数据仓库
什么是数据仓库？
数据仓库是用于存储海量集成式数据和历史数据的数据管理系统。数据仓库会存储来自多种来源的数据，且若要进行数据分析和报告及收获商业智能 (BI) 洞见，数据仓库必不可少。这款存储架构可进行大规模查询，让企业得以捕获、解析及理解关键趋势和关系，从中发掘更深入、更具价值的洞见。
数据仓库如何运作？
数据仓库依托多个数据库运行，可在接收来自运营数据库和事务性系统的数据时分为若干部分。数据进入数据仓库时会经历多个清理流程，如此能够高效地清理和整合数据，使其成为可供组织利用的最可靠数据。
数据仓库有哪些优势？
数据仓库的部分主要优势有赖于大规模数据分析所提供的基础，对数据来源没有限制。之后可将数据存储以供组织历史参考之用，并通过成熟的元数据和分析为组织提供长期优势。
数据仓库的其他优势包括：
· 助力分析师评估并从生成的数据和元数据提取洞见，通过有意架构、基础设施和流程提升效率、节省更多时间。速度能够最大限度地提升业务能力，让组织能够跟上当前快速演变且竞争激烈的市场的步伐。
· 改进 BI。由于能够接收来自各类来源的数据，以及能够借助可视化和报告工具整合已存储的数据，企业因此能够有条不紊、快速高效地进行报告、分析和采集作业。为了保证准确度，数据会以这种方式存储。
· 增强安全性。安全性成为组织当前面临的头号障碍物，因此，通过数据仓储增强安全性会对成败产生关键影响。仓库结构内数据的集中特性能够提供额外安全保护。数据仓库的结构在构建时利用了独特的安全性特征，形成的坚实基础不需要配备其他数据安全资源。
数据仓库的挑战是什么？
尽管数据仓库基础设施拥有诸多显而易见的优势，但也有很多不容忽视的实施挑战。每一类的环境都兼有优势和挑战。数据仓库的部分挑战包括：
单一位置
由于组织的高价值数据都存放在一处，任一安全漏洞都会带来毁灭性打击。安全漏洞并不多见，但确实存在。因此，组织必须具备维持合规性或保护客户数据的能力，才能够让此类数据环境保持正常运行。
可扩展性
数据仓库往往会产生较高前期成本以及耗时的流程，这一点也让预算紧张的较小型组织对此类数据环境敬而远之。此外，数据仓库基础设施无法加工及处理非结构化数据，给扩展能力造成一定影响。
维护与扩展
数据仓库的规模巨大，因此对 IT 监督的需求也很大，复杂性和成本也会因此而增加。如果组织并无资源来满足此类不断增长的 IT 支持需求，组织很快会丧失推动力，失去数据仓库的优势。
数据仓库、数据库和数据湖如何协同发挥作用？
在组织内搭配利用数据仓库、数据库和数据湖的做法越来越受到推崇。优势多于挑战，且通常能为组织提供大量高效的支持和洞见。
例如，数据湖能够容纳大量非结构化数据和原始数据，此外，还能够存储数据和相关洞见以供未来参考之用。如果组织想要从特定数据集收获更深入的洞见，他们可以从数据湖中推送此数据，再通过仓库进一步加工数据，从而获取更加切实可行的洞见。
数据库也可以作为一种数据容器，与数据湖功能类似，数据库可将数据加工到一定程度，再将其移到仓库中进行更密集的加工。主要的区别在于数据库利用的是通常存放在数据库内归档系统中的结构化数据。
能够同时在组织内使用结构化数据和非结构化数据十分重要，决定了能否改进 BI 以及能否获得切实可行的洞见。不论组织使用的是数据库还是数据湖，数据仓库都是提高报告性能的关键所在，能够为组织生成切实可行的洞见。
HPE 和数据仓库
利用 HPE 智能数据平台快速、可靠地访问数据，不论组织规模多大。将数据置于运营的最前沿后，组织需要简化的数据管理来推动企业更快速地向前发展。通过 HPE GreenLake 存储服务为您的每一款应用和所有数据提供云运营体验，加速转型。
有了 HPE 数据服务后，组织就能够消除会阻碍运营的 IT 复杂性，并利用一套 SaaS 应用为从边缘到云的云运营体验提供助力。与此同时，利用工作负载优化型基础设施驱动数据，为每一款应用、每一位客户提供云体验。
为了更新改造数据管理，组织需要采用数据优先方法。HPE GreenLake 能够更新改造数据保护，筑起可抵御安全威胁的防线，打造绝佳数据移动性，并利用边缘到云数据推动创新。