Kimball和Inmon的区别

Kimball和Inmon都是数据仓库领域的重要人物，他们对于数据仓库的设计理念有着不同的观点，具体如下：

Inmon的设计理念

Inmon提出的数据仓库设计理念被称为“企业数据仓库（Enterprise Data Warehouse，简称EDW）”，它是一个面向整个企业的数据仓库，由多个主题区域（Subject Area）组成，通过ETL（Extract, Transform, Load）过程从不同的操作性系统中抽取数据，并进行清洗、整合和质量控制等一系列操作。

Inmon的设计理念强调数据的一致性和标准化，他认为数据应该有一个“真正的”模型，这个模型应该是“第三范式”（Third Normal Form）的。

例如，Inmon的数据模型通常为ER模型，如下图所示：

Inmon认为，一个数据仓库需要有以下特点：

1. 数据集中存储，一致性可靠；
2. 以主题区域划分数据，方便用户访问；
3. 通过ETL过程进行数据转换和数据清理；
4. 数据模型是规范化的ER模型，方便维护；
5. 数据仓库和操作数据库分离，避免性能问题。

Kimball的设计理念

Kimball提出的数据仓库设计理念被称为“维度建模（Dimensional Modeling）”，它的特点是以业务过程为中心，通过维度和事实表来组织数据。

Kimball的设计理念强调快速响应和易于理解，他认为数据应该以“星型模型”（Star Schema）的方式组织，而不是“第三范式”。

例如，Kimball的数据模型通常为星型模型，如下图所示：

Kimball认为，一个数据仓库需要有以下特点：

1. 聚焦于业务过程，易于理解；
2. 以维度和事实表划分数据，易于查询；
3. 通过ETL过程进行数据转换和数据清理；
4. 数据模型是星型模型，方便查询和报表；
5. 数据仓库和操作数据库分离，避免性能问题。

区别对比

总结起来，Inmon的设计理念强调数据的一致性和标准化，数据仓库应该由多个主题区域组成，采用ER模型，通过ETL过程进行数据转换和数据清理，数据集中存储，但不能很好支持业务的快速响应。

Kimball的设计理念则强调业务的快速响应和易于理解，采用了星型模型，通过ETL过程进行数据转换和数据清理，以维度和事实表划分数据，可以很好地支持查询和报表。

以下是两个设计理念的主要区别：

对比项目	Inmon	Kimball
模型	ER模型	星型模型
主题区域	多个主题区域	以业务过程为中心
一致性和标准化	强调	不强调
业务响应	不够灵活	灵活
查询和报表	不够方便	方便

例如，如果我们想要实现一个销售数据分析的数据仓库，Inmon的设计理念可能首先考虑数据标准化和细节的处理，例如销售员、客户、订单等细节数据的ER模型建模，然后再通过ETL过程将数据加载至数据仓库。而Kimball的设计理念则会首先考虑业务过程的建模，例如以“销售”业务过程为中心，定义“时间”、“地点”、“客户”等维度，以及“销售额”、“利润”等事实表。

综上所述，Inmon和Kimball两种设计理念的应用场景有所不同，应该根据实际情况选择合适的设计理念。