先上圖：
（1）DB/Database/數(shù)據(jù)庫——這里一般指的就是OLTP數(shù)據(jù)庫既鞠，在線事物數(shù)據(jù)庫煤傍，用來支持生產(chǎn)的，比如超市的買賣系統(tǒng)嘱蛋。DB保留的是數(shù)據(jù)信息的最新狀態(tài)蚯姆，只有一個狀態(tài)！比如洒敏，每天早上起床洗臉照鏡子龄恋，看到的就是當(dāng)時的狀態(tài)，至于之前的每天的狀態(tài)凶伙，不會出現(xiàn)的你的眼前郭毕，這個眼前就是db。
（2）DW/Data Warehouse/數(shù)據(jù)倉庫——這里保存的是DB中的不同時間點的狀態(tài)函荣，比如显押，每天早上洗完照鏡子時，都拍一張照片傻挂，天天這樣乘碑，這些照片放入到一個相冊中，之后就可以查看每一天的狀態(tài)了踊谋，這個相冊就是數(shù)據(jù)倉庫蝉仇，他保存的是數(shù)據(jù)在不同時間點的狀態(tài)，對同一個數(shù)據(jù)信息，保留不同時間點的狀態(tài)轿衔，就便于我們做統(tǒng)計分析了沉迹。
（3）ETL/Extraction-Transformation-Loading——用于完成DB到DW的數(shù)據(jù)轉(zhuǎn)存，它將DB中的某一個時間點的狀態(tài)害驹，“抽取”出來鞭呕，根據(jù)DW的存儲模型要求，“轉(zhuǎn)換”一下數(shù)據(jù)格式宛官，然后再“加載”到DW的一個過程葫松，這里需要強調(diào)的是，DB的模型是ER模型底洗，遵從范式化設(shè)計原則腋么，而DW的數(shù)據(jù)模型是雪花型結(jié)構(gòu)或者星型結(jié)構(gòu)，用的是面向主題亥揖，面向問題的設(shè)計思路珊擂，所以DB和DW的模型結(jié)構(gòu)不同，需要進(jìn)行轉(zhuǎn)換费变。
（4）OLAP——在線分析系統(tǒng)摧扇，簡單說就是報表系統(tǒng)，銷售報表挚歧，統(tǒng)計報表扛稽，等等，這個大家都熟悉滑负，當(dāng)然在张，OLAP的統(tǒng)計要更復(fù)雜更豐富一些，比如切面橙困，鉆取等等瞧掺。
（5）DM/Data Mining/數(shù)據(jù)挖掘——這個挖掘，不是簡單的統(tǒng)計了凡傅，他是根據(jù)概率論的或者其他的統(tǒng)計學(xué)原理，將DW中的大數(shù)據(jù)量進(jìn)行分析肠缔，找出我們不能直觀發(fā)現(xiàn)的規(guī)律夏跷，比如，如果我們每天早上照相明未，量身材的時候槽华，還記錄下頭一天吃的東西，黃瓜趟妥，豬腿猫态，烤鴨，以及心情，如果記錄上10年亲雪，形成了3650天的相貌和飲食心情的數(shù)據(jù)勇凭，我們每個人都記錄，有20萬人記錄了义辕，那么虾标，我們也許通過這些記錄，可以分析出灌砖，身材相貌和飲食的客觀規(guī)律璧函；再說一個典型的實例，就是英國的超市基显，在積累了大量數(shù)據(jù)之后蘸吓，對數(shù)據(jù)分析挖掘之后，得到了一個規(guī)律：將小孩的尿布和啤酒放在一起撩幽，銷量會更好——業(yè)務(wù)專家在得到該結(jié)論之后库继，仔細(xì)分析，知道了原因摸航，因為英國男人喜歡看足球的多制跟，老婆把小孩介紹男人看管，小孩尿尿需要尿布酱虎，而男人看足球喜歡喝酒雨膨，所以兩樣商品有密切的關(guān)系，放在一起銷售會更好读串！
（6）BI/Business Intelligence/商業(yè)智能——領(lǐng)導(dǎo)聊记，決策者，在獲取了OLAP的統(tǒng)計信息恢暖，和DM得到的科學(xué)規(guī)律之后排监，對生產(chǎn)進(jìn)行適當(dāng)?shù)恼{(diào)整，比如杰捂，命令超市人員將啤酒喝尿布放在一起銷售舆床，這就反作用于DB修改存貨數(shù)據(jù)了——這就是整個BI的作用！
