在数据的时代，数据是最有价值的，那么如何有效的梳理和分析数据的好坏可以从以下几个方面进行:1。收藏数据完成生产质量分析平台，快速整合生产，马上拿到影响质量的全量 数据建立统一的质量数据平台，在金融风控领域，大数据指-0 数据和用户行为数据，质量数据还包括数据分散在工厂内外的所有外部零件和所有环节上。这些数据不仅仅是指数据与质量有关，还通过设备信息、人员信息、环境间接影响质量。
1，创建测试表，创建表test _ date (id varchar2 (20)，v _ date)；2.insert test数据insert into test _ date值(1，to _ date (: 10: 10 ， yyyymmdd hh24:mi:ss )；insertintotest_datevalues(2，
yyyymmddh 24:mi:ss )；insertintotest_datevalues(3，to_date(:10 ， yyyymmdd hh 24:mi:ss ))；insertintotest_datevalues(4，to_date(:10 ， yyyymmdd hh 24:mi:ss ))；insertintotest_datevalues(5，
1，创建测试表，创建表test _ dis (id号，name varchar2 (20)，value号(10))；2.insert test数据insert into test _ values(1， a ，123)；insertintotest_disvalues(2， b ，152)；insertintotest_disvalues(3，
123);insertintotest_disvalues(4， d ，520)；insertintotest_disvalues(5， e ，300)；提交；3.在查询表全量 数据，选择t。*，rowidfromtest _ dist4.写sql，查询表中某个字段的all 数据。您可以发现只找到id为2、4和5的记录。
如上所述，一个基本的数据仓库分为源层、历史层和数据模型层。重点是以下三个方面:1 .数据历史层2的清理。数据历史层3的存储。数据验证历史层，顾名思义就是保存所有的历史数据，我们知道数据 warehouse的一个原则是数据不变，也就是说传入的数据不会被更改或删除，这主要体现在历史层。
1.历史图层的数据已清理到历史图层。其实对清洁的要求不是很高。如果ods层基本清理完毕，历史层的清理就会少一些。因为历史层保存了数据的历史，简单的理解就是保存所有的ods 数据，历史层的粒度最好保持最细的粒度。对于历史层来说，存储起来相对更重要。
