4、各生产系统的操作数据按照需要分别转换到每个独立数据集市中。这种策略将使整个系统变得非常复杂和难于维护，在投资方面也是得不偿失。这种结构最主要的问题还是在于没有统一的企业数据存储模型，不能为企业提供统一的信息视图。很多企业的数据仓库系统在达到一定规模后不得不更换平台，主要也是这个原因。Hub and Spoke企业级数据仓库 由于独立数据集市结构存在的问题，人们在规划数据仓库时已经逐渐转为实施企业级的数据仓库。对于企业级数据仓库，基本的要求是整个企业能够共享统一的数据存储模型，为各级业务人员提供一致的信息视图。
5、实施时可以先按照需求的轻重缓急选择部分业务主题，然后逐步扩展到涵盖全部业务。 从结构上来看，企业级数据仓库主要分两种。先讨论第一种，即“Hub and Spoke”(集线器与车轮状)结构的企业级数据仓库。 这种结构与独立数据集市的主要差别在于增加了一个企业级数据仓库，它需要一个RDBMS来驱动。ETL流程首先将所有业务处理系统中的数据按照统一的存储模型加载到中央数据仓库，然后再按照各部门特定的需求把相关数据复制到部门数据集市。因为中央数据仓库汇集了来自各业务处理系统的数据，同时也负责向各数据集市提供信息，
6、看上去像一个Hub (集线器)一样。而业务人员在进行数据分析与信息访问时将根据需要连接到不同的数据集市，这种交叉复杂的连接看上去就像Spoke(车轮辐条)一样。著名评估机构Gartner Group因此把这种数据仓库形象地称为“Hub and Spoke Data Warehouse”。 “Hub and Spoke”结构虽然解决了统一数据存储模型、数据一致性的问题，但从实际使用的角度来看仍有比较严重的缺陷。主要体现在两方面：一个是业务人员对信息的访问非常不方便，很难进行跨数据集市之间的信息分析。另一个问题是
7、当数据集市增加时，系统整体投资迅速增加，同时管理的复杂性也随之增加。 当中央数据仓库保存越来越多的数据、并发用户越来越多时，一般的数据库引擎无法承担这样的负载，只好把它们分解到不同的数据集市。有些厂商为了解决跨数据集市之间信息访问的问题，推出一些“虚拟数据连接器(Visual Data Joiner)”的工具软件。对于数据量较大规模的系统来说，这种工具并没有多大的实用价值。 统一的企业级数据仓库 与“Hub and Spoke”结构相比，第二种统一的企业级数据仓库系统和它主要的差别在于： 1.数据
