DWH（数据仓库）基础知识指南

什么是DWH（数据仓库）？

DWH 是 “Data Warehouse” 的缩写，中文通常称为“数据仓库”。

它是一种用于整合多个系统数据、支持企业经营分析与决策的大规模数据库架构。

DWH 的特点是只用于分析（非事务处理），通过汇总后的结构化数据，帮助企业构建报表、KPI管理、趋势预测等“数据驱动”的业务模式。

DWH与普通数据库的区别

• 用途不同： 事务型数据库用于日常业务操作，DWH用于分析与统计
• 数据结构： DWH 中数据已被清洗、转换并汇总，适合分析使用
• 更新频率： DWH 通常按日、周、月批量更新，而事务系统为实时写入
• 性能优化： DWH 更重视读取性能与多维查询

DWH 是 BI（商业智能）系统的基础平台，是构建数据驱动企业的关键。

DWH的基本构成与构建流程

• 数据来源： ERP、CRM、Web系统、Excel、外部API等
• ETL处理： 提取（Extract）、转换（Transform）、加载（Load）
• 数据建模： 以事实表与维度表方式构建多维结构（星型 / 雪花型）
• 存储平台： 传统数据库、列式数据库、云数据仓库（如BigQuery）
• BI工具连接： 如Power BI、Tableau，用于可视化与分析

DWH 的构建需跨部门协调，涉及业务理解、数据治理与系统设计。

主流DWH产品与应用场景

• Snowflake： 云原生DWH，支持弹性扩展与多租户
• Google BigQuery： Google Cloud 提供的大数据分析平台
• Amazon Redshift： AWS 提供的云数据仓库服务
• Oracle Exadata： 传统大型企业常用的高性能DWH平台
• 国内工具： 阿里云 MaxCompute、华为 GaussDB(DWS) 等

DWH 广泛应用于营销分析、财务BI、客户行为分析、数据报表自动化等场景。