什麼是資料倉庫？
目錄
資料倉庫是儲存資料的大型集中式儲存庫，專門用來支援商業智慧 (BI) 活動，主要是分析、報告和資料挖掘。作業資料庫針對交易（如插入、更新和刪除記錄）進行最佳化，而資料倉庫則不同，它針對分析查詢效能進行最佳化。
資料倉庫說明
資料倉庫是大規模的集中式儲存庫，旨在儲存、管理和分析來自組織內多種來源的大量結構化和半結構化資料。作為商業智慧和報告的基礎，資料倉庫可實現資料驅動的決策和洞察力。
資訊透過一個稱為抽取、轉換、載入 (ETL) 的過程進入資料倉庫。資料來自不同的來源系統，例如交易資料庫、CRM 系統或外部資料提供者。然後加以轉換，包括資料清理、規範化和聚合，以確保與倉庫模式的一致性和相容性。最後，轉換後的資料會載入資料倉庫，並以結構化的格式儲存，例如具有預定義列和行的表格。
從資料倉庫擷取資料通常需要使用 SQL（結構化查詢語言）或 BI 軟體等工具來查詢儲存的資料。使用者可以產生報告、執行特定分析或建立可視化，以獲得洞察力並促進決策。資料倉庫儲存結構化的資料，由於有明確的組織和格式，因此可以進行有效率的查詢和分析。
內部部署或在雲端運作
資料倉庫可以部署在內部和雲端。內部部署的資料倉庫需要組織管理和維護基礎架構，提供對資料和資源更大的控制。以雲端為基礎的資料倉庫，例如 Amazon Redshift、Google BigQuery 或 Snowflake，可提供處理基礎架構、擴充性和維護的管理服務，讓組織專注於資料分析並降低營運成本。
是什麼讓資料倉庫與眾不同？
資料倉庫的獨特架構能最佳化從大量資料中擷取洞察力。它們以主題為導向的設計可確保提供組織資料的合併檢視，讓組織能專注於銷售、財務或庫存等領域。對於來自不同作業系統的資料，整合在排除資料類型、命名和其他慣例的差異方面扮演關鍵的角色。
另一個與眾不同的特色是 資料市集的概念，資料市集是資料倉庫的子集，專門為個別部門或業務功能（如銷售或行銷）量身打造資料。資料倉庫提供廣泛的組織檢視，而資料市集則專注於更特定的區域。示意圖設計，尤其是星型與雪花型示意圖，可進一步精細資料的組織方式，確保最佳化的存取與分析查詢效能。
隨著數位環境的演進，資料倉庫也與新興技術整合。隨著大數據時代的來臨，許多 組織使用 資料湖來補充他們的資料倉庫， 資料湖是以原始格式儲存原始資料的大型儲存庫。搭配使用時，它們可提供更廣泛的分析環境，捕捉結構化資料和非結構化資料。
最後，資料倉庫的主要目標是促進一個多方面資料來源匯聚的環境，提供豐富的查詢、分析平台，並擷取對明智決策至關重要的洞察力。
Figure 2: The attack surface of the legacy architecture includes the enterprise VPN,
the enterprise data warehouse, and the departmental data.
資料倉庫有哪些優點？
資料倉儲提供了一系列的優點，可協助組織簡化決策流程、提高營運效率，並獲得競爭優勢。
合併資料檢視
它們將來自多個來源的資料整合至統一平台，為組織提供營運和客戶的全面資訊，讓組織能做出更好的決策。
強化商業智慧
有了所掌握的合併資料，組織就可以使用各種 BI 工具來執行進階分析、報告、資料挖掘及視覺化，進而從資料中獲得可行的洞察力。
歷史分析
它們儲存歷史資料，讓組織能夠分析趨勢，並查看指標隨時間的變化。這對於預測和瞭解長期模式和轉變非常重要。
改善資料品質與精確度
ETL 流程將資料饋送至倉庫，並涉及清理和轉換資料。這可確保用於分析和報告的資料準確且高品質。
使用資料倉庫節省時間
與查詢多個不同的作業系統相比，透過集中資料並將查詢效能最佳化，資料倉庫可大幅縮短產生報表和執行分析所需的時間。
高效能
資料倉庫已針對查詢效能進行最佳化。即使是複雜的查詢也可以更快地執行，促進即時或接近即時的分析和報告。
強化資料安全性
資料倉庫通常具有強大的安全功能，可保護 敏感資料。這包括使用者 存取控制、 加密及稽核功能。
資料一致性
透過整合來自不同來源的資料，並提供統一的資料模型，資料倉庫可確保資料定義和格式的一致性，從而提供可靠的分析和報告。
決策支援
將所有相關資料集中在一個地方，並使用工具進行分析，決策者就能做出更明智、以資料為導向的決策，與組織目標保持一致。
擴充性
現代資料倉庫的設計可隨著資料量的成長而大規模擴充。這可確保資料倉庫能在不影響效能的情況下，隨著組織的資料需求成長而處理增加的負載。
成本節省
雖然建立資料倉庫需要初始投資，但長遠來說，它可以減少用於資料管理和檢索的時間和資源，並實現更有效的決策流程，從而節省成本。
資料倉庫讓組織能夠充分利用資料，將原始資料轉換為可執行的洞察力，從而推動業務成長和創新。
資料倉庫何時有利？
資料倉庫在驅動各行各業的資料驅動決策方面扮演著舉足輕重的角色。其集中化、結構化和最佳化的特性開啟了無數的使用個案：
- 業務報告與分析：組織使用資料倉庫來支援定期的業務報告，從每月的銷售摘要到詳細的財務報表。
- 零售個人化：整合線上和店內購物資料，提供個人化的產品建議和行銷活動。
- 醫療照護結果分析：合併病人的治療記錄，以找出針對特定疾病最有效的醫療干預措施。
- 銀行詐騙偵測：彙集各帳戶的交易資料，以偵測異常模式和可能的詐欺活動。
- 供應鏈最佳化：分析歷史採購與出貨資料，以預測庫存需求並最佳化供應鏈流程。
- 提升客戶服務：整理來自不同接觸點（電子郵件、聊天、電話）的客戶互動資料，以找出服務改善和訓練需求的領域。
- 即時行銷分析：即時監控多渠道行銷活動，根據使用者參與度和轉換指標調整策略以達到最大效果。
- 能源消耗預測：聚合來自各地區智慧型電表的資料，以預測能源消耗模式，協助電力公司管理電網負載。
- 電子學習進度追蹤：合併線上課程的資料，以評估學生進度、調整內容傳遞方式，並提升學習成果。
- 製造品質保證：彙集生產線的資料，以監控產品品質、及早識別瑕疵，並確保生產流程的一致性。
受益於以全面資料分析為基礎的決策的組織，將會找到資料倉庫的使用案例。
資料倉庫常見問題
資料倉庫集中、整合並儲存來自不同來源的大量資料，以供分析和報告之用。
Snowflake 是基於雲端的資料倉庫平台。
資料庫專為即時資料儲存和交易處理而設計，而資料倉庫則集中並最佳化來自不同來源的大量資料，以供分析查詢和報告之用。
休眠資料是指已收集但未分析或未用於提供決策資訊的資料。根據某些估計，組織收集的所有資料中有 80% 仍處於休眠狀態。休眠資料通常是非結構化和未經管理的資料，可儲存在不同位置，包括雲端和本機儲存系統。休眠記錄或資料集也可能出現在商業軟體應用程式 (例如專案管理工具)。
由於休眠資料並非定期使用，因此在 資料安全方面很容易被忽略。然而，這些資料可能包含客戶詳細資料等敏感資訊，因此應納入組織更廣泛的資料保護策略中。
