共计 841 个字符，预计需要花费 3 分钟才能阅读完成。
数据仓库是数据挖掘技术的要害和根底。数据挖掘技术是在已有数据的根底上，帮忙用户了解现有的信息，并且在以后信息的根底上，对将来的企业情况作出预测，在数据仓库的根底上进行数据挖掘，能够针对整个企业的倒退情况和将来前景作出较为残缺、正当、精确的剖析和预测。
数据仓库的重要作用在整个数据分析的过程中显而易见。然而往往因为要解决的数据量过大，数据仓库的搭建咱们通常都交给 BI 工具来实现。当初国内有许多数据仓库软件都做的很不错的，当初小编就以 Smartbi 为例来具体阐明一下。
1、实用的数据采集
Smartbi 提供了弱小的数据采集性能，既缩小了开发人员的工作量，又能够满足业务人员的数据采集需要。
Smartbi 提供 Excel 数据批量导入性能，可能简便的将 Excel 数据，一键上传、数据入库的一种形式导入数据库；通过回写权限和规定定义，实现用 Excel 设计采集表单、Web 填报数据，配置灵便便捷，反对在报表上间接进行数据填报，反对校验公式进行数据校验，反对多人填报，反对会签及分支的流程审批。
2、丰盛的数据连贯
反对间接上传 Excel、CSV、TXT 文件、数据分析包导入到高速缓存库或关系数据源，反对导入的指标关系数据源有：MySQL、Oracle、DB2_V9、MSSQL；反对接入 Java 数据源；Smartbi 反对各种大数据库比方有：Presto+Hive、星环、Vertica、Infobright 等等。
3、弱小的跨库整合
目前反对做跨库的数据源类型包含：高速缓存库、Hadoop_Hive、星环、Vertica、CH、Greenplum、Infobright、Oracle、DB2 V9、MySQL、MS SQL Server、Spark SQL、Teradata_v12、Informix、IMPALA、PostgreSQL。
数据采集、数据连贯与跨库整合，除此之外，Smartbi 还有更多其余弱小的性能，不仅在数据挖掘这方面做的特地好，在数据分析、数据可视化和数据管控等层面，也取得了业界的统一好评。