在当今竞争激烈的市场中，大多数成功的公司都会对市场变化和机遇做出快速反应.快速响应的要求是通过有效和高效地使用数据和信息. "数据仓库"是按类别组织的数据中央存储库，用于支持组织的决策者.一旦数据存储在数据仓库中，就可以访问它进行分析.
术语"数据仓库"最初由Bill Inmon于1990年发明.据他说，"数据仓库是面向主题，集成，时变和非易失性的数据集合，以支持管理层的决策过程."
Ralph Kimball根据其功能提供了数据仓库的定义.他说，"数据仓库是专门为查询和分析而构建的交易数据的副本."
数据仓库(DW或DWH)是一个用于分析数据和报告目的的系统.它们是保存来自一个或多个异构数据源的数据的存储库.它们存储当前和历史数据，并用于创建分析报告. DW可用于为高级管理层创建交互式仪表板.
例如，分析报告可包含季度比较数据或公司销售报告的年度比较数据.
DW中的数据来自多个运营系统，如销售，人力资源，营销，仓库管理等.它包含来自不同交易系统的历史数据，但也可以包含来自其他来源的数据. DW用于将数据处理和分析工作负载与事务工作负载分开，并能够合并来自多个数据源的数据.
例如 : 您有一个住房贷款机构，其中数据来自多个SAP/非SAP应用程序，如市场营销，销售，ERP，HRM等.这些数据被提取，转换并加载到DW中.如果您必须对产品进行季度/年度销售比较，则无法使用操作数据库，因为这会挂起交易系统.这就是需要使用DW的地方.
DW的一些关键特征是 :
它用于报告和数据分析.
它提供了一个集中了一个数据的中央存储库或更多来源.
它存储当前和历史数据.
以下是数据仓库和操作数据库(交易系统)之间的一些差异 :
事务系统是为已知的工作负载和事务而设计的，例如更新用户记录，搜索记录等.但是，DW事务更复杂，并且呈现一般数据形式.
交易系统包含组织的当前数据，而DW通常包含历史数据.
交易系统支持并行l处理多个交易.需要并发控制和恢复机制来维护数据库的一致性.
操作数据库查询允许读取和修改操作(删除和更新)，而OLAP查询只需要对存储数据进行只读访问(select语句).
DW涉及数据清理，数据集成和数据整合.
DW有三层架构 : 数据源层，集成层和表示层.下图显示了数据仓库系统的通用体系结构.
以下是DW系统的类型 :
数据集市
在线分析处理(OLAP)
在线交易处理(OLTP)
预测分析
数据集市是最简单的DW形式，它通常关注单一功能区域，如销售，财务或营销.因此，数据集市通常只从少数数据源获取数据.
源可以是内部交易系统，中央数据仓库或外部数据源应用程序.反规范化是该系统中数据建模技术的标准.
OLAP系统包含较少数量的事务，但涉及复杂的计算，如使用Aggregations : 总和，计数，平均等
我们使用汇总数据保存表格，例如每年(1行)，每季度(4)行)，每月(12行)，现在我们要比较数据，比如每年只会处理1行.但是，在未聚合的数据中，将处理所有行.
OLAP系统通常将数据存储在多维模式中，如Star Schema，Galaxy模式(使用Fact和Dimensional表加入逻辑方式).
在OLAP系统中，执行查询的响应时间是一种有效性度量.数据挖掘技术广泛使用OLAP应用程序从OLAP系统获取数据. OLAP数据库在多维模式中存储聚合的历史数据.与数据集市相比，OLAP系统的数据延迟时间为几小时，其中延迟通常接近几天.
OLTP系统以插入，更新，删除等大量短期在线交易而闻名.OLTP系统提供快速查询处理，并且还负责在多访问环境中提供数据完整性.
对于OLTP系统，有效性是通过每秒处理的事务数来衡量的. OLTP系统通常仅包含当前数据.用于存储事务数据库的模式是实体模型.规范化用于OLTP系统中的数据建模技术.
下图显示了OLTP和OLAP系统之间的主要区别.
索引 : 号;在OLTP系统中，只有很少的索引，而在OLAP系统中有许多性能优化的索引.
加入 : 在OLTP系统中，大量的连接和数据被标准化;但是，在OLAP系统中，联接较少且反规范化.
聚合 : 在OLTP系统中，不会聚合数据，而在OLAP数据库中会使用更多聚合.
