数据仓库

🧬 知识点关系网络

数据源→ETL/ELT→数据仓库→数据集市→BI分析

⬆️ 从操作型系统到分析型系统，数据仓库是数据驱动决策的基础设施。

架构与ETL —— 传统数仓（Teradata、Oracle）与云原生数仓（Snowflake、Redshift）。ETL与ELT的区别。
💡 用dbt构建一个简单的ELT数据转换管道。
多维数据模型 —— 事实表与维度表。星型模式与雪花模式的取舍——冗余换性能。
💡 为一个零售业务设计星型模式，包含销售事实与时间、商品、门店维度。
OLAP操作 —— 上卷（维度聚合）、下钻（维度细化）、切片（固定维度值）、切块（固定多个维度）。
💡 在Excel数据透视表中体验OLAP操作。
数据湖与湖仓一体 —— 数据湖（S3、HDFS）存储原始格式数据。湖仓一体（Delta Lake、Iceberg）在湖上增加ACID与Schema。
💡 用Spark读写Parquet文件，理解列式存储的优势。

💡 学习贴士： 多动手实践，参与开源项目或在线评测，将理论转化为肌肉记忆。

前置依赖： 学习数据仓库前，建议具备编程基础与相应的数学知识。

后续延伸： 学完数据仓库后，推荐继续探索：数据结构 · 算法设计 · 操作系统 · 计算机网络

🔵 已开放 · 可随时探索🟠 生长中 · 内容持续丰富🟣 探索级 · 深度拓展

🌱 为了包容与博爱的传递，为了知识平权，善智导航正在陆续深化每一个知识点页面。
下方所有知识点均已预留链接，可随时点击探索。

✨ 每个链接都是一扇门，推开即是新世界。

按地区、时间、品类分析销售额与利润。

整合多源数据，构建用户标签宽表。

数据仓库为模型训练提供清洗后的特征数据。

我是一名正在学习数据仓库的学生，请用生动易懂的方式为我讲解其核心概念，并结合实际应用场景给出代码示例。