Stock Data

传统数据仓库定期读取源系统，根据商定的规则清理数据，通过执行经过验证的计算对原始数据进行解释，并在数据集市中准备这些数据。这些数据集市随后成为各种信息产品的基础。

如果我们看一下 Power BI 这样的工具，我们会发现 Power BI、进行计算、清理和丰富数据，甚至在同一工具内创建可视化报告和仪表板。这最初似乎消除了对数据仓库的需要。然而，如果我们进一步观察，我们会发现数据仓库还有其他方面：

维护源系统中不再存在的数据。或者已经发生变异，旧值不再 阿根廷号码数据 存在于源系统中。
如今，数据仓库包含越来越多的非结构化数据。
计算可能非常复杂，无法在自助服务工具中轻松地重新创建。
计算的定义在数据仓库中是固定的，这使其成为真相的来源。
我们看到，数据仓库的技术方面可以通过自助服务工具完美地接管，但并非所有功能属性都能够充分接管，从而导致数据仓库被逐步淘汰。

软件包的数据仓库或报告环境
越来越多的软件包配备了单独的报告环境或数据仓库，可用于根据基础数据创建报告。这样做的好处是供应商可以维护报告和定义。但这个优点也可能是一个缺点。除非对报告的一个或多个点进行调整，否则报告对于组织本身来说可能毫无用处。然后创建一个运行报告的新环境，这通常会使用户很难弄清楚他们需要的报告位于何处。