做网站和做app哪个成本高/长春网站制作企业

目前，大家公认的数据仓库创始人William H．Inmon 在他所著的《建立数据仓库》一书中对数据仓库所下的定义是：数据仓库是在企业管理和决策中面向主题的、集成的、不可更新的、随时间不断变化的数据集合。由这个定义可以看出数据仓库主要有以下四个特点：

Ø       面向主题：主题是在一个较高层次上将数据进行综合、归类并进行分析利用的抽象。面向主题的数据组织方式，就是在较高层次上对分析对象的数据的完整、一致的描述，能统一地刻画各个分析对象所涉及的企业的各项数据，以及数据之间的关系；

Ø       集成的：由于各种原因，数据仓库的每个主题所对应的的数据源在原有的分散数据库中通常会有许多重复和不一致的地方，而且不同联机系统的数据都和不同的应用逻辑绑定，所以数据在进入数据仓库之前必须统一和综合，这一步是数据仓库建设中最关键、最复杂的一步；

Ø       不可更新的：数据仓库的数据反映的是一段相当长的时间内历史数据的内容，主要供企业决策分析之用。与面向应用的事务数据库需要对数据作频繁的插入、更新操作不同，数据仓库中的数据所涉及的操作主要是查询和新数据的导入，一般不进行修改操作；

Ø       随时间不断变化的：数据仓库系统必须不断捕捉OLTP数据库中变化的数据，并在经过统一集成后装载到数据仓库中。同时，数据仓库中的数据也有存储期限，会随时间变化不断删去旧的数据，只是其数据时限远比操作型环境的要长，比如根据需要可保存10年内的历史数据；

关系型数据库技术已经被逐步接受和采用，随着C/S、B/S技术的成熟和并行数据库的发展,信息处理技术的发展趋势已变为：从大量的事务型数据库中抽取数据,并将其清理、转换为新的存储格式，也就是为决策目标把数据聚合在一种特殊的格式中。随着此过程的发展和完善,这种支持决策的、特殊的数据存储即被称为数据仓库(Data Warehouse, DW)。典型的数据仓库应该是一个主题数据库，支持用户从巨大的运营数据存储中发现信息，支持对业务趋势进行跟踪和相应，实现业务的预测和计划（DM Review杂志）。更为广泛接受的数据仓库定义是数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提到的：数据仓库是一个面向主题的，集成的，不同时间的，稳定的数据集合以便支持管理决策。

与关系数据库不同的是，数据仓库至今并没有严格的数学理论基础，它更偏向于工程。由于数据仓库的这种工程特性，因而在技术上可以根据它的工作过程分为：数据的抽取、数据的存储和管理、数据的展现等关键技术。数据仓库的功能层次模型：

数据仓库中的数据包括：元数据、粒度数据、当前详细数据，历史数据、档案数据。

1、当前详细数据：是信息仓库的核心，存放大量数据。数据来自业务操作数据库，通过主题来组织，不是代表特定应用，而是代表整个企业。在仓库中数据粒度最低，当数据精确化时，其中的每一个数据实体都是一个快照、一个时刻，表示一个瞬间。一旦需要经常支持企业需求，数据随即进行更新。

2、历史数据：以前的有意义数据（一般两年以上），给企业带来延续的利益和价值。包含巨大的数据量，可以用来预测和趋势分析。包括：旧数据（原始或汇总形式）、描述旧数据特征的元数据。

3、元数据：最重要的部分，关于数据的数据。也称为数据仓库的结构，是所有数据的集成体现。仓库开发者使用元数据来管理和控制仓库的建立和维护。

4、粒度数据：定义为数据仓库所保持的信息的概要程度。不同粒度表示为不同级别的汇总数据。汇总数据是信息仓库的特点，所有的企业数据分类（按部门、地区、功能等）需要的信息都不同，同时有效的信息仓库设计是为不同风格提供的，轻量级汇总数据为整个企业组成部分服务。通过企业数据分类找到详细和汇总数据。但是它依旧比仓库中的详细数据少得多。高度汇总数据是企业执行的主要依据，它来自根据企业组成部分的轻量级汇总数据或来自当前详细数据。这一层的数据容量比其他任何一个都少，代表一个折衷的积累，用来支持广泛的各式的需要和兴趣。通过高度汇总，执行者能够使用“钻取”到达逐步增加的详细层。