Data Warehouse for FDE（FDE 的数据仓库入门）

知识库位置：FDE Knowledge Base/03 Engineering/Data Engineering/Data Warehouse/Data-Warehouse-for-FDE.md 定位：Enterprise Field Primer（企业环境入门页）术语不确定时，请查阅 Glossary（中英文术语表）。

1. What It Is（它是什么）

Data Warehouse（数据仓库）是面向分析、历史数据和业务指标的数据平台。

和典型 transactional database（事务型数据库）不同。

简单理解：

Operational Systems（业务系统）
↓
Data Pipeline（数据管道）
↓
Warehouse（数据仓库）
↓
Analytics / Reporting / AI（分析/报表/AI）

2. Why FDE Cares（FDE 为什么关心）

很多企业的关键分析数据已经汇总在 Warehouse。

FDE 项目可能需要：

business baseline（业务基线）
historical analysis（历史分析）
customer 360（客户 360 视图）
pilot metrics（试点指标）
feature generation（特征生成）
reporting（报表）
AI context（AI 上下文）

3. OLTP vs Analytical Workload（事务型 vs 分析型负载）

Operational Database（业务数据库）

优化：

Small transactions（小事务）
Frequent updates（频繁更新）
Current state（当前状态）

Data Warehouse（数据仓库）

优化：

Large scans（大批量扫描）
Aggregations（聚合计算）
Historical analysis（历史分析）

4. Common Data Flow（常见数据流）

CRM（客户关系管理）
ERP（企业资源计划）
Support（客服系统）
Product（产品系统）
↓
ETL / ELT（抽取-转换-加载两种模式）
↓
Warehouse（数据仓库）
↓
BI / Analytics / ML（商业智能/分析/机器学习）

5. Dimensional Thinking（维度思维）

FDE 至少理解：

Facts（事实）
+
Dimensions（维度）

例如销售：

Fact（事实）

Sales transaction（销售交易）

Dimensions（维度）

customer（客户）
product（产品）
time（时间）
region（区域）

这有助于理解企业 Reporting Model（报表模型）。

6. Freshness（新鲜度）

Warehouse 不一定实时。

可能：

Daily（每日）
Hourly（每小时）
15 minutes（15 分钟）
Near real-time（近实时）

所以客户说：

数据在 Warehouse。

还必须问：

多久更新一次？

7. Source of Truth（唯一事实来源）

Warehouse 是分析 Source of Truth（事实来源），并不一定是 Operational Source of Truth（运营事实来源）。

例如：

Current order status（当前订单状态）
→ ERP / OMS（企业资源计划/订单管理系统）

Historical order analytics（历史订单分析）
→ Warehouse（数据仓库）

8. Data Transformation（数据转换）

Warehouse 中通常存在大量：

cleaned tables（清洗后表）
business models（业务模型）
metrics（指标）
derived fields（衍生字段）

FDE 应优先复用已有业务定义。

不要自己重新定义：

Active Customer（活跃客户）
Revenue（收入）
Churn（流失）

导致与公司报表不一致。

9. Warehouse and AI（数据仓库与 AI）

适合：

historical features（历史特征）
structured customer context（结构化客户上下文）
aggregated metrics（聚合指标）
analytical queries（分析查询）

但如果用户问：

当前账户余额是什么？

可能仍应走 operational API（业务接口）。

10. Questions FDE Should Ask（FDE 应问的问题）

Warehouse 中有哪些 domain（业务域）？
数据 freshness（新鲜度）？
哪些表是 curated（精炼）的？
谁维护 metric definition（指标定义）？
是否有 semantic layer（语义层）？
是否允许 application direct query（应用直查）？
Query cost（查询成本）如何？
Sensitive data（敏感数据）如何处理？

11. Common Failure Modes（常见失败模式）

Failure 1 — Treat Warehouse as Operational API（把数仓当业务接口）

高并发在线请求直接打分析平台。

Failure 2 — Ignore Freshness（忽略新鲜度）

用户需要当前值，Warehouse 实际每天刷新。

Failure 3 — Recompute Metrics Differently（另算一套指标）

AI 使用的 revenue（收入）与 CFO Dashboard（财务看板）不一致。

Failure 4 — Query Raw Tables Directly（直查原始表）

忽视 curated layer（精炼数据层）。

12. FDE Depth（FDE 深度要求）

目标：

Level A/B（A 级认知 / B 级操作）

FDE 应能：

查询 Warehouse
理解历史 vs 当前
找到 curated tables（精炼表）
理解 freshness（新鲜度）和 lineage（血缘）
与 Data Team（数据团队）合作