一、数据仓库（ETL）

数据仓库的目的是构建面向分析的集成化数据环境，为企业提供决策支持（Decision-Support）【将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据， ETL是BI（商业智能）项目重要的一个环节】。其实数据仓库本身并不“生产”任何数据，同时自身也不需要“消费”任何的数据，数据来源于外部，并且开放给外部应用，这也是为什么叫“仓库”，而不叫“工厂”的原因。因此数据仓库的基本架构主要包含的是数据流入流出的过程，可以分为三层—源数据、数据仓库、数据应用：

ETL，是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取（extract）、清洗（clear）、转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。

ELT工具：Kettle、Talend、Datastage、Informatica等

二、为什么用Informatica工具

借助Informatica全面、统一、开放且经济的数据管理平台，组织可以在改进数据质量的同时，访问、发现、清洗、集成并交付数据，以提高运营效率并降低运营成本。Informatica平台是一套完善的技术，可支持多项复杂的企业级数据集成计划，包括：企业数据集成、大数据管理 、数据质量、数据治理 、主数据管理、数据安全 和云数据集成等。

本informatic学习整理为转载文章，
原文链接：https://blog.csdn.net/weixin_41685388/article/details/103589477