數據倉庫為商務運作提供結構與工具，以便系統地組織、理解和使用數據進行決策。大量組織機構已經發現，在當今這個充滿競爭、快速發展的世界，數據倉庫是一個有價值的工具。在過去的幾年中，許多公司已花費數百萬美元，建立企業范圍的數據倉庫。許多人感到，隨著工業競爭的加劇，數據倉庫成了必備的最新營銷武器——通過更多地了解客戶需求而保住客戶的途徑。
　　數據倉庫已被多種方式定義，使得很難嚴格地定義它。寬松地講，數據倉庫是一個數據庫，它與組織機構的操作數據庫分別維護。數據倉庫系統允許將各種應用系統集成在一起，為統一的歷史數據分析提供堅實的平臺，對信息處理提供支持。
　　按照W.H.Inmon，一位數據倉庫系統構造方面的領頭建筑師的說法，“數據倉庫是一個面向主題的、集成的、時變的、非易失的數據集合，支持管理決策制定”。這個簡短、全面的定義指出了數據倉庫的主要特征。四個關鍵詞，面向主題的、集成的、時變的、非易失的，將數據倉庫與其它數據存儲系統（如，關系數據庫系統、事務處理系統、和文件系統）相區別。讓我們進一步看看這些關鍵特征。
　　(1)、面向主題的：數據倉庫圍繞一些主題，如顧客、供應商、產品和銷售組織。數據倉庫關注決策者的數據建模與分析，而不是構造組織機構的日常操作和事務處理。因此，數據倉庫排除對于決策無用的數據，提供特定主題的簡明視圖。
　　(2)、集成的：通常，構造數據倉庫是將多個異種數據源，如關系數據庫、一般文件和聯機事務處理記錄，集成在一起。使用數據清理和數據集成技術，確保命名約定、編碼結構、屬性度量的一致性等。
　　(3)、時變的：數據存儲從歷史的角度（例如，過去5-10年）提供信息。數據倉庫中的關鍵結構，隱式或顯式地包含時間元素。
　　(4)、非易失的：數據倉庫總是物理地分離存放數據；這些數據源于操作環境下的應用數據。由于這種分離，數據倉庫不需要事務處理、恢復和并行控制機制。通常，它只需要兩種數據訪問：數據的初始化裝入和數據訪問。
　　概言之，數據倉庫是一種語義上一致的數據存儲，它充當決策支持數據模型的物理實現，并存放企業決策所需信息。數據倉庫也常常被看作一種體系結構，通過將異種數據源中的數據集成在一起而構造，支持結構化和啟發式查詢、分析報告和決策制定。
　　什么是建立數據倉庫(datawarehousing)？”
　　根據上面的討論，我們把建立數據倉庫看作構造和使用數據倉庫的過程。數據倉庫的構造需要數據集成、數據清理、和數據統一。利用數據倉庫常常需要一些決策支持技術。這使得“知識工人”（例如，經理、分析人員和主管）能夠使用數據倉庫，快捷、方便地得到數據的總體視圖，根據數據倉庫中的信息做出準確的決策。有些作者使用術語“建立數據倉庫”表示構造數據倉庫的過程，而用術語“倉庫DBMS”表示管理和使用數據倉庫。我們將不區分二者。
　　“組織機構如何使用數據倉庫中的信息？”許多組織機構正在使用這些信息支持商務決策活動，包括:
　　(1)、增加顧客關注，包括分析顧客購買模式（如，喜愛買什么、購買時間、預算周期、消費習慣）；
　　(2)、根據季度、年、地區的營銷情況比較，重新配置產品和管理投資，調整生產策略；
　　(3)、分析運作和查找利潤源；
　　(4)、管理顧客關系、進行環境調整、管理合股人的資產開銷。
　　從異種數據庫集成的角度看，數據倉庫也是十分有用的。許多組織收集了形形色色數據，并由多個異種的、自治的、分布的數據源維護大型數據庫。集成這些數據，并提供簡便、有效的訪問是非常希望的，并且也是一種挑戰。數據庫工業界和研究界都正朝著實現這一目標竭盡全力。
　　對于異種數據庫的集成，傳統的數據庫做法是：在多個異種數據庫上，建立一個包裝程序和一個集成程序（或仲裁程序）。這方面的例子包括IBM的數據連接程序(DataJoiner)和Informix的數據刀(DataBlade)。當一個查詢提交客戶站點，首先使用元數據字典對查詢進行轉換，將它轉換成相應異種站點上的查詢。然后，將這些查詢映射和發送到局部查詢處理器。由不同站點返回的結果被集成為全局回答。這種查詢驅動的方法需要復雜的信息過濾和集成處理，并且與局部數據源上的處理競爭資源。這種方法是低效的，并且對于頻繁的查詢，特別是需要聚集操作的查詢，開銷很大。
　　對于異種數據庫集成的傳統方法，數據倉庫提供了一個有趣的替代方案。數據倉庫使用更新驅動的方法，而不是查詢驅動的方法。這種方法將來自多個異種源的信息預先集成，并存儲在數據倉庫中，供直接查詢和分析。與聯機事務處理數據庫不同，數據倉庫不包含最近的信息。然而，數據倉庫為集成的異種數據庫系統帶來了高性能，因為數據被拷貝、預處理、集成、注釋、匯總，并重新組織到一個語義一致的數據存儲中。在數據倉庫中進行的查詢處理并不影響在局部源上進行的處理。此外，數據倉庫存儲并集成歷史信息，支持復雜的多維查詢。這樣，建立數據倉庫在工業界已非常流行。
　　1.操作數據庫系統與數據倉庫的區別
　　由于大多數人都熟悉商品關系數據庫系統，將數據倉庫與之比較，就容易理解什么是數據倉庫。
　　聯機操作數據庫系統的主要任務是執行聯機事務和查詢處理。這種系統稱為聯機事務處理（OLTP）系統。它們涵蓋了一個組織的大部分日常操作，如購買、庫存、制造、銀行、工資、注冊、記帳等。另一方面，數據倉庫系統在數據分析和決策方面為用戶或“知識工人”提供服務。這種系統可以用不同的格式組織和提供數據，以便滿足不同用戶的形形色色需求。這種系統稱為聯機分析處理（OLAP）系統。
　　OLTP和OLAP的主要區別概述如下。
　　(1)、用戶和系統的面向性：OLTP是面向顧客的，用于辦事員、客戶、和信息技術專業人員的事務和查詢處理。OLAP是面向市場的，用于知識工人（包括經理、主管、和分析人員）的數據分析。
　　(2)、數據內容：OLTP系統管理當前數據。通常，這種數據太瑣碎，難以方便地用于決策。OLAP系統管理大量歷史數據，提供匯總和聚集機制，并在不同的粒度級別上存儲和管理信息。這些特點使得數據容易用于見多識廣的決策。
　　(3)、數據庫設計：通常，OLTP系統采用實體-聯系（ER）模型和面向應用的數據庫設計。而OLAP系統通常采用星形或雪花模型和面向主題的數據庫設計。
　　(4)、視圖：OLTP系統主要關注一個企業或部門內部的當前數據，而不涉及歷史數據或不同組織的數據。相比之下，由于組織的變化，OLAP系統常常跨越數據庫模式的多個版本。OLAP系統也處理來自不同組織的信息，由多個數據存儲集成的信息。由于數據量巨大，OLAP數據也存放在多個存儲介質上。
　　(5)、訪問模式：OLTP系統的訪問主要由短的、原子事務組成。這種系統需要并行控制和恢復機制。然而，對OLAP系統的訪問大部分是只讀操作（由于大部分數據倉庫存放歷史數據，而不是當前數據），盡管許多可能是復雜的查詢。
　　OLTP和OLAP的其它區別包括數據庫大小、操作的頻繁程度、性能度量等。
　　2.但是，為什么需要一個分離的數據倉庫
　　“既然操作數據庫存放了大量數據”，你注意到，“為什么不直接在這種數據庫上進行聯機分析處理，而是另外花費時間和資源去構造一個分離的數據倉庫？”
　　分離的主要原因是提高兩個系統的性能。操作數據庫是為已知的任務和負載設計的，如使用主關鍵字索引和散列，檢索特定的記錄，和優化“罐裝的”查詢。另一方面，數據倉庫的查詢通常是復雜的，涉及大量數據在匯總級的計算，可能需要特殊的數據組織、存取方法和基于多維視圖的實現方法。在操作數據庫上處理OLAP查詢，可能會大大降低操作任務的性能。
　　此外，操作數據庫支持多事務的并行處理，需要加鎖和日志等并行控制和恢復機制，以確保一致性和事務的強健性。通常，OLAP查詢只需要對數據記錄進行只讀訪問，以進行匯總和聚集。如果將并行控制和恢復機制用于這種OLAP操作，就會危害并行事務的運行，從而大大降低OLTP系統的吞吐量。
　　最后，數據倉庫與操作數據庫分離是由于這兩種系統中數據的結構、內容和用法都不相同。決策支持需要歷史數據，而操作數據庫一般不維護歷史數據。在這種情況下，操作數據庫中的數據盡管很豐富，但對于決策，常常還是遠遠不夠的。決策支持需要將來自異種源的數據統一（如，聚集和匯總），產生高質量的、純凈的和集成的數據。相比之下，操作數據庫只維護詳細的原始數據（如事務），這些數據在進行分析之前需要統一。由于兩個系統提供很不相同的功能，需要不同類型的數據，因此需要維護分離的數據庫。