数据仓库建设

       数据仓库的建设需要经历的事情，需要经过一个混乱期，为了简单的需求来无休止的进行原有模型的扩充，直到模型已经不成为模型，是所有的需求堆积的结果。经过一个混乱期之后，会设想进行一次数据的整体规划，需求的整体规划，此时按照模型的方法来进行数据的二次重构，并考虑使用行业通用的解决方案来进行数据仓库的建设，比如说进行新的etl流程的改写，从最原始的存储过程来过渡到业界使用的跨平台的数据抽取，转换过程，当然，进行这样一个过程，是需要技术和人力的投入，在这个过程中，主要进行数据流模型的部署，但穿插着却是有隐含危险因素的数据初始化问题，这个过程丝毫不比前面的数据模型的实现难度低一点，在整个模型重构的过程中，会碰到很多意想不到的问题，包括数据的问题，流程的问题，这个时候采取的策略最好也是出现一个问题，解决一个问题，因为在前期进行整个数据的监控或者问题的预知，难度很大，出现的问题，可以为后期提供整个的数据质量解决方案提供参考。

       经过数据模型的重构，接下来数据解决方案已经有一定的规模，好多的需求已经在前期的精心建模下得到了解决，这个时候为了无缝的迁移到新系统，需要对以前的各种报表或者需求进行迁移。当水到渠成的时候，此时数据质量以及元数据方面的，或者更好的解决方案的探索就可以提到日程了，对数据质量有个全面的认识，不仅是因为在建模的过程中出现了很多问题把这个需求推向了桌面，更是为了好的质量服务提供了前提，一个好的数据仓库系统，数据质量是衡量的标准，与此同时，基于元数据的影响分析可以与数据质量相辅相成。

       数据仓库的完善，需要的是耐心，需要的循序渐进，需要的是利用现有的资源做现有的事情，每件事情都不能做到完整和完美，但是需要提供一个持续改进的思路，需要一个完整的思路来支持数据仓库的发展，并需要一个美好的向往，和切实可行并且具有前瞻性的目标来引领整个数据仓库建设的前进。

      没有最好，只有更好，说明现阶段没有达到最后目标，说明路径的需找往往是崎岖不平的，也说明现在还是有缺陷的，不要被眼前的问题麻木，不要被前行的坎坷难倒，是一个数据仓库的建设思想，也似一个人的成长轨迹。