㈠ 數據倉庫與ODS的區別，數據倉庫和ODS並存方
數據倉庫存儲的是面向主題的歷史變化數據，主要用於支持管理決策，提供長期的、趨勢性的分析。而ODS作為操作型數據存儲，存儲的是當前的數據狀態，提供即時性的、操作性的信息，便於快速響應業務需求。
ODS和數據倉庫的主要區別在於，ODS設計採用混合設計方式，能提供高性能的響應時間，而數據倉庫則反映歷史變化，通常存儲時間跨度更長。數據倉庫中的數據為「歷史值」，而ODS中的數據為「實時值」。通常情況下，ODS中存儲的數據不會超過一個月，而數據倉庫則可能存儲10年或更長時間的數據。
在調研中，我們發現有三種數據處理方案：第一種是「業務數據-ODS-數據倉庫」方案，這種方案的優點是ODS的數據與數據倉庫的數據高度統一，開發成本低，開發一次即可應用到ODS。缺點是數據倉庫需要的所有數據都需要走ODS，這會限制ODS的靈活性，甚至影響擴展性。
第二種方案是「OB-ODS」結構，其優點是結構簡單，適合初創數據分析團隊使用。然而，這種方式的缺點也很明顯，所有數據都集中在ODS中，長期來看，數據決策分析能力較差，且軟硬體成本高，模塊劃分不清晰，通用性差。
第三種方案是數據倉庫和ODS並存，這種方案可以兼顧上述兩種方案的優點，且便於擴展。ODS和數據倉庫各司其職，形成優勢互補，能有效應對互聯網公司面臨的快速變化和快速開發的特點。對於剛剛創建數據團隊、數據開發人員緊缺的公司來說，使用這種數據架構可以解決實際問題。
㈡ 資料庫存儲何種數據呢
資料庫中存儲各類數據，主要分為四個級別：早期細節級數據、當前細節級數據、輕度綜合級與高度綜合級。級別劃分依據數據的粒度大小，粒度越大，表示數據細節程度越低，綜合程度越高。
數據倉庫中不僅包含原始數據，還存儲元數據，即關於數據的數據。傳統資料庫的數據字典或系統目錄屬於元數據范疇。在數據倉庫環境中，元數據以兩種形式存在：一是為了轉換操作型環境至數據倉庫環境，建立的元數據，它包含了數據源屬性與轉換屬性；二是用於與多維模型及前端工具建立映射的元數據。
這四個級別及元數據的存儲與管理，使得數據倉庫能提供不同層次、不同需求的數據支持。早期細節級數據保留了數據的原始細節，便於深入分析；當前細節級數據反映了最新的信息，適用於實時決策；輕度綜合級數據將多個細節數據進行簡單整合，提供概覽視角；高度綜合級數據則通過多維度分析，實現深度洞察。
元數據的分類管理，有助於數據倉庫實現高效數據轉換與應用。通過建立元數據，操作型環境中的數據能更便捷地遷移到數據倉庫，同時，元數據的映射功能使得多維模型與前端工具能更好地與數據倉庫集成，提供靈活的數據訪問與分析途徑。
綜上所述，資料庫存儲的數據通過四個級別的劃分與元數據的管理，實現了從原始細節到綜合分析的全面覆蓋，滿足不同場景下的數據需求，數據倉庫成為現代大數據分析的重要基礎設施。