1.数据仓库的概念数据仓库是一个为数据分析而设计的企业级数据管理系统。数据仓库可集中、整合多个信息源的大量数据，借助数据仓库的分析能力，企业可从数据中获得宝贵的信息进而改进决策。同时，随着时间的推移，数据仓库中积累的大量历史数据对于数据科学家和业务分析师也是十分宝贵的。目前大数据平台的架构有以下三种架构:① 数据仓库(DataWarehouse)是一个面向主题的（SubjectOriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化的（TimeVariant）数据集合，用于支持管理决策和信息的全局共享。② 数据湖（DataLake）是一个存储企业

1.数据仓库的概念数据仓库是一个为数据分析而设计的企业级数据管理系统。数据仓库可集中、整合多个信息源的大量数据，借助数据仓库的分析能力，企业可从数据中获得宝贵的信息进而改进决策。同时，随着时间的推移，数据仓库中积累的大量历史数据对于数据科学家和业务分析师也是十分宝贵的。目前大数据平台的架构有以下三种架构:① 数据仓库(DataWarehouse)是一个面向主题的（SubjectOriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化的（TimeVariant）数据集合，用于支持管理决策和信息的全局共享。② 数据湖（DataLake）是一个存储企业

​你一直想知道区块链究竟是什么，但你读过的每一篇文章都使这个概念变得更加复杂，你厌倦了令人费解的行话和冗长无聊的文章。本文旨在通过8个有趣的事实为您提供区块链的基础知识。在本文结束时，您将拥有足够的知识来开启您的区块链技术之旅。让我们开始吧！关于区块链的8个趣闻1.区块链不是火箭科学2.区块链不是比特币3.区块链创始人不为人知4.区块链的存在是为了解决各种问题5.区块链具有有趣的特性6.存在不同类型的区块链7.有不同的区块链协议8.区块链可应用于各行各业1.区块链不是火箭科学你没听错！进入这个行业，区块链似乎是一个可怕的词。但实际上，它只是一个概念，就像其他所有概念一样，可以学习。区块链[1]

​你一直想知道区块链究竟是什么，但你读过的每一篇文章都使这个概念变得更加复杂，你厌倦了令人费解的行话和冗长无聊的文章。本文旨在通过8个有趣的事实为您提供区块链的基础知识。在本文结束时，您将拥有足够的知识来开启您的区块链技术之旅。让我们开始吧！关于区块链的8个趣闻1.区块链不是火箭科学2.区块链不是比特币3.区块链创始人不为人知4.区块链的存在是为了解决各种问题5.区块链具有有趣的特性6.存在不同类型的区块链7.有不同的区块链协议8.区块链可应用于各行各业1.区块链不是火箭科学你没听错！进入这个行业，区块链似乎是一个可怕的词。但实际上，它只是一个概念，就像其他所有概念一样，可以学习。区块链[1]

数据仓库2.png1.摘要本文介绍数据仓库中维度数据建模的过程描述，并举一个示例以加深对相关概念的理解。2.内容2.1维度模型定义维度模型是数据仓库领域大师RalphKimall所倡导，他的《数据仓库工具箱》，是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。2.2维度建模过程第一步：选择业务过程1、通过对业务需求以及可用数据源的综合考虑，确定对哪种业务过程开展建模工作2、建立的第一个维度模型应该是一个最有影响的模型——它应该对最紧迫的业务问题作出回答，并

数据仓库2.png1.摘要本文介绍数据仓库中维度数据建模的过程描述，并举一个示例以加深对相关概念的理解。2.内容2.1维度模型定义维度模型是数据仓库领域大师RalphKimall所倡导，他的《数据仓库工具箱》，是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。2.2维度建模过程第一步：选择业务过程1、通过对业务需求以及可用数据源的综合考虑，确定对哪种业务过程开展建模工作2、建立的第一个维度模型应该是一个最有影响的模型——它应该对最紧迫的业务问题作出回答，并

作为一名数据产品经理，即使我们不写程序，也需要知道正在运行的大数据系统中，是如何一步步的实现可视化展示的。不仅能指导在新产品规划中提前基于典型业务场景、异常业务分析（如核心客户流失对年度营业收入的影响分析、某次线下活动过后出现一批从未出现过的新线索）、客户最为关心的经营指标波动等等的产品功能设计，也能在需求汇报或原型讲解时，以事实案例为依据、数据为支撑来提升可行性和上线后的成功概率。甚至在产品投入正常后，能通过excel、Tableau等可视化工具查看超出指标阈值的业务，并进行初步的数据探测，领先于滞后的财务指标洞察问题，提供解决方案，指导产品迭代和业务提升。以下是产品经理眼中的数据仓库架构图

作为一名数据产品经理，即使我们不写程序，也需要知道正在运行的大数据系统中，是如何一步步的实现可视化展示的。不仅能指导在新产品规划中提前基于典型业务场景、异常业务分析（如核心客户流失对年度营业收入的影响分析、某次线下活动过后出现一批从未出现过的新线索）、客户最为关心的经营指标波动等等的产品功能设计，也能在需求汇报或原型讲解时，以事实案例为依据、数据为支撑来提升可行性和上线后的成功概率。甚至在产品投入正常后，能通过excel、Tableau等可视化工具查看超出指标阈值的业务，并进行初步的数据探测，领先于滞后的财务指标洞察问题，提供解决方案，指导产品迭代和业务提升。以下是产品经理眼中的数据仓库架构图