基本概念
数据仓库
DW（Data Warehouse），除去“存放数据的仓库”的概念，数据仓库是一种资料储存理论，面对各种资料，将它们通过特定的方式储存起来，储存方式要特别利于对资料进行分析和处理，并最终做出决策。
区别于强调实时和事物的业务数据库，DW里的数据，一般都不会随时间发生变动，大部分都是历史性资料。
这种理论下，DW的核心就是储存方式和分析方式。
OLAP
Online Analytical Process，联机分析处理，以多维度的方式分析数据，是最常见的理解。
OLTP
Online Transaction Processing，连接交易处理，更侧重于事务处理，核心是ACID，包括数据库的增删改查。
BI
Business Intelligence，商务智能，指从数据存储、分析、挖掘、展现等一条龙，最终实现商业价值。
维度和度量
Dimension，Measure，数据分析中两个基本概念。
维度是指审视数据的角度，通常指数据记录的一个属性。度量指基于数据计算出来的考量值，在sql中，where,group by的属性通常就是维度，通过聚合函数计算的属性通常是度量。
select name, age, avg(score) from student group by age
上面的查询中，age就是维度，score度量。
事实表和维度表
Fact Table，事实表，指存储事实记录的表，一般是字段超多的大表，如销售记录，明细等。
Dimension Table，维度表，与事实表相反，只保存了维度的属性值，可以和事实表做关联。
维度表相当于从事实表中抽取出经常重复的属性，并规范成一张表，常见的有日期表，地点表，Avaya的DM_AGENTS等DM_*表。
使用维度表的好处：
- 缩小事实表的大小
- 便于维护维度，增删改维度，如名字，不需要动巨大的事实表
- 可被多个事实表重用
星型模型
Star Schema，数据挖掘常见的一种多为数据模型。
星型模型中只有一张事实表，多个维度表，通过主外键相关联，就像好多星星围绕在一个恒星周围。。
如果对维度表再做抽取规范，维度表之间也进行关联，则成为更复杂的雪花模型。
Avaya Insights共有八张维度表，七张事实表，仅有两张维度表相关联，各维度表被事实表复用，相当于是一个星型模型。
从维度属性来看，为账户、时间、坐席、组。
Avaya报表
Oceanalytics是Avaya的大数据中心，Insights是其中的报表框架，本质上是深度依赖于Oracle的架构。
从文档里简单的描述来看，对数据的处理主要步骤如下：
- 事件处理器收到事件，并通过JMS发布消息
- 客户拿到消息，根据维度，自己统计度量值
- 处理引擎拿到消息，通过Oracle BAM生成实时报表
- 同时，事件处理器每隔15分钟向Oracle数据库写入明细数据
- Oracle OBI根据数据库生成历史报表
具体的事件处理器，处理引擎，还有Oracle的各种工具，就不得其解了，太商业了。