找工作要善于“投机取巧”、出奇制胜，有一定IT背景的朋友不妨考虑一下DataWarehouse和SAP方向，高薪、稳定的事业应该从这里开始。
随着时代的发展，提高工作效率已成为所有企业的共同目标，而如何能够在浩瀚如海、堆积如山的数据中最快速的得到有效数据，则成为其中重要的一环，市场呼唤技术，90年代初，Data
Warehouse应运而生，并且随着IT业的几次革命，呈现出越来越热的趋势，尤其从2000年开始，随着北美经济的火爆，各大银行、金融、保险机构等，由于业务发展的需要，更是广招DataWarehouse
方面的专业技术人员。
近一、两年，随着技术移民的大量涌入，北美IT就业市场竞争日益激烈，而DataWarehouse则一枝独秀，因为真正会做的人少、与数据相关等优势而成为“IT就业的新贵”，高薪、稳定、工作多在大银行、大企业（下面文章的笔者曾在2个月得到5个工作Offer,其中大银行有三家）。
而在中国，Data Warehouse 更是炙手可热，这方面的技术人员纷纷成为各大IT公司、猎头公司“挖角”的对象，详情可参阅各大中文求职网站。DataWarehouse
----“技术海归”人员的首选的“防身术”！
DATA WAREHOUSE(数据仓库)–ERP后IT 的热门产业
众所周知，自90年代开始，ERP系统成了企业界追逐的宠儿，企业的优化管理机制，提高生产力，控制成本等一系列的目标，在实施一套好的ERP系统后都得到了不同程度的改善，但是,
由于ERP系统的性质决定了它每天要处理大量事物性过程， 即每天产生大量TRANSACTION数据，随着时间的推移，企业将产生大量的事物性数据，IBM研究报告表明，只有7%的数据为企业在做战略决策时所采用，而如何将其中有用的数据经过提炼、加工成为、分析，帮助企业管理者做出更好的商业决策，既数据仓库（Data
Warehouse)及相关数据挖掘(Data Mining)、商业智能（Business Intelligence)技术成为IT继ERP后的又一大产业，而这些技术都以Data
Warehouse为核心。目前数据仓库在中国刚刚起步， 在北美已经日趋成熟，但仍有很长的路要走。
根据数据仓库之父William H.Inmon的定义，数据仓库是将企业的事物性数据经过提炼、加工和集成为对企业有用的信息，是面向主题的、稳定的、随时间变化的，主要用于决策支持的数据库系统。既数据仓库是定期更新的，将会存放大量的有用数据，经由OLAP工具、数据挖掘工具、加上决策规划人员的专业知识，从数据中获得有用的信息，帮助企业获取利润。数据仓库的用途决定了其设计，实施都与传统的OPERATIONAL
SYSTEM不同。一个成功的数据仓库的创造和实施，不仅需要良好的数据模型和优化的实现技术，而且需要把众多相关的因素很好地进行集成和组织，形成一套有效的设计方法和实施规则。
数据仓库的开发周期通常都采用WATERFALL模式：
数据仓库的设计通常都采用STAR SCHEMA 模型设计方法，如何有效地进行数据的采集、传送，装载(ETL)在开发过程中非常关键。
如何用BI工具（如Cognos Impromptu / PowerPlay)挖掘、分析数据仓库中的信息，为决策者提供依据至关重要。
高效的数据仓库还少不了Partitioning data, 建indexes优化查询速度的工作。
数据仓库的建立是一个不断完善的过程，但目的只有一个，从数据中获得有用的信息，帮助企业高效运转，获取利润。
|
