LDM：逻辑数据模型，是利用图形方式，通过数据和关系反映业务的一个过程；定义需要追踪和管理的各种重要实体、属性和关系；是进行各种数据管理、分析和交流的重要手段；是IT和业务人员沟通的桥梁。
3NF：第三范式。所谓范式是指数据库设计中应该满足的标准规范。第三范式定义为“Every Non-Key attribute is fully & directly functionally dependent on the candidate keys.”从定义中不难看出，这种设计方法和维度建模方法不同，能最大程度上减少冗余，并保证结构具有足够的灵活性和扩展性。
ER图：实体关系图（Entity-Relationship），以图形方式描述数据模型的一种标准方法。
Subject：主题，是对数据综合、归类、并按一定的业务逻辑抽象出来的分析对象。
Entity：实体，逻辑数据模型中的一种对象，在数据库中的定义是“客观存在并可相互区别的事物”，对应物理数据库中的表（Table）。
Attribute：属性，逻辑数据模型中的一种对象，在数据库中的定义是“实体所具有的某一特性”，对应物理数据库中的字段（Field）。
Key：键值（Key Attribute），唯一标识实体的属性集。从数据上来讲，一个表中的不同记录的Key一定是不同的，Key就唯一标识了某条记录。
Relationship：关系，实体之间的联系，反映了现实世界中事物的关联关系和特定的业务规则。
SWU:标准工作单元（）：创建能够高效流通且不会造成瓶颈的小型模式的过程。并行数据管理：多个机器相互协作以缩减处理时间的处理方式。
MPP：大规模并行处理，一种能够处理海量数据的操作系统。
独立型数据集市：源数据直接来自于遗留系统而不是来源于数据仓库的一种数据集市。
依赖型数据集市：将数据仓库作为单一数据来源的一种数据集市。
非结构化数据：逻辑组织形式无法被计算机理解的数据。
非易失性数据：一次写入后不可被更改的数据，有时也叫做“快照”数据。
归档处理：围绕旧数据或非活动数据展开的行为。
规范化：按照已有的标准在细节层次上组织数据的过程
合规：符合由立法机构或其他一些管理机构强制要求的业务规则。
解析：读取文本并且查找存在于文本中的语境化值的过程。
粒度：数据记录的细节层次。
连接：基于一个公共键来整合两个或多个表的过程。
命名约定：在构建系统的过程中为变量赋予名称的方式。
批处理：将事务处理分成多批一起处理。
BI：商业智能（）用于将企业中现有的数据进行有效整合、快速准确的提供报表和决策依据，帮助企业做出明智业务经营决策的一套完整方法。
实体：数据的粗略分类。
数据的回流：从数据仓库到作业环境的数据迁移。
数据概况：数据质量过程的关键部分，包括检查源系统的数据是否在取值、范围、频率和关系等方面存在异常，以及检查其他可能影响未来分析工作的特征。
数据集市：数据仓库的一个子集，通常面向一个业务小组或团队。
数据模型：数据的一种抽象。
数据清洗：查找和修正不准确数据的过程。
数据生命周期：认为数据在不同的阶段呈现出不同的特征。
数据退化：数据完整性随时间推移不断降低的趋向性。
MDM：主数据管理（），用于创建和维护一个一致性视图的一系列过程，也指企业参考数据的一个总的键列表。该数据包括下面这样的实体：客户、潜在客户、供应商、员工、产品，服务、资产和账目等。它还包括与这些实体相关的分组和层级结构。
NLP:自然语言处理，认为文本的语境可以从文本本身推断出来的思想。
自主服务BI:不需要IT团队的帮助就能使BI用户获取所需信息的一种基础设施。
ODS:操作数据存储(),一种数据库类型，通常用作一个面向数据仓库的中间区域。与包含静态数据的数据仓库不同，ODS的内容在业务运营的过程中是不断更新的。它还是一种数据结构，既有数据仓库的一些特性，也有作业系统的一些特性。通常，ODS是一种可选的结构，有些公司需要用到，有些则不需要。
派生实体：属性是由其它实体的属性计算演变而来的实体。