数据仓库的建设是电信运营企业信息化建设的重要组成部分。ODS（Operation Data Storage，运营数据存储）是数据仓库系统设计的关键环节和预演，是数据仓库系统的重要数据来源。
ODS是企业数据架构（EDA）中最为复杂的一种形态，既要满足数据事务操作要求，又要满足数据分析要求，从技术构建角度来看，难度相当之大。从目前国内电信行业的应用来看，还没有一个真正意义上的ODS能够成功应用。那么，伴随着ODS的普及应用，它将会给电信业带来哪些深远的影响呢？
何谓ODS？
目前，关于ODS的资料，国内外都还比较少见。著名数据仓库畅销书作者Ralph Kimball，在其全球范围内发行的畅销书——《数据仓库生命周期工具集（The Data WareHouse Liftcycle Toolkit）》中写到：ODS有两种解释，一是操作型系统中的数据集成,用于当前，历史以及其它细节查询(业务系统的一部分)；另一个是为决策支持提供当前细节数据(数据仓库的一部分)。
Kimball对ODS的定义是这样的：ODS是面向主题的、集成的、经常更新的细节数据存储，用集成数据支持事务系统。这也是ODS的一个比较客观、普及的说法。他强调，一定要将ODS带入数据仓库中，才能发挥ODS的效能。
从Kimball对于ODS的解释和定义分析中，我们不难看出，有数据仓库的地方，都会有ODS。因为它是一个集成了来自不同数据库数据的环境。其目的是为终端用户提供一致的企业数据集成视图。它可以帮助用户轻松应对跨多个商业功能的操作挑战，是面向主题的、集成的、近实时的数据存储。
一般来讲，ODS有四种类型：
I类ODS，与应用系统的数据延迟为1～2秒，实时或近似实时；
II类ODS，与应用系统的数据延迟为2～4小时；
III类ODS，与应用系统的数据延迟为12～24小时；
IV类ODS，数据仓库中部分决策分析数据回流至ODS中。
可以说，数据延迟时间越短，ODS建设难度越高，其中I类ODS的建设难度最高，建设成本也是最高的。而且由于I类ODS的实时性，对于技术的要求与其它类型ODS也有所不同，一般来讲需要用到EAI技术，但随着当前企业对数据仓库的实时性要求越来越高，以及企业对战术性决策支持的需求越来越大，相信I类ODS会变得越来越重要。通常在企业的EDA 中，ODS是一个可选件，但一旦需要用到ODS的功能，那么ODS本身就将变得极为重要。
从现阶段的应用来看，比较多的还属IV类ODS，因为一旦将决策分析结果加载到ODS 中，重要决策信息的高性能联机支持将成为可能。
参照地址：
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。