发帖
雷达卡
CDA人工智能学院致力于以优质的人工智能在线教育资源助力学员的DT职业梦想！课程内容涵盖数据分析、机器学习、深度学习、人工智能、TensorFlow、PyTorch、知识图谱等众多核心技术及行业案例，让每一个学员都可以在线灵活学习，快速掌握AI时代的前沿技术。PS：私信我即可获取《银牌会员》1个月免费试听机会
在上一篇文章中我们给大家介绍了关于数据仓库的一部分知识，在介绍了数据仓库提升数据分析的效率中，有三个途径，第一是数据理解，第二是数据质量，第三是数据跨系统关联。在这篇文章中我们为大家介绍数据质量和数据跨系统关联。
首先我们给大家介绍一下数据仓库的数据质量，其实数据分析要求数据是干净、完整的，而数据仓库最核心的一项工作就是ETL过程，流程就是数据抽取、数据清洗、数据转换、数据加载。而数据仓库已经对源系统的数据进行了业务契合的转换，以及脏数据的清洗，这就为数据分析的数据质量做了较好的保障。所以说数据质量是提高数据分析效率的一种方式。
然后我们给大家介绍一下数据跨系统关联，现如今，各业务源系统的数据经过ETL过程后流入数据仓库，当不同系统数据整合到数据仓库之后，至少解决了数据分析中的两个问题。
第一个问题就是跨系统数据收集问题。第二个问题就是跨系统关联问题，同一个客户可能在不同系统中记录了不同的客户号，甚至存在不同的账号，进行数据整合时，总是需要找到共同的“纽带”来关联来自不同系统的信息，而数据仓库在ETL过程中就会整合相关客户信息，完美解决跨系统关联问题。所以说，数据仓库是整合的、面向主题的、数据质量高的、跨系统的优质数据源，那么，我们该如何充分利用这些优势呢？
第一我们可以研究数据仓库模型：数仓的精髓就是面向主题的模型，能理解各大主题域范畴，熟悉不同主题间的关系，基本就掌握了数仓的架构。第二就是学习数据仓库设计文档，具体就是设计文档是业务与数据，数仓与源系统的桥梁，熟悉表间mapping映射，就能快速定位需求变量的来源和处理逻辑，全面了解相关业务。第三就是熟悉数据字典表，数据字典是数据仓库物理存储的信息库，可以通过数据字典了解库、表、字段不同层级的关系、存储、类型等信息。第四就是研究ETL脚本，具体就是学习几个数据仓库ETL加工脚本，能更细致的探索数据加工处理逻辑，更清楚的理解数仓加工模式，快速掌握数据加工技巧。第五就是观察明细数据：想要真正了解数据，就必须对具体数据进行不同维度和层次的观察；比如事件表，从交易类型、时间、渠道、业务种类等多个维度捞几条数据，观察某个相同条件下不同维度的交易变化，了解银行交易的全景信息，帮助理解业务，熟悉数据。
通过这些知识我们可以了解数据仓库的相关知识，这些技巧都是能够帮助大家更好地提高数据分析效率，希望这篇文章能够更好地帮助大家理解数据仓库知识。
关注“CDA人工智能学院”，回复“录播”获取更多人工智能精选直播视频！
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
