自从20世纪50年代末第一次使用计算机以来，信息世界一直在不断发展。随着时间的推移，很明显数据像许多实体一样，有一个生命周期，它特定于生命周期中的每个点，一组不同的特征，存储和访问要求。数据 warehouse的概念是从业务需求演变而来的，业务需要基于其生命周期中的不同点，在不同的数据来源之间进行可靠、统一、集成的报告和分析。综合来看，数据 Warehouse只是一个电子化组织的数据库存储-3/；重要的是要认识到，任何仓库都会受到在仓库中查找和访问物品以及将物品移入和移出仓库的过程的限制。
为了有效地运营数据 warehouse，组织需要了解数据 warehouse中的信息在数据生命周期中不同点的内在差异。As 数据变得过时:1。访问数据的可能性会降低。简而言之，-3/越旧，使用频率越低。2.数据结构会发生变化。随着软件变得更加复杂以更高效地处理更多的数据和数据库，库的架构将不可避免地发生变化。
3、在当前大 数据的新环境下it企业面临哪些机会与挑战挑战1: 数据来源复杂丰富数据来源是大的前提数据产业发展。然而，我国数字数据资源总量远低于美国和欧洲，每年数据资源增量仅为美国的7%，欧洲的12%，其中政府和制造业的数据资源积累远远落后于国外。就数据有限的资源而言，仍然存在标准化、准确性、完整性不高，利用价值不高的情况，大大降低了数据的价值。在数据的时代，我们需要更全面的数据来提高分析和预测的准确性，所以我们需要更方便、廉价和自动化的数据生产工具。
4、大 数据时代,我国 数据量究竟有多大1 Big 数据崛起预示着信息时代将进入一个新的阶段。1.1看大数据有历史眼光。与农业和工业时代相比，信息时代是一个相当长的时期。不同时期的生产要素和社会发展动力有明显的差异。信息时代标志性的技术发明是数字计算机、集成电路、光纤通信和互联网(万维网)。虽然媒体上对数据 times的谈论很多，但是数据和云计算等新技术尚未取得可与上述划时代的技术发明相媲美的技术突破，难以形成超越信息时代的新时代。
通过考察和分析100多年的漫长历史，可以发现信息时代和工业时代的发展规律有很多相似之处。电气化时代提高生产力的过程与信息时代惊人的相似。扩散储备20~30年后才明显增加，分界线分别为1915年和1995年。我猜想，21世纪的前30年，可能是信息技术在经过几十年的扩散和存储后，提高生产力的黄金时代。1.2从信息时代新阶段的高度看，中国已经进入信息时代，但很多人的思想还停留在工业时代。
5、大 数据需突破 存储、性能瓶颈Big 数据需要突破存储大的性能瓶颈数据核心是大量数据分析能力。在众多IT问题需要首先解决的情况下，在big 数据中，企业首先需要提高数据 center的成本效益，以满足不断变化的业务需求，加大数据的应用和相关基础设施的建设，满足数据 center对高性能、高可扩展性和高效率的要求。大数据核心分析能力需要强大的后台支持。所谓大数据，核心取决于大量数据的核心分析能力。
为了快速高效地处理大量的数据需要对整个IT基础设施进行优化，要充分考虑后台数据 center的高节能、高稳定、高安全性、高可扩展性、高冗余和基础设施建设五个方面，同时要解决/center节点规模较大的问题。
