数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合，用以支持经营管理中的决策制定过程。数据仓库提供用户用于决策支持的当前和历史数据。这些数据在传统的操作型数据库中很难或不能得到。 面向主题是指数据仓库中的数据是按照一定的主题域进

副标题#e# 一大批商业智能（BI）、预测分析、数据和内容挖掘，门户和其他系统使用企业数据仓库（EDW）不断增长的信息来源。然而，却有相当的关键业务的企业数据被置于企业数据仓库之外。为了向业务决策制定者交付最最全面的信息，IT团队利用数据虚拟化以保

数据仓库的主要目标是保持数据的价值。仅汇编和分析大量的信息是不够的，你需要调整你的数据，使它可用于各种应用系统和架构。 数据价值的想法正驱动着一种仓库专业软件中的小作坊。像Teradata这样的公司稳占了主要的仓库平台市场，所以较小的公司正在留意

企业数据仓库建设的基本步骤 建立一个数据仓库需要经过以下几个处理过程：数据仓库设计；数据抽取；数据管理。数据仓库的实现主要以关系数据库（RDB）技术为基础，因为关系数据库的数据存储和管理技术发展得较为成熟，其成本和复杂性较低，已开发成功的大

1 数据仓库技术的发展及概念 传统的数据库技术是以单一的数据资源，即数据库为中心，进行事务处理工作的。然而，不同类型的数据有着不同的处理特点，以单一的数据组织方式进行组织的数据库并不能反映这种差异，满足不了现代商业企业数据处理多样化的要求。

未来几年将被证明是数据仓库市场的一个主要转折点，主要是因为对用于业务决策的各种信息的需要在不断增长。这一重大改变的一个迹象是过去12个月内的五大收购：Aster Data, Greenplum, Netezza, Sybase 和 Vertica分别被Teradata，EMC， IBM，SAP和惠普所收

当前，随着数据量的蓬勃增长，数据如何形成有价值的信息已经成为企业提高业务水平以及竞争力关键问题之一。 数据仓库以及商业智能的应用将成为应对海量的数据转换成价值的最好方式之一。但我们看到国内数据仓库的建设以及商业智能的建设还存在许多的问题。