数据仓库是目前企业比较通用的存储数据、获取信息的一种技术和手段，其存储了海量的企业数据，汇总了大量的、有价值的各种信息，但数据仓库的应用展示的手段相对死板，大家耳熟能详，像KPI、报表、OLAP、数据挖掘等。毫无疑问，这些应用能够使分析人员获取想要的信息，但如何能够扩充数据仓库的用途，延伸数据仓库的价值链，使其不再作为一个孤立的信息处理、提供的平台，发挥更大的价值？
问题的提出
问题1：某大客户拨打客户服务中心，咨询某类产品或投诉某项服务，呼叫结束后，其客户经理能否及时并主动的与该大客户取得联系，实施推销或客户关怀，提高客户满意度和忠诚度？
问题2：大客户突发的异常行为，例如，突然撤销某订单，如何能及时发现并由相关客户经理实施补救措施？
实时数据仓库的作用
随着业务量的增大，业务系统由于其及时性等方面的要求，很难满足日益复杂的分析性需求，而数据仓库作为企业业务数据的存储，应发挥其作为信息中枢的作用，与企业的各部门的流程运作和各业务平台结合起来，不但可以实现对其他业务平台的信息共享，更可以使企业向实时企业转型，即通过最新的信息，在关键商务流程中消除管理和实施的延迟，实施快速的响应，实现针对事件的营销。
构建实时数据仓库的要素
传统的数据仓库是面向主题的、稳定的、集成的、不同时间的数据集合，它反映的是历史数据，数据加载总是落后与业务系统或业务平台，如何能保证数据仓库实时获得业务数据，并根据业务数据整理出有价值的信息，反馈给业务部门，并获得相关的信息呢？
1．引入ODS(Operational Data Store)数据层
由于业务系统数据比较复杂，从业务系统中直接进行ETL可能会比较困难，通过ODS进行数据采集加载，可以降低数据仓库ETL过程的复杂性，并可以满足对当前数据的查询需要。
ODS处于业务系统与数据仓库之间，其数据是可变的，是当前的详细数据的集合，用于加载临时的业务系统的数据，在数据结构、数据逻辑关系上，均保持与业务系统的一致。
在数据仓库的静态数据更新前，ODS承担查询操作，支持大量的并发的查询响应，用于及时发现业务上的异常情况，并提供给业务部门进行紧急处理。
2．引入中间件技术
由于在实时数据仓库中，可以提供两类对业务部门十分有效的信息，一类是经过清洗、汇总后的静态信息，一类是能够及时反应出业务系统中业务数据的变化情况的实时性、生产性的数据，无论是在业务系统和数据仓库之间的数据同步，或者是大量并发的查询，都会对仓库造成较大的负担，因此，引入中间件还是有必要的。
中间件的引入可以解决数据分散处理带来的数据不一致性问题，处理的性能、效率以及安全等问题，另外，对于并发查询的排队，也可以有效的降低数据仓库的负载。
3．完整的、集成的信息视图
构筑客户的完整的信息视图，例如客户的个人信息、行为信息以及客户的消费特征等，作为对业务系统的信息共享，通过与业务系统的互动，支撑营销活动。
4．闭环的管理流程
当实时数据仓库捕捉到业务上的异常事件时，将异常事件的相关信息转发至业务部门，例如客户服务中心，如果想要得到后续的业务信息，则需要建立一套完整的管理流程，以备日后的分析和管理。
5．严格的数据质量控制
数据质量控制一直是困扰数据仓库的一个问题，如何能够有效地减少数据质量问题，是数据仓库技术中一件不容忽视的事情，实时数据仓库更是如此。
通常的做法包括业务平衡关系的验证、关键KPI的校验、数据快照的定期更新等办法。
6、结束语
传统的数据仓库对企业的战略性的决策进行支持，而现在随着市场的发展，数据仓库不仅被要求用来提供战略性的决策支持，还需要对企业各业务单元的日常运作提供战术性的指导。
实时数据仓库技术的发展，提高了企业对外部信息的反应速度和决策自动化能力，其提供的可执行的分析有效地驱动了企业的业务系统运作，实现了企业信息的共享，连接了各部门的流程运作和各业务平台之间结合，极大地延伸了商业智能的范畴，是数据仓库技术的发展方向之一。
