结蛹：数据仓库之厚积薄发

岳不群叹了口气，缓缓地道：“三十多年前，咱们气宗是少数，剑宗中的师伯、师叔占了大多数。再者，剑宗功夫易于速成，见效极快。大家都练十年，定是剑宗占上风；各练二十年，那便是各擅胜场，难分上下；要到二十年之后，练气宗功夫的才渐渐地越来越强；到得三十年时，练剑宗功夫的便再也不能望气宗之项背了。然而要到二十余年之后，才真正分出高下，这二十余年中双方争斗之烈，可想而知。”

——金庸，《笑傲江湖》第九章，1967年

决策支持系统面临的“瓶颈式”难题，是如何有机地聚集、整合多个不同运营信息系统产生的数据。对这个问题的关注起源于美国计算机科学研究的另一所重镇：麻省理工学院。和卡内基梅隆大学一起，这两所大学先后为现代商务智能的发展奠定了主要的基石。

20世纪70年代，麻省理工学院的研究人员第一次提出，决策支持系统和运营信息系统截然不同，必须分开，这意味着要为前者设计独立的数据存储结构。但受限于当时的数据存储能力，该研究在确立了这一论点后便停滞不前。

但这个研究如灯塔般为实业界指明了方向。1979年，一家以决策支持系统为己任、致力于构建独立数据存储结构的公司Teradata诞生了。Tera，是太字节，其大小为2⁴⁰，Teradata的命名表明了公司处理海量数据的决心。1983年，该公司利用并行处理技术为美国富国银行（Wells Fargo Bank）建立了第一个决策支持系统。这种先发优势令Teradata至今一直雄踞在数据行业的龙头榜首。

另一家信息技术的巨头——国际商业机器公司（IBM）也在为集成企业内不同的运营系统大伤脑筋。越来越多的IBM客户要面对多个分立系统的数据整合问题，这些处理不同事务的系统，由于不同的编码方式和数据结构，像一个个信息孤岛，处于老死不相往来的状态。1988年，为解决企业的数据集成问题，IBM公司的两名研究员（Barry Devlin和Paul Murphy）创造性地提出了一个新的术语：数据仓库（Data Warehouse）。

一声惊雷，似乎宣告了数据仓库的诞生。可惜IBM在首创这个概念之后，也停步不前，只把它当做一个花哨的新名词用于市场宣传，而没有乘胜追击、进一步提出实际的架构和设计。IBM很快在这个领域丧失其领先地位；2008年，IBM甚至通过兼并Cognos才使自己在商务智能的市场上重占一席之地，这是后话。

但这之后，更多的信息技术企业垂涎于数据仓库的“第一桶金”，纷纷开始尝试搭建实验性的数据仓库。

又是几年过去，1992年，尘埃终于落定。比尔·恩门（Bill Inmon）出版了《数据仓库之构建》（Building the Data Warehouse）一书，第一次给出了数据仓库的清晰定义和操作性很强的实战法则，真正拉开了数据仓库走向大规模应用的序幕。恩门不仅是长期活跃在这个领域的理论领军人物，还是一名企业家。此后，他的“江湖地位”也得以确定，被誉为“数据仓库之父”。

恩门所提出的定义至今仍被广泛地接受：

“数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理中的决策制定。”

比尔·恩门：数据仓库之父

2007年曾被《计算机世界》评为近40年计算机产业最具影响力的十大人物之一，目前还活跃在数据仓库领域，他的最新成果是将“非结构化的文本数据”通过特定的工具装入数据仓库。

数据仓库和数据库的最大差别在于，前者是以数据分析、决策支持为目的来组织存储数据，而数据库的主要目的则是为运营性系统保存、查询数据。

江山代有才人出。

恩门一统江湖没多久，风头又被拉尔夫·金博尔（Ralph Kimball）抢了去。金博尔是斯坦福大学毕业的博士，长期在决策支持系统的软件公司工作。1996年，他也出版了一本书：《数据仓库的工具》（The Data Warehouse Toolkit），金博尔在书里认同了比尔·恩门对于数据仓库的定义，但却在具体的构建方法上和他分庭抗礼。

拉尔夫·金博尔

他的数据仓库构建方法目前在市场上占据了主流。和普适计算的创始人马克·韦泽一样，他也曾经在施乐公司的帕罗奥多研究中心（PARC）长期工作过。（图片来源：datamgmt.com网站）

恩门强调数据的一致性，主张由顶至底的构建方法，一上来，就要先创建企业级的数据仓库。金博尔却说：不！务实的数据仓库应该从下往上，从部门到企业，并把部门级的数据仓库叫做“数据集市”（Data Mart）。两人针锋相对，各自的追随者也唇舌相向，很快形成了明显对立的两派。

两派的异同，就好比华山剑法的气宗和剑宗。主张练“气”的着眼全面和长远，耗资大，见效慢；主张练“剑”的强调短、平、快，效果可能立竿见影。

如金庸在《笑傲江湖》中描写的剑气之争一样，两派华山论剑的结果不难猜测，金博尔“从易到难”的架构迎合了人类的普遍心理，大受欢迎，商务界随即掀起了一股创建数据集市的狂潮。“吃螃蟹”的结果，有大面积的企业碰壁撞墙，也有不少企业尝到了甜头，赚了个盆满钵盈。

潮起潮落中，两派又有新的融合和纷争。油灯越拨越亮，道理越辩越明，数据仓库的理论和技术，在争论中不断地得以丰富，到2000年，其理念和架构，已经完全成熟，并被业界所接受。

如蚕之蛹，数据仓库是商务智能的依托，是对海量数据进行分析的核心物理构架。它可以形象地理解为一种格式一致的多源数据存储中心，数据源可以来自多个不同的系统，如企业内部的财务系统、客户管理系统、人力资源系统，甚至是企业外部的系统；这些系统，即使运行的平台不同、编制的语言不同、所处的物理位置不同，但其数据可以按统一定义的格式被提取出来，再通过清洗、转换、集成，最后百流归海，加载进入数据仓库。这个提取、转换、装载的主要过程，可以通过专门的ETL（Extraction, Transformation, Load）工具来实现，这种工具，如今已是数据仓库领域的主打产品。

ETL工具和数据仓库理论的成熟，突破了决策支持系统的瓶颈。从此，商务智能的发展走上了顺风顺水的“快车道”，接下来，好戏连台上演。