元数据贯穿整个数据仓库，根据情况可以分为三种：业务元数据、技术元数据和管理元数据。

1、业务元数据
业务元数据主要描述 ”数据”背后的业务含义，从业务角度描述业务领域的相关概念、关系——包括业务术语和业务规则。

主题定义：每段 ETL、表背后的归属业务主题。
业务描述：每段代码实现的具体业务逻辑。
标准指标：类似于 BI 中的语义层、数仓中的一致性事实；将分析中的指标进行规范化。
标准维度：同标准指标，对分析的各维度定义实现规范化、标准化。
业务元数据，在实际业务中，需要不断的进行维护且与业务方进行沟通确认。

2、技术元数据
指技术细节相关的概念、关系和规则，包括对数据结构、数据处理方面的描述。以及数据仓库、ETL、前端展现等技术细节的信息。

数据仓库中的技术元数据一般包含以下 4 大系统：数据源元数据、ETL元数据、数据仓库元数据、BI 元数据。

（1）数据源元数据
例如：数据源的 IP、端口、数据库类型；数据获取的方式；数据存储的结构；原数据各列的定义及 key 指对应的值。

（2）ETL元数据
根据 ETL 目的的不同，可以分为两类：数据清洗元数据；数据处理元数据。
数据清洗元数据：数据清洗，主要目的是为分析决掉脏数据及规范数据格式。因此此处元数据主要为：各表各列的"正确"数据规则；默认数据类型的"正确"规则。
数据处理元数据：数据处理，例如常见的表输入表输出；非结构化数据结构化；特殊字段的拆分等。源数据到数仓、数据集市层的各类规则。比如内容、清理、数据刷新规则。

（3）数据仓库元数据
数据仓库结构的描述，包括仓库模式、视图、维、层次结构及数据集市的位置和内容；
业务系统、数据仓库和数据集市的体系结构和模式等。

（4）BI 元数据
汇总用的算法、包括各类度量和维度定义算法。数据粒度、主题领域、聚集、汇总、预定义的查询与报告。

3、管理元数据
管理领域相关，包括管理流程、人员组织、角色职责等。
也有很多观点建议将管理元数据拆分融入业务元数据和技术元数据中。

04 如何建设数据仓库元数据管理？

任何系统的元数据管理建设都是十分艰难的，数据仓库更是如此；但另一方面，这个建设过程又是非常重要的。我们暂以 CWM 标准作为数据仓库的元数据标准参考，在实际建设中进行借鉴，这样看起来更专业。

CWM （CommonWarehouseMetamodel公共仓库元模型）是 OMG 组织在数据仓库系统中定义了一套完整的元模型体系结构，用于数据仓库构建和应用的元数据建模。公共仓库元模型指定的接口,可用于启用交换仓库之间元数据仓库和业务智能工具、仓库平台、应用的元数据建模和仓库元数据存储在分布式异构环境 CWM 元模型由一系列子元模型构成。
由于 CWM 制定时间是 2001 年，且过于细节深入，因此笔者认为其更适合作为开发参考而非开发标准。

由于元数据包含极广，我们在建立元数据管理系统的时候，绝对不能盲目追求大而全、一步到位，要坚持目标驱动的原则，在实施的时候要采取增量式、渐进式的建设原则。具体的建设步骤如下：

在建设数据仓库系统的初期，只需确定源系统的元数据构成和 数仓我们想要实现的元数据内容：比如，我们只想顺利获得元数据来管理数据仓库中数据的转换过程，以及有关数据的抽取路线，以使数据仓库开发和使用人员明白仓库中数据的整个历史过程。
确定源系统和元数据构成后，先将源系统的元数据整理并记录，可以用文档记录；也可以存入关系型数据库中。
随着数据仓库系统的建设，逐步将需要的元数据补充录入——例如 DM 的语义层、ETL 的同步规则。
数据仓库建设完成后，对元数据进行结构化、标准化储存。
总之，建立元数据管理系统一定要坚持关注标准，又不被标准所束缚的原则，建立符合自身目标的元数据管理系统。