數據倉庫技術解決的問題

　　隨著90年代后期Internet 的興起與飛速發展，我們進入了一個新的時代，大量的信息和數據，迎面而來，用科學的方法去整理數據，從而從不同視角對經營各方面信息的精確分析、準確判斷，比以往更為迫切,實施商業行為的有效性也比以往更受關注。

　　數據倉庫技術是基于信息系統業務發展的需要,基于數據庫系統技術發展而來,并逐步獨立的一系列新的應用技術。使用這些技術的信息系統我們稱為數據倉庫系統。隨著數據倉庫技術應用的不斷深入，近幾年數據倉庫技術得到長足的發展。典型的數據倉庫系統，比如：經營分析系統，決策支持系統等等。也隨著數據倉庫系統帶來的良好效果，各行各業的單位，已經能很好的接受“整合數據，從數據中找知識，運用數據知識、用數據說話”等新的關系到改良生產活動各環節、提高生產效率、發展生產力的理念。

　　數據倉庫技術就是基于數學及統計學嚴謹邏輯思維的并達成“科學的判斷、有效的行為”的一個工具。數據倉庫技術也是一種達成“數據整合、知識”的有效手段。

　　數據倉庫是面向主題的、集成的、與時間相關的、不可修改的數據集合。這是數據倉庫技術特征的定位。

數據倉庫主流支撐技術

　　數據倉庫系列技術，主要支撐技術有以下一些

　　數據庫技術、ETL技術、OLAP技術、元數據管理技術、前臺展現技術、報表技術、挖掘技術、仿真優化技術。

　　這些支撐技術結合各行業業務后，可以生產各式各樣的應用。當然這些技術中，重點突出了在數據倉庫方面的特征，而忽略了計算機技術的一些特征。比如：OLAP技術，那么就需要計算機存儲技術、壓縮技術、分區技術、加解密技術、圖形化技術等等，這里就不再單獨列示。

　　數據庫技術是支撐數據倉庫技術的最基礎技術。有關系數據庫、層次數據庫、數據庫等類型，目前呈現比較好的發展態勢的對象關系數據庫也是一種類型。最典型的是關系數據庫的應用。在數據倉庫實踐中，關系數據庫是實質的數據庫存儲工具，但針對不同的數據倉庫方案，有的關系數據庫是還提供了有關的數據倉庫元素的查詢函數或組件，在支撐數據倉庫數據存儲的基礎上，還能支撐數據倉庫的數據探查，比如：Teradata，但是，大部分數據庫，以及在大部分數據倉庫建設方案中，只是利用數據庫作為數據存儲的工具。這樣，實質上數據倉庫與數據庫在技術表現看起來可能是一樣的，但是，在系統存儲模型上卻有著本質的區別。數據庫技術在存儲模型建設方面強調數據模型的規范性和高效存儲能力（少冗余），比如：關系模式符合第三范式。但是，數據倉庫技術在存儲模型建設方面強調數據查詢的方便性和快速響應能力。那么，在數據倉庫技術存儲模型方面，基于數據庫技術而發展的關系模式的理念已經被顛覆，取而代之是各種各樣的數據倉庫數據模型。如：星型模型，雪花模型等等。數據庫表也將原來的關系模式改稱為了事實表和維表，將原來數據庫技術中并不關心的屬性域及之間的關系，也分別取了自己的業務名稱，如：維度，量度，層次，粒度等。

　　星形結構數據模型

　　雪花結構數據模型