数据仓库和商务智能考试考点及关系梳理 - 教程

一、核心考点分类及具体内容

（一）基础定义与核心区别（高频基础考点）

1. 核心定义

概念	核心含义	关键目标
数据仓库（Data Warehouse, DW）	面向主题、集成、稳定、时变的结构化数据存储系统，依据整合多个数据源（OLTP系统、文件、API等）的历史数据，为企业决策提供统一的数据基础	1. 数据整合：消除数据孤岛，形成企业级统一数据视图； 2. 历史存储：保留长期历史数据（如3-5年交易资料），支持趋势分析； 3. 拥护分析：为商务智能提供结构化、高质量的分析数据源
商务智能（Business Intelligence, BI）	基于数据仓库等数据源，利用数据抽取、分析、可视化等技术，将信息转化为业务洞察和决策支持的应用体系	1. 数据分析：通过OLAP、统计分析等挖掘数据价值； 2. 可视化展示：以报表、仪表盘等形式呈现分析结果； 3. 决策承受：为业务运营（如销售监控）和战略规划（如市场预测）提供依据

1. 核心区别与联系

• • 区别：

• • • 数据仓库是**“数据存储层”**，侧重数据的整合、存储和管理（“存好数据”）；
    • 商务智能是**“数据分析与展示层”**，侧重数据的分析、可视化和决策支持（“用好资料”）。

• • 联系：数据仓库是商务智能的核心数据源，商务智能是数据仓库价值的最终体现；两者共同构成“数据整合→分析→决策”的闭环。

1. 与OLTP系统的关键差异

对比维度	数据仓库（OLAP）	传统数据库（OLTP）
核心用途	决策拥护、多维分析（如“各区域季度销售额对比”）	业务交易处理（如“客户下单、库存更新”）
数据特征	面向主题、集成、稳定（非实时更新）、历史数据	面向业务流程、分散、动态（实时更新）、当前材料
操作类型	繁琐查询（多表关联、聚合计算）、低并发	容易CRUD（增删改查）、高并发
数据量	海量（TB/PB级）	中少量（GB级）

1. 考试高频题型：单选题（区分数据仓库与BI/OLTP的差异）、多选题（选择数据仓库/BI的核心目标）、判断题（数据仓库是否帮助实时交易）。

（二）数据仓库核心特征与架构（考试重点）

1. 四大核心特征（DAMA-DMBOK标准）

• • 面向主题：围绕企业核心业务主题（如“客户”“产品”“销售”）组织材料，而非按业务流程（如“下单”“支付”），例如“销售主题”整合订单、库存、客户数据，支撑销售分析。
  • 集成性：将分散在多个数据源（ERP、CRM、Excel记录等）的异构数据（结构化、半结构化）通过清洗、转换、整合，消除冗余和冲突（如统一客户ID格式）。
  • 稳定性（非易失性）：数据一旦加载到数据仓库，通常不修改或删除，仅追加新素材（如每日新增前一天的交易数据），确保历史数据可追溯。
  • 时变性：保留时间维度数据（如每个月的销售数据），支持趋势分析（如“近3年Q4销售额对比”），数据按时间周期（天/周/月）更新。

1. 经典架构模型（Inmon vs Kimball）

架构类型	核心思想	架构分层	优势	劣势	适用场景
Inmon（企业级架构）	先构建企业级数据仓库（EDW），再基于EDW构建数据集市（DM），强调“自上而下”整合