今天真的很忙啊，忙于写一个“SCM之ETTL”PPT文档，用于演讲时用，其实说穿了是Data Warehouse的ETTL，呵呵，只是结合SCM的功能以Demand Planning为业务场景，进行演讲罢了，今天也只完成了业务场景的部分呢。
简要的说说业务场景中的内容，简要的说说哦，呵呵。
首先以需求计划(Demand Planning, DP)为业务场景(Business Scenario)，描述所需要的数据以及组织方式，然后下一步引导问题：数据从何而来呢？从而引出ETTL。
开始吧！！
需求计划通常是基于需求的历史数据进行预测完成的。
这些需求的历史数据或事件有可能直接来源于ERP系统，也可能来源于一些数据仓库，但与需求计划相关的数据都是从企业的源系统中汲取的基础数据，并按可设定的多维度立方体(Cube)进行分析评估的，例如产品(Product)、区域(Location)、时间段(Period)等等。
为了使用这些基础数据，用户必须定义对来自ERP系统的数据的抽取和汇总规则，这些规则定义了基础数据在何时、如何地进行更新、传输、转换、装载等等功能及参数。
下图示意了DP与ERP系统之间的交互流程：此处的DP的数据集市(Data Mart, OLAP)为用户提供了强大的需求预测、数据汇总等其他分析功能。
DP的数据集市(Data Mart)：存储和维护了需求计划所需要的所有信息，包括Cube、需求历史数据、生命周期、促销、广告策略等等。通过星型架构(Star Schema)或雪花型架构(Snow Schema)维护事实表(Fact Table)与维度表(Dimension Table)之间的联系。
为了管理这些信息，经常使用的是多维度的信息立方体(Cube)，例如下图就显示了一个具有产品(Product)、区域(Location)、时间(Period)的三个维度的信息立方体(Cube)的结构图和维度图. 同时也维护着层次(Hierarchy)关系。
那么，无论是来自ERP系统还是其他遗留系统的或者是数据仓库的数据，为了进行成功的需求规划，那么数据就必须经过ETTL，即抽取、传输、转换、装载，甚至清洗等操作最终正确的转载进DP的数据集市。
从而引入ETTL的话题
