基于数据仓库的企业大数据建设，大数据时代之初，数据分析与数据建模思想仍停在数据仓库时代。基于数据仓库构建大数据是BATJ这些先驱者的必然之选，而云服务则是由数据仓库的思想的基础上自然进化出的产物。深入的了解数据仓库模式的大数据有助于读者洞察数据的发展趋势。

一、基于数据仓库的企业大数据的由来
数据仓库的概念诞生与20世纪90年代，并在21世纪初在中国大行其道，其中以SAP、Oracle、BIEE等公司的解决方案及产品最为著名。但伴随着网络社交、网上购物、在线娱乐的普及，衍生出海量的用户行为数据。传统的存储、计算能力无力支撑（价格昂贵是另一个重要因素）。由此催生出以开源社区、分布式系统技术的到来，使数据能够运行在由相对廉价的服务器集群上，突破存储与计算能力的瓶颈，至此大数据时代正式到来。二、构建基于数据仓库的企业大数据的道路
第一是阶段：数据接入
在企业大数据成立之初，面临着数据分散、数据孤岛、数据质量差等问题。但更核心的使命是：打破业务部门对数据的垄断，将数据接入到统一数据仓库中。
面对这种情况，建议采用采用项目合作的模式。通过大数据的专业的数据分析、数据挖掘能力，满足业务部门的数据诉求。在项目合作的过程中，获得业务部门的认可，逐步达成的生产系统数据统一接入数据仓库的目标。

第二阶段 : 数据治理
此阶段的核心使命是：基于企业的整体生态与业务模式，构建符合企业特色，可持续发展的企业价值模型。
1、构建基于数仓的方法论定义完整的数据采集、清洗、建模的过程。
2、构建了企业的商品、订单、客户、供应链等核心的业务主题模型。
3、制定数据标准、元数据、数据指标、数据质量等数据管控手段。
第三阶段：数据产品
此阶段的核心目标是：提供大数据工具产品，降低用户使用门槛以及将业务数据产品化，实现数据价值最大化。
1、大数据工具产品是指：提供数据接入、清洗、建模、可视化等产品。逐步构建大数据的平台产品，为数据分析、数据开发人员提供完备的大数据工具。
2、数据价值最大化是指：将数据成果以产品的形态为企业用户提供服务， 典型的产品包括：精准营销、用户画像、高管大屏等数据应用。
第四阶段：数据赋能
伴随着业务的高速发展，不断创新的业务形态，个性化的用户需求，单一数据仓库已经无法满足企业全部需求。在此阶段可以采用多种方式满足企业个性化的发展：
1、企业大数据可以采用数据集市的模式，构建了大数据的可持续发展的新生态。
为业务部门量身定制的数据空间，并支持业务部门基于自身的业务对数据进行二次加工，最终生产出业务数据。
2、企业大数据将个性化业务部署在云服务上，采用混合云的方式，实现企业大数据与云服务的兼容并蓄。
3、构建企业级数据湖模式，通过数据湖的模式将多种类型数据、技术、产品进行集成与整合。但此模式目前仍在论证与实践中。
基于数据仓库的企业大数据建设，大数据模式没有最优秀，只有更适合。若为一家类似京东这种业务链耦合度高的企业（采、供、销、仓、配、送一体化），采用数据仓库模式构建大数据仍是最佳选择，而若为一家类似美团这种业务分散、关联性低的企业（票务、餐饮、出席、送餐等多元化），采用云服务的模式构建垂直业务大数据是最佳的方案。