【IT168 资讯】我们都知道，利用多种不同的企业数据库提取数据进行业务决策是一件复杂的工作。而数据仓库的主要优点就是可以将这些不同的数据整合在一个中央存储环境中，并提供给用户必须的OLAP（Online Analytical Processing，联机分析处理）工具来检索与业务有关的数据。　

　　当你听到“数据仓库（data warehousing）”这个词的时候会想到什么呢？也许是一个满是货架的房间，而货架上按一定次序放满了各种信息等待用户提取。　

　　如果你是这么想的，那么恭喜你已经向数据仓库迈进了一步。在传统的仓库中，货物通过一定的规则来摆放，以便于管理者快速检索和确认货品种类，并最终以最快速度提交给提货人员。而数据仓库的模式与之类似。　

　　现在，你也许又会问：“那到底数据仓库和传统仓库相比有什么不同呢？”答案是它们非常类似，但在定义上有所不同。在一个典型的企业中，由于部门的分别，不同的数据总是存储在不同的数据库中。比如市场部、销售部、财务部或者是技术部，每个部门都有自己单独的一套数据库，他们之间在物理上是完全分离的，可是在逻辑上也许有着这样那样的关联。

　　如果有一个业务问题需要利用其中多个数据库中的数据才能作出结论，那么这个工作就变得很麻烦了。它需要有人熟悉每个部门的数据库结构，并在数据库管理员的协助下进行相关数据的采集和分析。一般来说，公司的普通员工是无法完成这个工作的。

　　定义

　　数据仓库可以将上面所提的各种数据整合在一个中央存储库中，为了便于分析，它还会重新整理和排列数据，这意味着新的数据库比传统的分散应用数据库更复杂。一般来说，控制程序会在非忙碌时间将数据批量转换到中央存储库，不过这个工作也可以实时进行。

　　当数据被导入数据仓库后，借助一些数据库连接和操作工具，比如联机分析处理（OLAP）工具，管理者或者其他用户就可以轻松的操作数据库并得到所需的商务数据。

　　让我们再想象一下，在传统的仓库中，铲车在货架间穿梭，不断的将一箱箱货物放到相应的货架上。在这个过程中，铲车驾驶员清楚的知道货品该放在什么地方，并且可以选择最快的途径将铲车驶到相应位置。而在数据仓库中，OLAP工具扮演的就是铲车和驾驶员的双重角色，它可以让用户通过简单的操作在数据库中对所需数据进行快速检索。

　　在OLAP服务器中，数据被重新整理以适应商务报表和分析请求的格式，包括：

　　异常报告（Exception reporting）　

　　随即分析（Ad－hoc analysis）　

　　资金使用与预算报告（Actual vs。 budget reporting）　

　　数据挖掘（Data mining，在数据中寻找趋势或者反常）

　　为了快速的处理商务查询，有的OLAP服务器会对查询结果进行预处理，而一个异常查询的预处理结果也许比整个数据仓库的体积还要大好几倍。