结构与应用

●建立通用数据仓库概念模型 按照国际标准的数据仓库概念模型和实施模型，建立全局通用的数据仓库概念模型，以指导未来数据仓库系统的建设、扩展和持续的发展。在数据仓库系统技术架构的设计中，引入了业务智能生命周期（BIL：Business Intelligence LifeCycle）的概念模型。 BIL模型基本可以表达为一个中心，四个环节，四个环节之间紧密衔接。一个中心就是以数据仓库为核心，四个环节就是围绕数据仓库运行的业务系统、数据集成、数据应用、应用反馈等具体系统，从数据的角度来讲，分为数据仓库的数据提供者，数据仓库数据的消费者；从业务应用的角度讲，分为交互系统、决策支持系统，决策支持系统利用交互系统采集的信息做出决策、制定规则，交互系统利用决策支持系统反馈的规则，优化流程，提供更加有效的服务和管理。

●建立统一数据中心平台 在BIL模型中，企业级的数据仓库（EDW）是整个模型的核心，在具体的实现应用中，EDW扮演着一个数据存储的最终位置以及数据应用的唯一提供者的角色，对具体税务业务应用来说，数据仓库应该成为一个统一的数据中心，在整个机构中提供共享统一的数据存储模型，为各级管理及业务人员提供一致的数据视图。通过数据仓库对数据的集成处理，从而实现应用数据的一致性、可靠性，实现数据标准的统一，减少在针对数据的应用中，由于多口径数据而造成的歧义，保证决策的准确性和科学性。在核心的企业级数据仓库基础上，可以根据不同的主题应用，建立相关的数据集市，为不同的分析利用提供对应的数据集合，从而提升访问效率。建立统一的数据中心平台，为未来其他业务系统的数据融合做准备。

●建立统一数据仓库实施过程 基于BIL模型，将其中的四个环节过程化，用以指导未来数据仓库系统的扩展。其中的四个环节是一个相对的概念，具体指围绕企业数据仓库（EDW）的构建、针对数据仓库应用的交互系统、数据集成（ETL）、数据应用的具体系统或者技术实现。各个环节之间不是孤立存在的，而是互相关联，互为依托的，各个环节围绕数据仓库构成一个大的闭环应用，覆盖了业务应用的各个层面。

●建立统一的数据仓库技术架构 遵循上面的BIL模型，在具体的技术实现上，按照系统的层次进行重新组织，构建出系统的总体逻辑技术参考框架如下面示意图。

按照系统所涵盖的内容，根据不同功能作用，将系统划分为数据层、应用层、展示层三个层次。每个层级内包含面向本层次的功能及实现方法。 数据层—数据层主要包括数据源、数据的加工处理（ETL功能）、数据中转区、数据仓库等 部分，主要完成对数据的管理。数据是从业务系统到数据仓库的流动，数据层是整个数据仓库系统的基础。以下是数据加工处理的举例：

应用层—应用层主要包括围绕数据仓库数据，根据不同的业务需求，相应的应用功能部分，主要完成数据的利用。应用手段包括查询、报表、分析、挖掘等，应用层是数据仓库系统的核心。

展示层—展示层主要完成对应用层结果的发布，是各类应用的最终交付平台。展示层通过不同的实现架构，不同的表现形式，为客户提供多样化的信息传递。展示层是数据仓库系统的统一应用门户。

这里的层次划分只是逻辑层面的划分，在具体的物理实现上，层次之间并没有明显的界限，但是在数据的流向上基本上按照数据层à应用层à展示层的顺序表现。 IBM、Oracle等厂商都提出了自己的数据仓库结构，但严格说来，任何一个数据仓库结构都是从一个基本框架发展而来，实现时再根据分析处理的需要具体增加一些部件。 为了能够将已有的数据源提取出来，并组织成可用于决策分析所需的综合数据的形式，一个数据仓库的基本体系结构中应有以下几个基本组成部分：

●数据源 指为数据仓库提供最底层数据的运作数据库系统及外部数据。

●监视器 负责感知数据源发生的变化，并按数据仓库的需求提取数据。

●集成器 将从运作数据库中提取的数据经过转换、计算、综合等操作，集成到数据仓库中。

●数据仓库 存贮已经按企业级视图转换的数据，供分析处理用。根据不同的分析要求，数据按不同的综合程度存储。数据仓库中还应存储元数据，其中记录了数据的结构和数据仓库的任何变化，以支持数据仓库的开发和使用。

●客户应用 供用户对数据仓库中的数据进行访问查询，并以直观的方表示分析结果的工具。