数据仓库基础之决策支持系统的发展

本文主要介绍数据仓库的起源:决策支持系统。

决策支持系统(DSS)，不是大数据时代的产物，在计算机发展初期，就有它的踪迹。称之为数据仓库的起源，是因为如果没有数据需求，也就没有数据处理，更不会有数据仓库的存在。  

这种处理逻辑有两个好处:  

1. 后续的分析，不影响线上业务。

2. 抽取之后，数据就归"自己"所有。 

由于种种优势，抽取逻辑流行起来，慢慢变得无处不在。同时，也产生了新的问题:抽取程序变得越来越多，同一份数据被多人抽取，抽取的数据也被别人再次抽取，逐渐形成了网状结构(见图3)

1. 数据可信度差。

2. 效率低。

3. 加大数据理解难度。  

分别来说一下

1. 数据可信度差  

在同一张网上，不同的两个部门，对同一个指标得到的结果往往大相径庭，A部门说公司业绩上涨10%，B部门说公司业绩下降10%，作为领导拿到这两份报告，只能增加疑惑，无法进行有效的决策。造成这种差异的原因是各个部门都有自己的抽取程序以及抽取方法，互相不知道对方的存在以及逻辑，对于各种定义没有一个统一的认知，得到不同结论也是正常。

2. 效率低

第一，增加沟通成本。  

第二，要写的程序很多，并且都是定制的。  

第三，程序覆盖公司所有技术。  

业务使用什么技术，抽取程序就要与之对应，才能获取数据。  

3. 加大数据理解难度。   

在蛛网中，每一个抽取程序都有自己的数据处理逻辑，随着处理路径增加，数据差异越来越大，数据之间使用成本也随之增加，无法与其它数据交叉使用。