金融機構建設數據倉庫並非一朝一夕之事，需要投入巨大的人力物力，是整個公司戰略級的項目，本文只是結合自己的行業知識，整理下大概的建設思路。
什么是數據倉庫？來自百度百科的解釋：數據倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數據倉庫，是為企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。它是單個數據存儲，出於分析性報告和決策支持目的而創建。 為需要業務智能的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。
從上面概念中，大概可以知道數據倉庫是用於上層分析性報告和決策支持的基石，也就是現在流行的數據中台中重要的組成部分。所以搭建好數據倉庫，是整個數據中台建設的重中之重。
數據倉庫一般分為4個層，依次是數據緩沖層-->數據整合層-->數據基礎層-->數據服務層，加上底層應用系統的數據源層，和上層分析應用的數據集市層，整個分布圖大概如下：
下面主要說明下，每個層的作用，以及層與層之前的轉換邊界問題。
數據源：主要是企業早期建立的各個獨立的業務系統或者數據中心，簡單的說就是各個數據庫DB實例。
數據緩沖層：也稱貼源層或ODS層，存儲的表數據基本和數據源一致，只是擴展了數據導入時間和導入日期，因為它的數據來源需要通過ETL從數據源層抽取轉換過來。
數據整合層：也稱模型層，這層是整個數據倉庫最重要的，它的作用是對公司的全域數據進行系統建模，相關人員必須對整個行業的業務十分熟悉，比如基金行業，需要對證券主信息標准化，證券市場信息標准化，數據字典標准化，數值（單位）標准化，記錄（數據來源）標准化等等。數據緩沖層到數據整合層，會涉及到數據的簡單清洗和轉換，但不會涉及到計算過程。關於行業標准，這里引用下《中國資本市場標准網》http://www.csisc.cn/zbscbzw/hysjmx/index_hysjmx.shtm
數據基礎層：也稱基礎指標層，從數據整合層到數據基礎層，會涉及指標因子的計算，比如持倉市值=持倉數量*收盤價，不過基本都是簡單的計算。
數據應用層：也稱指標准備層，從數據基礎層到數據應用層，會涉及指標的深度計算，比如由數據基礎層計算的收益率，延伸計算為7日收益率，成立以來收益率等等。數據基礎層形成的指標，也會直接復用到數據應用層。
數據集市：這層主要是業務場景的應用，根據具體的業務場景，由數據應用層的指標進行拼湊，形成具體的解決方案，供上層應用分析，決策。
本文只是對數據倉庫做個簡單介紹，后續有時間再針對每個點涉及的技術（比如大數據平台的應用）作深入剖析。