数据仓库和商务智能考试考点及关系梳理
一、核心考点分类及具体内容
（一）基础定义与核心区别（高频基础考点）
- 核心定义
| 概念 | 核心含义 | 关键目标 |
| 数据仓库（Data Warehouse, DW） | 面向主题、集成、稳定、时变的结构化数据存储系统，通过整合多个数据源（OLTP系统、文件、API等）的历史数据，为企业决策提供统一的数据基础 | 1. 数据整合：消除数据孤岛，形成企业级统一数据视图； |
| 商务智能（Business Intelligence, BI） | 基于数据仓库等数据源，通过数据抽取、分析、可视化等技术，将数据转化为业务洞察和决策支持的应用体系 | 1. 数据分析：通过OLAP、统计分析等挖掘数据价值； |
- 核心区别与联系
-
- 区别：
-
-
- 数据仓库是**“数据存储层”**，侧重数据的整合、存储和管理（“存好数据”）；
- 商务智能是**“数据分析与展示层”**，侧重数据的分析、可视化和决策支持（“用好数据”）。
-
-
- 联系：数据仓库是商务智能的核心数据源，商务智能是数据仓库价值的最终体现；两者共同构成“数据整合→分析→决策”的闭环。
- 与OLTP系统的关键差异
| 对比维度 | 数据仓库（OLAP） | 传统数据库（OLTP） |
| 核心用途 | 决策支持、多维分析（如“各区域季度销售额对比”） | 业务交易处理（如“客户下单、库存更新”） |
| 数据特征 | 面向主题、集成、稳定（非实时更新）、历史数据 | 面向业务流程、分散、动态（实时更新）、当前数据 |
| 操作类型 | 复杂查询（多表关联、聚合计算）、低并发 | 简单CRUD（增删改查）、高并发 |
| 数据量 | 海量（TB/PB级） | 中少量（GB级） |
- 考试高频题型：单选题（区分数据仓库与BI/OLTP的差异）、多选题（选择数据仓库/BI的核心目标）、判断题（数据仓库是否支持实时交易）。
（二）数据仓库核心特征与架构（考试重点）
- 四大核心特征（DAMA-DMBOK标准）
-
- 面向主题：围绕企业核心业务主题（如“客户”“产品”“销售”）组织数据，而非按业务流程（如“下单”“支付”），例如“销售主题”整合订单、库存、客户数据，支撑销售分析。
- 集成性：将分散在多个数据源（ERP、CRM、Excel文件等）的异构数据（结构化、半结构化）通过清洗、转换、整合，消除冗余和冲突（如统一客户ID格式）。
- 稳定性（非易失性）：数据一旦加载到数据仓库，通常不修改或删除，仅追加新数据（如每日新增前一天的交易数据），确保历史数据可追溯。
- 时变性：保留时间维度数据（如每个月的销售数据），支持趋势分析（如“近3年Q4销售额对比”），数据按时间周期（天/周/月）更新。
- 经典架构模型（Inmon vs Kimball）
| 架构类型 | 核心思想 | 架构分层 | 优势 | 劣势 | 适用场景 |
| Inmon（企业级架构） | 先构建企业级数据仓库（EDW），再基于EDW构建数据集市（DM），强调“自上而下”整合 |