的问题