下载文档原格式
数据仓库建设规划图文前言数据仓库是企业决策的基础，能够帮助企业把分散的数据整合到一起，降低数据的冗余度和不一致度，并保证决策者及时准确地获取到有关于企业业务运营的信息。
而数据仓库建设规划是实现数据仓库建设的前提和保障。
本文将会介绍数据仓库建设规划的概述，及其在数据仓库建设过程中的具体应用。
数据仓库建设规划概述数据仓库建设规划是指基于业务战略、IT战略和企业治理要求，论证和分析数据仓库建设的目标、范围、基础设施、资源和人员安排，并制定全面和长期的数据仓库建设计划。
其目的是为了实现数据资产的价值最大化和企业业务分析的高效率开展。
具体来说，数据仓库建设规划包括以下几个方面的内容：1.数据仓库技术路线：在数据仓库建设过程中，需要选择哪些技术工具和平台，以及如何实现数据仓库的集成、存储、处理、管理和交互。
2.数据仓库的目标和范围：需要明确数据仓库的主要业务需求、数据需求以及数据质量标准，以便为数据仓库的整体架构和实施过程提供全面规划。
3.数据仓库基础设施：包括硬件基础设施、数据库应用软件、网络等设备和工具及相应的安全机制。
4.数据仓库资源和人员安排：需要评估数据仓库建设所需的人员和资源并计划并安排相应的人力、物力和财务方面的资源。
数据仓库建设规划的应用数据仓库建设规划对数据仓库的建设和运营都具有重要的作用。
在数据仓库建设过程中，数据仓库建设规划可以帮助企业在设计、实施和维护数据仓库过程中，更加全面、科学、系统地规划和部署数据仓库，从而提高数据仓库的建设效率，提高数据质量，提升企业的运营效率及决策水平。
具体来说，数据仓库建设规划可以体现在以下几个方面：1.业务需求分析：对不同类型的业务需求进行分析，确立数据仓库构建的业务模型和应用领域范畴。
借助业务分析工具和方法，对业务流程进行挖掘、建模和优化，设计出符合企业需要且便于数据获取和分析的数据模型。
2.技术实现：结合现有的IT设施和企业计算机软件系统，根据不同业务和应用领域制定数据仓库架构，并选择合适的技术工具和开发平台，如Hadoop、Hive、Spark等，以及各种开发框架、编程语言和库。
数仓建设方案1. 引言在数据驱动的时代，数据仓库（Data Warehouse）作为一种重要的数据存储和分析解决方案，扮演着至关重要的角色。
本文将详细介绍一个有效的数仓建设方案，旨在提供清晰准确的数据存储和高效灵活的数据分析能力。
2. 概述数仓建设方案数仓建设方案的目标是构建一个可靠、高效、可扩展和易于维护的数据仓库。
下面将介绍数仓建设方案的主要步骤和关键要素。
2.1 数据采集与清洗数仓建设的第一步是收集源系统中的数据，并进行清洗。
数据采集可以通过批处理或实时流处理进行，以确保数据的及时性和完整性。
数据清洗包括处理重复值、空值、异常值等，确保数据的一致性和可靠性。
2.2 数据存储与管理在数仓建设中，数据存储和管理是关键环节。
常见的数据存储方案包括关系型数据库、分布式文件系统等。
为了提高性能和扩展性，可以采用分布式数据库或数据湖等方案。
同时，数据管理方面需要考虑数据分区、索引和备份等措施，确保数据的高效访问和安全性。
2.3 数据集成与转换在数仓建设中，常常需要将来自不同源系统的数据进行集成和转换。
数据集成可以通过ETL（Extract, Transform, Load）工具实现，将多源数据整合到统一的数仓中。
在数据转换过程中，可以进行数据清洗、格式转换、关联分析等操作，以满足后续的分析需求。
2.4 数据分析与应用数仓建设的最终目的是实现数据的分析和应用。
在数仓中，可以采用OLAP（Online Analytical Processing）和数据挖掘等技术，对大数据进行多维分析和模式挖掘，从而为企业决策提供有效支持。
同时，可以构建报表、仪表盘和数据可视化等工具，帮助用户更直观地理解和利用数据。
3. 数仓建设方案的优势和挑战数仓建设方案带来了许多优势，但同时也面临一些挑战。
3.1 优势- 数据集中存储：将来自不同系统的数据整合到一个统一的数据仓库中，方便管理和分析。
- 数据一致性：通过数据清洗和转换，确保数据的一致性和准确性。
数据仓库建设方案数据仓库建设方案数据仓库建设方案是指根据组织的数据需求和业务目标，经过系统性的分析和设计，建立一个统一、集成、可靠、灵活的数据存储和管理系统。
通过数据仓库建设方案，组织可以更好地利用数据资源，支持决策和业务流程，提高组织的运营效率和竞争力。
首先，数据仓库建设方案需要进行需求分析。
通过与组织各个部门的沟通和了解，明确业务需求和数据需求，确定数据仓库的目标和范围。
同时，也需要考虑数据的来源和格式，以及数据的质量和安全性等方面的需求。
其次，数据仓库建设方案需要进行数据模型设计。
根据需求分析的结果，设计数据仓库的结构和组织方式，确定数据的存储和关联关系。
同时，也需要考虑数据的处理和转换方式，以及数据的更新和维护策略等方面的设计。
然后，数据仓库建设方案需要进行技术选型。
根据数据仓库的规模和复杂程度，选择适合的数据库管理系统和硬件设备，以及相应的数据集成和分析工具。
同时，也需要考虑数据仓库的架构和性能等方面的技术选型。
接着，数据仓库建设方案需要进行系统实施和测试。
根据设计和选型的结果，进行数据仓库的搭建和配置，导入和清洗数据。
同时，也需要进行系统的功能和性能测试，确保数据仓库的正常运行和满足业务需求。
最后，数据仓库建设方案需要进行系统运维和优化。
定期进行数据的更新和维护，监控和管理数据仓库的性能和安全。
同时，也需要根据业务需求和技术发展，对数据仓库进行优化和改进，提升数据仓库的效率和可用性。
总之，数据仓库建设方案是一个综合性的工程，需要从需求分析到系统实施再到运维优化，进行全面的规划和设计。
通过数据仓库建设方案，组织可以更好地管理和利用数据资源，提高业务的决策能力和竞争力，实现可持续的发展。
电信行业中的大规模数据仓库建设技术与实施随着信息技术的快速发展，电信行业所产生的数据量呈现爆炸式增长的趋势。
为了更好地管理和利用这些海量的数据，电信企业开始重视数据仓库的建设和实施。
本文将从技术和实施的角度，探讨电信行业中大规模数据仓库的建设。
首先，对于电信行业中的大规模数据仓库建设，选择合适的技术和架构是非常重要的。
数据仓库通常采用的是多层架构，包括操作型系统、数据仓库以及数据分析等几个关键层次。
在选择技术时，应考虑到数据仓库的规模、数据类型、数据结构等因素，以便选择合适的数据库管理系统（DBMS）、ETL工具、分析工具等。
其次，大规模数据仓库的建设中，数据的质量是至关重要的。
电信行业的数据包含了大量的用户信息、通信记录、流量数据等，这些数据的准确性直接影响到后续的数据分析和应用。
因此，在数据仓库建设过程中，应严格把关数据的来源、采集、清洗等环节，确保数据的准确性和一致性。
此外，针对电信行业中的大规模数据仓库，数据的存储和处理也是需要重点关注的方面。
海量的数据存储和处理需要强大的硬件设备和技术支持。
在存储方面，可以采用分布式存储系统，通过数据分片、冗余备份等方式提高存储的可靠性和性能。
在处理方面，可以采用并行计算、分布式计算等技术，提高数据的处理速度和效率。
此外，为了更好地利用大规模数据仓库进行数据分析和应用，电信企业还需要建立一套完整的数据分析平台和应用系统。
数据分析平台可以包括数据仓库查询与分析工具、数据挖掘工具、可视化工具等，这些工具可以帮助企业从大规模数据中挖掘出有价值的信息和模式。
应用系统方面，可以根据企业的业务需求，开发相应的应用系统，如智能营销系统、用户画像系统等，以提升企业的运营效率和服务质量。
而在大规模数据仓库的实施过程中，还需注意以下几点。
首先，要制定合理的数据仓库建设规划和项目计划，明确项目目标和阶段性成果，确保项目能够按时、按质量完成。
其次，要加强项目管理和团队协作，建立有效的沟通机制和协调机制，确保各环节的协同推进。
现代电信企业数据仓库系统建设电信企业数据仓库建设的需求电信行业目前主要的数据来自于计费系统和网管数据。
电信系统经过多年的运行，已经存储了大量的历史数据。
这些数据中蕴涵着丰富的信息，从中可以了解企业在电信市场经营过程中所处的态势、竞争对手的经营形势、客户群的分布状况、消费特征、企业经营发展的趋势等，对其进行分析处理可以得到很多令人欣喜的结论。
强大的数据处理能力，加上丰富的企业数据，可以有力地促进企业经营和竞争。
目前，企业信息化建设呈现出“数据集中化、业务综合化、管理扁平化、决策科学化”的发展趋势。
面对激烈的市场竞争，许多大型企业纷纷实施“以客户为中心，以服务求发展”的经营策略。
如何优化客户关系，增强企业的竞争优势已经成为现代企业关注的焦点。
现有的应用系统往往以“产品”为中心，以“单据（票证）”处理为基础，是面向联机事务处理（Online Transaction Processing，简称OLTP）的系统，而以客户为中心的经营管理模式要求对现有业务系统的数据进行有效的集成并加以重组，建立面向联机分析处理（Online Analysis Processing，简称OLAP）的系统。
通过分析客户的行为，掌握不同类型客户的特征，进而为客户提供更加优质的服务，尤其是个性化的服务，同时全面掌握并理解、分析企业业务的发生情况，充分发挥企业现已积累的数据，为各级管理人员提供科学化管理和决策的有力依据，以提高企业的经营业绩，保证利润的持续增长。
面对纷繁复杂的市场竞争，众多企业立足于多年积累的数据和自身的核心业务，提出了建立企业级数据仓库的规划和实施方案，为企业的进一步发展奠定基础。
企业数据仓库系统的总体结构一个典型的企业数据仓库系统通常包含数据源、数据存储与管理、OLAP服务器以及前端工具与应用四个部分从系统结构看，电信行业数据仓库解决方案系统一般包括应用系统部分、中央数据仓库系统部分，数据源系统部分三大部分。
如图所示：电信行业数据仓库解决方案数据源主要来自电信各业务系统，包括计费系统、营业系统、客服系统、财务系统、结算系统、网管系统、112系统、114系统、电信网络资源管理系统以及其它系统，此外数据源还有来自电信系统外的数据，如人口统计、社会各企业的财务数据、银行数据等。
浅谈数据仓库在电信企业中的应用（新疆电信有限公司吴磊）摘要：本文着重阐述了数据仓库的基本概念、相关技术和体系结构，并介绍了数据仓库在电信企业中的一些应用。
关键词：数据仓库数据挖掘OLAP一、引言随着中国加入WTO和国内电信行业的改革重组，电信市场正逐步放开。
为了保持竞争的优势，各运营商管理层和业务人员必须能实时了解企业的运行状况，获取各个专题的市场信息，并根据市场反馈的情况随时调整业务策略，以求在竞争激烈的电信市场中赢得先机抢占市场，获得更好的利润并提升企业品牌形象。
如今各电信运营商的业务支持系统构成复杂，数据种类繁多，数据量极为庞大，信息的提供在速度、质量和范围上不能满足市场竞争所要求的标准，为此各运营商纷纷针对企业内部的实际情况，着手引入数据仓库技术，以整合内部的各业务系统分散、孤立的业务数据，提供方便快捷的数据访问手段，支持企业内部不同部门、不同需求、不同层次的用户随时获得自己所需的信息，促进企业“以客户为中心”的运营模式的开展，以提高企业的核心竞争力。
二、数据仓库的概念随着C/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)。
数据仓库是一种管理技术，它能够将分布在企业网络中不同站点的商业数据集成到一起，为决策者提供各种类型的、有效的数据分析，起到决策支持的作用。
数据仓库概念的创始人W.H.Inmon在《建立数据仓库》一书中指出：“数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持经营管理中的决策制定过程。
”所谓主题，它是数据归类的标准，每个主题对应一个客观分析领域，如销售状况、人事状况、整个企业的利润状况等。
它可以辅助决策集成多个部门不同系统的大量数据。
大数据时代下的数据仓库建设在大数据时代，数据成为了企业和组织最重要的资产之一。
随着数据规模的不断增长和多样化，数据仓库建设成为了一个至关重要的环节。
本文将探讨大数据时代下的数据仓库建设，并提供一些关键要点和最佳实践。
一、引言随着互联网的快速发展和技术的日新月异，我们现在生活在一个日益数据化的世界中。
无论是企业还是个人，每天都在产生大量的数据。
然而，单纯拥有数据并不足以在竞争激烈的市场中取得优势。
为了能够更好地利用和管理这些数据，数据仓库的建设变得尤为重要。
二、数据仓库的定义和作用数据仓库可以被定义为一种集成的、面向主题的、相对稳定的、不同于操作性数据库的数据存储和管理系统。
它的作用是将企业的各种数据源进行整合和统一，在一个统一的平台上提供决策支持和分析功能。
数据仓库可以帮助企业实现以下目标：1. 数据集成：将散乱的、分散的数据源整合到一个统一的平台上，便于数据的管理和利用。
2. 决策支持：通过提供全面、准确的数据分析和报告，帮助企业做出更有根据的决策。
3. 数据挖掘：通过利用数据仓库中的数据进行挖掘和分析，发现关联规则、趋势和潜在的商机。
4. 业务分析：通过数据仓库中的数据，分析企业的业务状况和趋势，为业务优化提供依据。
三、数据仓库建设的关键要点在进行数据仓库建设时，以下几个关键要点需要考虑：1. 数据质量：数据质量是数据仓库建设的基础，需要确保数据准确、完整、一致和可靠。
2. 数据整合：数据仓库需要整合来自不同数据源的数据，整合的过程需要考虑数据格式、数据标准化和数据清洗等问题。
3. 数据建模：在设计数据仓库的数据模型时，需要充分理解业务需求，并采用适当的数据模型方法，如维度建模或标准化建模。
4. 数据安全：数据仓库中的数据往往包含敏感信息，需要采取合适的安全措施，如访问控制、数据加密等，以保护数据的安全性和隐私性。
5. 数据可视化：数据仓库的价值在于提供准确、及时的数据分析和报告，因此需要采用合适的数据可视化工具和方法，将数据以直观的方式展现出来。
（数据仓）电信企业数据仓库建设数据仓库概念是由号称“数据仓库之父”WilliamH.Inmon在上世纪80年代中期撰写的《建立数据仓库》一书中首次提出，“数据仓库是一个面向主题的、集成的、非易失性的，随时间变化的用来支持管理人员决策的数据集合”。
面向主题就是指在数据仓库中，数据按照不同的主题进行组织，每一个主题中的数据都是从各操作数据库中抽取出来汇集而成，这些与该主题相关的所有历史数据就形成了相应的主题域。
数据仓库的第二个显著特点是集成。
数据来源于不同的数据源，通过相应的规则进行一致性转换，最终集成为一体。
数据仓库的第三个特点是非易失性。
一旦数据被加载到数据仓库中，数据的值不会再发生变化，尽管运行系统中对数据进行增、删、改等操作，但对这些数据的操作将会作为新的快照记录到数据仓库中，从而不会影响到已经进入到数据仓库的数据。
数据仓库最后一个特点是它随时间变化。
数据仓库中每一个数据都是在特定时间的记录，每个记录都有着相应的时间戳。
1如何规划和建立数据仓库环境3.1体系结构图1是数据仓库体系结构示意图。
数据仓库对外部数据源和操作型数据源的元数据，按照数据仓库模式设计要求进行归类，并建成元数据库，相对应的数据经过ETL后加载到数据仓库中；当信息客户需要查询数据时先通过信息展现系统了解元数据或者直接浏览元数据库，再发起数据查询请求得到所需数据。
图1数据仓库体系结构图2是一个典型的企业数据仓库系统，通常包含数据源、数据存储与管理、数据的访问三个部分。
图2企业数据仓库系统数据源：是指企业操作型数据库中的各种生产运营数据、办公管理数据等内部数据和一些调查数据、市场信息等来自外环境的数据总称。
这些数据是构建数据仓库系统的基础是整个系统的数据源泉。
数据的存储与管理：数据仓库的存储主要由元数据的存储及数据的存储两部分组成。
元数据是关于数据的数据，其内容主要包括数据仓库的数据字典、数据的定义、数据的抽取规则、数据的转换规则、数据加载频率等信息。
电信企业数据仓库建设贵州省移动通信公司苟茹辛1电信企业信息化现状从上世纪八十年代开始，我国电信企业开始进行大规模的信息化建设，在近二十年的时间中，电信企业已全面实现了生产及服务过程信息化。
随着业务不断趋于多样化，各电信企业都针对不同业务建立了多个生产管理系统，如中国电信建设的生产系统就包括了进行业务受理、配线配号、工单管理的“97”系统；进行计费、帐务及欠费处理的计费系统；114、112、180、189等专业系统；201、IC等卡类管理系统；基于互联网信息管理的数据业务管理系统以及交换、传输、网管系统等。
中国移动也建设了综合业务支撑（BOSS）系统；用于梦网短信接入的短信网关、彩信网关、GPRS网关等各专业管理系统。
目前，电信企业建设的项目仍然以生产支撑系统为主。
通过这些支撑系统的建设，规范了电信企业内部管理流程，大大提高了电信企业的工作效率，增强了业务水平，提高了企业的竞争力。
随着市场竞争的不断加剧，对客户资源的争夺也进入了白热化的阶段，如何发展新用户，扩大自己的用户群；如何设计出更适合用户需要的业务，将用户绑定在自己的网络上；如何合理地设定资费在用户可以接受的水平；一个个问题摆在了电信运营商的面前。
在激烈的市场竞争面前，要想科学的决策，离不开数据的支持。
电信运营商们在建立各项系统的过程中，也积累了大量的资料数据，如用户的通话记录，短信发送记录，用户上网记录，用户资料变更记录，用户投诉记录，网络运行记录等。
通过对这些数据进行分析，可以掌握企业的运营状况，为企业科学、准确的决策提供依据。
但在使用这些数据的过程中，也存在以下几个问题：⑴数据量大、数据来源广,以用户数近300万的某电信运营商为例，每天产生的仅通话话单数就达数千万条；这还不包括其它生产环节如客服、网管等所产生的运营数据；而经营管理所牵涉的数据除此以外还包括了内部管理的人力、财务、以及与企业相关的外部环境数据。
⑵各业务部门对数据的理解存在偏差，定义不统一，导致数据可信度无法保证。
对单个业务部门来说可能是合法的数据，但由于缺乏信息的集成和整合，导致整个企业对数据的含义、数值及使用方式产生歧义。
⑶每个系统都有独立的报表系统，随着需求的变化和统计项目的变化，使得报表的修改相对比较困难；尤其目前很多在用系统的报表都固化在程序中，给今后的修改带来诸多不便。
⑷对于一些需要跨平台才能进行的分析，由于平台不一致，应用系统之间数据定义也不一致，又没有实现数据共享，很难进行关联分析；并且，一个企业内部，不同系统平台之间的数据存在较大的冗余，增加了维护工作量，并可能造成系统资源的浪费。
⑸在生产系统上进行统计分析会影响到正常生产系统运转。
由于生产系统的时效性要求较高，需要大量的系统资源进行保障，为确保生产系统安全稳定运行，有必要将统计、分析等对时效性要求相对较低的决策支持系统从生产系统分离。
有鉴于此，建立数据仓库管理系统已经成为企业提高管理水平的当务之急。
2数据仓库简介数据仓库概念是由号称“数据仓库之父”William H.In mon在上世纪80年代中期撰写的《建立数据仓库》一书中首次提出，“数据仓库是一个面向主题的、集成的、非易失性的，随时间变化的用来支持管理人员决策的数据集合”。
面向主题就是指在数据仓库中，数据按照不同的主题进行组织，每一个主题中的数据都是从各操作数据库中抽取出来汇集而成，这些与该主题相关的所有历史数据就形成了相应的主题域。
数据仓库的第二个显著特点是集成。
数据来源于不同的数据源，通过相应的规则进行一致性转换，最终集成为一体。
数据仓库的第三个特点是非易失性。
一旦数据被加载到数据仓库中，数据的值不会再发生变化，尽管运行系统中对数据进行增、删、改等操作，但对这些数据的操作将会作为新的快照记录到数据仓库中，从而不会影响到已经进入到数据仓库的数据。
数据仓库最后一个特点是它随时间变化。
数据仓库中每一个数据都是在特定时间的记录，每个记录都有着相应的时间戳。
3如何规划和建立数据仓库环境3.1 体系结构图1是数据仓库体系结构示意图。
数据仓库对外部数据源和操作型数据源的元数据，按照数据仓库模式设计要求进行归类，并建成元数据库，相对应的数据经过ETL后加载到数据仓库中；当信息客户需要查询数据时先通过信息展现系统了解元数据或者直接浏览元数据库，再发起数据查询请求得到所需数据。
图1 数据仓库体系结构图2是一个典型的企业数据仓库系统，通常包含数据源、数据存储与管理、数据的访问三个部分。
图2企业数据仓库系统数据源：是指企业操作型数据库中的各种生产运营数据、办公管理数据等内部数据和一些调查数据、市场信息等来自外环境的数据总称。
这些数据是构建数据仓库系统的基础是整个系统的数据源泉。
数据的存储与管理：数据仓库的存储主要由元数据的存储及数据的存储两部分组成。
元数据是关于数据的数据，其内容主要包括数据仓库的数据字典、数据的定义、数据的抽取规则、数据的转换规则、数据加载频率等信息。
各操作数据库中的数据按照元数据库中定义的规则，经过抽取、清理、转换、集成，按照主题重新组织，依照相应的存储结构进行存储。
也可以面向应用建立一些数据集市，数据集市可以看作是数据仓库的一个子集，它含有较少的主题域且历史时间更短数据量更少，一般只能为某个局部范围内的管理人员服务，因此也称之为部门级数据仓库。
数据的访问：由OLAP(联机分析处理)、数据挖掘、统计报表、即席查询等几部分组成。
例如OLAP：针对特定的分析主题，设计多种可能的观察形式，设计相应的分析主题结构（即进行事实表和维表的设计），使管理决策人员在多维数据模型的基础上进行快速、稳定和交互性的访问，并进行各种复杂的分析和预测工作。
按照存储方式来分，OLAP 可以分成MOLAP以及ROLAP等方式,MOLAP (Multi-Dimension OLAP)将OLAP分析所需的数据存放在多维数据库中。
分析主题的数据可以形成一个或多个多维立方体。
ROLAP (Relational OLAP)将OLAP分析所需的数据存放在关系型数据库中。
分析主题的数据以“事实表-维表”的星型模式组织。
3.2 数据仓库环境建立的过程数据仓库的开发生命周期不同于操作型数据库系统的开发生命周期，传统的系统开发生命周期（SDLC）是由需求驱动的，首先必须理解需求，在进行设计和开发；而数据仓库的开发遵循CLDS,也就是“螺旋式”开发方法，即由数据开始，获取数据后，将数据进行集成并检查数据的准确性，针对数据进行编程，但得到最后结果后，系统的需求才得到理解。
因此数据仓库环境是按照反复开发方式建立起来，即首先建立系统的一小部分，然后再建一部分，一直按相同的路径反复进行开发，以“总体规划、分步实施、步步见效”为原则。
一般来说，建立数据仓库遵循以下四个步骤：(1)充分了解企业决策层的需求；明确企业关心的主题域，并按照优先级进行划分；(2) 按数据仓库方法设计数据仓库结构；(3) 实现业务操作系统及外部数据源的数据向数据仓库的迁移（ETL）；(4) 面向应用建立数据集市，满足企业决策需求；(5) 通过信息展现工具以可视化手段提供给企业内各级信息客户使用。
数据仓库的开发是一个高风险的项目，在建设过程中，可考虑以数据仓库示范项目的形式展开，通过面向一两个关键业务的开发，以保证建设的重点突出和范围适中以及成功率。
一旦成功地建设了示范项目，将增加技术人员和业务人员的信心，为业务问题和技术问题之间达到平衡摸索一套经验，这样有助于整个项目在一个可控制的状态下实施。
同时示范项目也是数据仓库进一步开发的组成部分，通过类似于示范项目的循环的开发，有助于增加功能，减小风险。
3.3 数据仓库环境建设的几个注意事项•主题的确定：由于逻辑数据模型的主要功能是按照不同的主题汇聚，也就是说将描述某一业务项目的所有数据都汇集到该业务项目中，因此，对主题的确定是十分重要的。
划分主题的根据主要来源于以下几个方面: 对企业运营报表的分析、对企业业务流程的分析、对企业发展战略的了解、以企业以往历史数据的分析。
•确定数据仓库的分区：分区设计合理可以使数据仓库能够灵活的访问数据。
分区的设计应该可以在小的离散的单元中进行管理，应当有利于数据的转载，并且使数据仓库的索引容易建立。
•数据粒度设计：非常低的粒度会导致大量的数据，增加系统资源开销及负荷。
非常高的粒度则导致不能对许多细节数据进行分析。
因此，在设计数据仓库时对各种分区的数据以什么尺度作为最细粒度，将决定存储的数据能否满足信息析的功能需求，而粒度的层次划分以及聚合表中粒度的选择，将直接影响查询的响应时间。
•元数据库的建立：可以考虑在建立数据仓库之前，先建立一个用于描述数据的、 用于应用集成的元数据库，做好数据仓库实施的准备工作，通过元数据管理工具,业务人员能够更好的了解和使用数据，也有利于后续开发和维护。
4 结束语数据仓库的建设是一个长期的过程。
数据仓库并不是一个独立存在的系统，它的数据来源于企业中现有的业务系统及外部数据源，如果业务系统升级或改造，或者企业因为发展的需要进行了新的业务系统建设，以及一些外部数据来源发生变化，都会需要数据仓库作出相应的调整，以保证数据的标准和一致性。
建设数据仓库的根据目的是为企业的发展提供决策支持，随着时间的推移，越来越多的数据充实到数据仓库中，使得数据仓库的蕴藏的信息越来越大，可分析的项目越来越多，分析的手段也越来越多。
企业的日益增多的信息数据无疑是一个巨大的聚宝盆，通过对数据的不断分析研究，挖掘出更深层次的内容找出更多有价值的规律，数据挖掘工作永无止境。
需要企业各层面的人员共同协作，长期参与。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~（上接第37页）漫游信令网关：具有SCCP 功能，但不进行应用层(MAP 、CAP)消息的翻译。
它将从窄带信令网接收到的信令消息传递到R-SG基于电路交换的移动信令网基于IP 的3G 信令网图9 R-SG 工作原理SCCP,GT 翻译完成后，把消息传递到M3UA,然后根据DPC+SSN 转发给IP 信令网；同样，来自IP 信令网的消息传递到SCCP ，GT 翻译完成后，把消息传递到MTP3,再根据DPC+SSN 转发给窄带信令网。
：1 “NO7信令与IP 互通的技术要求” 中华人民共和国通信行业标准。
