随着某省移动公司的商业智能(BI)系统逐渐完善，激发了地市分公司旺盛的应用需求，具体表现为对数据粒度的要求更加精细、需求更加灵活多变、要求更强的可操作性。为了让省移动公司的经营分析系统在地市级公司日常生产经营中发挥更大作用，省移动公司决定为地市公司搭建更符合本地特色的"数据集市"平台。
该平台作为省级经营分析数据仓库的子集，在保障与省级经营分析系统数据一致性的同时，将省级经营分析系统的应用延伸到市场经营工作的关键环节，全面支撑地市分公司各部门的日常生产运营。"数据集市"可集中进行有针对性、及时、灵活、细化的数据分析，能快速指导市场经营和生产活动，大大促进地市分公司进行精细化经营，进行更符合地区特征的营销分析和经营管理。同时，也进一步延伸和完善了省级移动经营分析系统的价值链。
两种方式灵活选择
在前面的案例里提到了数据集市、数据仓库和经营分析系统。数据仓库(Data Warehouse)是指从多个数据源收集的信息，以一种一致的存储方式保存所得到的数据集合。数据仓库创始人之一Inmon的定义为：数据仓库是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，它用于支持管理中的决策制定过程。在构造数据仓库时，要经过数据的清洗、抽取转换、集成和加载等过程。面向不同的需求，对数据进行清洗以保证数据的正确性，然后对数据进行抽取，转换成数据仓库所需形式，并实现加载到数据仓库。
移动公司的经营分析系统可以理解为就是数据仓库。数据仓库通常是企业级应用，因此涉及的范围和投入的成本非常巨大，使一些企业无力承担。因而，他们希望在最需要的关键部门建立一种适合自身应用的、自行定制的部门数据仓库子集。正是这种需求使数据集市应运而生。
数据集市(Data Mart)是聚焦在选定的主题上的，是部门范围的。在移动公司里，集团和省级公司使用数据仓库，而地市则使用数据集市进行区域化、个性化的数据分析。
在电信行业里，往往是先有数据仓库，再建设数据集市，也就是采取自上而下的方式。但这并不是唯一的方式。Sybase公司技术总监卢东明向记者介绍，美国运通公司曾经针对信用卡防欺诈系统建立了一个数据集市，由于其他应用纷纷和这个数据集市相连，后来这个数据集市发展成为一个数据量为50TB的企业级数据仓库。运通公司采取的就是自下而上的方式，也就是先建数据集市，再发展为数据仓库。
关于自上而下和自下而上这两种方法孰优孰劣，一直存在着争论。在这里就要提到两个人-Ralph Kimball和Bill Inmon，他们一直是商业智能领域中的革新者，开发并测试了新的技术和体系结构，而且都撰写了关于数据仓库方面的多本书籍。
Inmon认为，应该围绕主题来组织数据仓库中的数据，例如客户、供应商、产品等等。每个主题区域仅仅包含该主题相关的信息。数据仓库应该一次增加一个主题，并且当需要容易地访问多个主题时，创建以数据仓库为来源的数据集市。换言之，某个特定数据集市中的所有数据都应来自于面向主题的数据存储。 Inmon 的方法包含了更多上述工作而减少了对于信息的初始访问。但他认为，这个集中式的体系结构持续下去将提供更强的一致性和灵活性，并且从长远来看，将真正节省资源和工作。
而Kimball的观点是: "数据仓库仅仅是构成它的数据集市的联合"。他认为，"可以通过一系列维数相同的数据集市递增地构建数据仓库"。每个数据集市将联合多个数据源来满足特定的业务需求。通过使用"一致的"维，能够共同看到不同数据集市中的信息，这表示它们拥有公共定义的元素。 Kimball 的方法将提供集成的数据来回答企业迫切需要解决的业务问题，并且要快于 Inmon 的方法。Inmon 的方法是只有在构建几个单主题区域之后，集中式的数据仓库才创建数据集市。而 Kimball认为，该方法缺乏灵活性，并且在现在的商业环境中所花时间太长。
实际上，选择哪种方法取决于项目的主要商业驱动。如果企业正忍受糟糕的数据管理和不一致的数据，或者希望为今后打下良好的基础，那么， Inmon 的方法就更好一些。 如果企业迫切需要给用户提供信息，那么， Kimball 的方法将满足该需求。而一旦满足了迫切的信息需求后，就应该考虑包含独立数据仓库的数据体系结构的转换计划。数据仓库将使数据集市与遗留系统和 OLTP 系统隔离，并且支持更快地创建将来的数据集市。
亚信科技资深方案设计师张健说："在实际项目的建设过程中， 企业不会完全按照绝对的自上而下或是自下而上的方法去做。" |
