数据仓库概述与在通信运维系统中的应用

经常会出问题，延迟1-3日才能给出数据，显然不行的。

2. 数据质量。数据仓库所提供的各种信息，肯定要准确的数据，但由于数据仓库流程通常分为多个步骤，包括数据清洗，装载，查询，展现等等，复杂的架构会更多层次，那么由于数据源有脏数据或者代码不严谨，都可以导致数据失真，客户看到错误的信息就可能导致分析出错误的决策，造成损失，而不是效益。

3. 扩展性。之所以有的大型数据仓库系统架构设计复杂，是因为考虑到了未来3-5年的扩展性，这样的话，未来不用太快花钱去重建数据仓库系统，就能很稳定运行。主要体现在数据建模的合理性，数据仓库方案中多出一些中间层，使海量数据流有足够的缓冲，不至于数据量大很多，就运行不起来了。

从上面的介绍中可以看出，数据仓库技术可以将企业多年积累的数据唤醒，不仅为企业管理好这些海量数据，而且挖掘数据潜在的价值，从而成为通信企业运营维护系统的亮点之一。正因为如此，

广义的说，基于数据仓库的决策支持系统由三个部件组成：数据仓库技术，联机分析处理技术和数据挖掘技术，其中数据仓库技术是系统的核心，在这个系列后面的文章里，将围绕数据仓库技术，介绍现代数据仓库的主要技术和数据处理的主要步骤，讨论在通信运营维护系统中如何使用这些技术为运营维护带来帮助。

四、通信运维系统中对数据仓库的使用

现代通信运维系统往往呈现高度集中和网络化的特点，拥有多个子系统去完成网络支撑，网络管理，综合营帐等多个方面的工作。几乎每个子系统，每时每刻都会产生大量的数据，对这些数据的储存，管理和维护是通信运营商必须面对和解决的。下面是几个具体的实际例子来。

1. 电信设备的实时状态。从最底层的接入网网站，到传输设备，再到核心网络的电信交换机，每个设备每时每刻都发生着变化。网络管理系统需要实时的监控这些设备的状态，进行相应的处理工作。数据仓库可以提供对监控数据的收集，管理和查询支持。

2. 用户通信话单。有别于通话处理（使用交易数据库），用户话单的存储，计量乃至后期的数据分析，都将对海量的记录数据进行处理。

3. 数据业务。随着第三代移动通信的发展和普及，数据业务在通信业务中所占的比重也越来越大，甚至有超过语音通信的趋势。对这一类型的业务数据，比如用户访问某地址的数据流量，需要进行随时随地的数据记录和数据分析。

以上这些实例，都是数据仓库技术大展拳脚的领域。而数据仓库技术的引入和发展，也为通信运营维护系统提供强有力的支撑和实现手段。