通常，我们为交易而保存的数据的格式对其他需求来说是没有意义的，也不可用。因此，我们需要几乎实时地处理数据，把它们转换成对企业决策来说有意义的格式，或者转换成产品或平台可用的格式，以便提供更好的用户体验。

通常，我们为交易而保存的数据的格式对其他需求来说是没有意义的，也不可用。因此，我们需要几乎实时地处理数据，把它们转换成对企业决策来说有意义的格式，或者转换成产品或平台可用的格式，以便提供更好的用户体验。


 
作为前一种情况的示例，让我们来看看市场营销组织关系个人消费者行为的需求。我们的市场营销组织可能会对分析我们的某些产品在一定时间内的购买人群感兴趣。保存客户每次的购买记录是满足这个需求最灵活的方法，但市场营销组织可能只想按月份把客户与他在一个月中购买的产品匹配起来。这样-来，我们的数据需求骤减，因为许多客户都是反复的购买者，我们可以把多个个人记录压缩到一个记录中，在这个记录中有购买者、购买的产品以及购买这些产品的月份等信息。现在，我们只需把在线交易的详情保留四个月就能满足当前季度报告的需求，然后再以购买者个人为单位，把这些交易集合到汇总交易中，供市场营销组织和财务部门使用。我们的数据存储需求可能会下降50%。此外，由于我们不是在市场营销组织请求时才执行这种信息汇总，所以节省了应用生成数据的时间(已经预先计算好了)，进而减少了响应时间，提高了市场营销组织的效率。
 
作为后一种情况的示例，让我们来看看在客户与我们的微信网站制作平台交互时，我们来为他们推荐一些产品的情景。这种产品推荐可能会给出其他在看或购买过相似产品的客户还买过什么东西。但要 扫描所有的购买记录，并得出这类客户与购买产品之间的相关性，实在太过复杂而难以在客户选种计算也会减少我们长时间存储所有交易的详细数据的需求。因此，预先计算出这种关系图，不 购期向计算并呈现出来。出于这种原因，我们需要预先计算这种产品和客户之间的关系，并且这仅可以减少我们响应客户的时间，还可以降低长期保留数据的需求。数据转换的原则，在处理数据仓库的专家看来，属于更宽泛的提取，转换和加载(Exrnct，TransformandLoad，ETL)流程的一一部分。 即使是简单的数据仓库介绍，不过一些ETL固有的概念可以帮助你消除一些在交易系统中存储大量数据的需求。在理想状况 也超出了本书的范围，全局的存储需求。把昂贵的详细记录压缩到汇总表和事实表中，以便专门回答特定的问题，这样下，这些ETL流程不仅可以从你的主交易系统中移除数据，还能够与同期保留原始数据相比减少有助于节省空间和处理时间。