数据仓库（DW）：是数据库概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现的存放数据的地方，只不过从数据量来说，数据仓库要比数据库更庞大得多。数据仓库主要用于数据挖掘和数据分析，辅助领导做决策。在数据库已经大量存在的情况下，它是一整套包括了ETL、调度、建模在内的完整的理论体系。
数据仓库的方案建设的目的，是为了前端查询和分析作为基础，主要应用于OLAP，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
数据仓库并不是数据的最终目的地，而是为数据最终的目的地做好准备，这些准备包括：清洗、转义、分类、重组、合并、拆分、统计等。
为何要分层
为了解决我们可能面临的问题，需要一套行之有效的数据组织、管理和处理方法，来让我们的数据体系更加有序，这就是数据分层。
数据运营层（ODS）：数据准备区，也称为贴源层。数据源中的数据，经过抽取、洗净、传输，也就是ETL过程之后进入本层。
为了考虑后续可能需要追溯数据问题，因此对于这一层就不建议做过多的数据清洗工作，原封不动地接入原始数据即可，这层的数据是后续数据仓库加工数据的来源。
数据应用层（ADS）：该层主要是提供给数据产品和数据分析使用的数据，一般会存放在ES、Redis、PostgreSql等系统中供线上系统使用；也可能存放在hive或者Druid中，供数据分析和数据挖掘使用，比如常用的数据报表就是存在这里的。
标签：数据分析,数据库,数据仓库,数据挖掘,数据,ETL From： https://www.cnblogs.com/xiao-wang-tong-xue/p/16610952.html