感谢关注天善智能，走好数据之路↑↑↑

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

每周2-3场免费数据领域公开课，每月线下活动，欢迎关注！

作为刚毕业的大学生，学习好数据分析更是锦上添花，绝对是加分项。而数据分析和数据仓库是两个不同的概念，欢迎到天善智能学院学习，这里都是数据爱好者。

从您的问题来看，您对数据分析和数据仓库都挺感兴趣。

一般来说，数据分析对应的工作岗位是数据分析师，有偏业务的，也有偏技术的；数据仓库对应的工作岗位有数据仓库开发工程师和数据仓库建模工程师。

所以您得明确方向，到底是数据分析方向还是数据仓库方向。

数据仓库知多少

首先，来了解一下数据仓库吧！数据仓库是一个面向主题的、集成的、相对稳定的、反应历史变化的数据集合。

我们来看这几个词：

面向主题，数据仓库会规划各种业务主题，所以我们需要理解各大主题的范畴以及之间的关系，这样就了解了数据仓库的基本架构。
集成，数据仓库的数据会来自各个业务系统数据或者外部爬取数据，所以需要我们知道每个数据仓库的模型字段都是来自哪个源，这样我们就能快速全面的了解相关业务。
相对稳定，数据仓库的数据一般不会实时变化，所以我们今天看去年的数据和明天看去年的数据是一样的，如果我们发现某一个月度数据不对，就可能需要重新汇总历史月份每天的数据（请理解数数仓小伙伴们没及时给你数据）
反应历史变化，这就是为什么预测一般就需要数据分析师们大显身手了。

如何利用数据仓库优化数据分析

首先数据分析又是干什么的呢？基于业务需求，结合历史数据，利用相关统计学方法和某些数据挖掘工具算法对数据进行整合、分析，并形成一套最终解决某个业务场景的方案（刚入门数据分析的浅显思考）。

听团队小伙伴说，在数据分析的过程中有大部分的工作都是在处理数据（大部门分我认为是60%工作量），所以为了提高工作效率和质量，借助数据仓库进行数据分析无疑是一个很好的选择。

了解原始数据，想要真正地理解指标，你必须了解原始明细数据，知道是哪里来的，经过了怎样维度的计算得到的。
寻找“干净”数据，数据分析要求数据都是“干净的”（可以作为算法特征输入），而数据仓库中的模型一般都符合你的要求。我们需要找到“干净的”模型，但事实往往不会很顺利，我们需要找到相近的数据，然后自己找到之间同的“纽带”（关联条件）汇总数据。
反馈数据，数据分析在做完整个分析方案后，可以和数据放仓库小伙伴一起分享成果，让数据仓库同事学习数据分析思路的同时，也可以更好地规划模型，从而进入良性循环。

数据仓库和数据分析都存在的组织架构在很多大团队会有，很多小团队是没有专门的数据分析人员或者数据仓库人员的，二者是合为一体的。