五种数据虚拟化方式改进数据仓库 .docVIP

五种数据虚拟化方式改进数据仓库 　　一大批商业智能（BI）、预测分析、数据和内容挖掘，门户和其他系统使用企业数据仓库（EDW）不断增长的信息来源。然而，却有相当的关键业务的企业数据被置于企业数据仓库之外。为了向业务决策制定者交付最最全面的信息，IT团队利用数据虚拟化以保持和扩展他们现有的企业数据仓库投资。 　　本文探讨了五种整合模式，这些模式将企业数据仓库和数据虚拟化结合起来，连同来自Composite软件公司的数据虚拟化客户实例，以解决实际的业务和IT问题。这五个模式包括： 　　数据仓库扩增 　　数据仓库联盟 　　数据仓库中心和虚拟数据集市 　　提取、转换与加载（ETL）流程的补充 　　数据仓库原型开发 　　企业数据仓库投资的价值最大化 　　在日益增长的数据量和复杂的环境下支撑关键的、但是千变万化的信息需求在今天是大型企业和政府机构充分理解的一项挑战。 　　这种不可抗拒的压力已经并将继续推动对企业数据仓库的需求，因为一系列商业智能（BI）、预测分析、数据和内容挖掘，门户网站以及其他重要应用程序都依赖于来自企业数据仓库的数据。 　　然而，业务的变化经常超过企业数据仓库改进的速度。而且虽然对一大部分企业数据物理上的集中和转换会有所帮助，但还是有大量的企业数据仍置留在企业数据仓库的范围之外。更有甚者，企业数据仓库本身在整个的生命周期内也需要支持，推动了对数据原型、迁移、延伸、联盟以及