数据仓库的基本概念
数据仓库泛化、合并多维空间的数据。构造数据仓库涉及数据清理、数据集成和数据变换，可以看做数据挖掘的一个重要预处理步骤。此外，数据仓库提供联机分析处理（OLAP）工具，用于各种粒度的多维数据的交互分析，有利于有效的数据泛化和数据挖掘。
1．什么是数据仓库
数据仓库的建立为工商企业主管提供了体系结构和工具，以便他们系统地组织、理解和使用数据进行决策。
宽泛的讲，数据仓库是一种数据库，它与单位的操作数据库分别维护。数据仓库系统允许将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。
数据仓库的关键特征：
面向主题的（subject-oriented）：数据仓库围绕一些重要主体，如顾客、供应商、产品和销售组织。数据仓库关注决策者的数据建模与分析，而不是单位的日常操作和事务处理。因此，数据仓库通常排除对于决策无用的数据，提供特定主题的简明视图。
集成的（integrated）：通常，构造数据仓库是将多个异构数据源，如关系数据库、一般文件和联机事务处理记录集成在一起。使用数据清理和数据集成技术，确保命名约定、编码结构、属性度量等的一致性。
时变的（time-variant）：数据存储从历史的角度提供信息。数据仓库中的关键结果都隐式或显式地包含时间元素。
非易失的（nonvolatile）：数据仓库总是物理的分离存放数据，这些数据源于操作环境下的应用数据。由于这种分离，数据仓库不需要事务处理、恢复和并发控制机制。通常，它只需要两种数据访问操作：数据的初始化装入和数据访问。
概言之，数据仓库是一种语义上一致的数据存储，它充当决策支持数据模型的物理实现，并存放企业战略决策所需要的信息。数据仓库也常常被看做是一种体系结构，通过将异构数据源中的数据集成在一起而构建，支持结构化和专门的查询、分析报告和决策制定。
数据仓库（data warehouse）的构建需要数据集成、数据清理和数据统一。数据仓库的应用常常需要一些决策支持技术。
“单位如何使用数据仓库中的信息？“许多单位都是用这些信息支持商务决策活动，包括
（1） 提高顾客关注度，这包括分析顾客购买模式（喜欢买什么、购买时间、预算周期、消费习惯）
（2） 根据按季度、按年和按地区的营销情况比较，重新配置产品和管理产品的投资，调整生产策略
（3） 分析运作情况并找出利润源
（4） 管理客户联系，进行环境调整，管理公司的资产开销。
对于异构数据库的集成，传统数据库做法是：在多个异构数据库上，建立一个包装程序和一个集成程序（或中介程序）。当客户站点提交查询时，首先使用元数据字典对查询进行转换，将它转换成相应异构站点上的查询。然后，将这些查询映射并发送到局部查询处理器。由不同站点返回的结果被集成为全局回答。这种查询驱动的（query-driven）方法需要复杂的信息过滤和集成处理，并且与局部数据源上的处理竞争资源。这种方法是低效的，并且对于频繁的查询，特别是需要聚集操作的查询，开销会很大。
对于异构数据库集成的传统方法，数据仓库提供了一种有趣的替代方案。数据仓库使用更新驱动的（update-driven）方法，而不是查询驱动的方法。这种方法将来自多个异构源的信息预先集成，并存储在数据仓库中，供直接查询和分析。与联机事务处理数据库不同，数据仓库不包含最近的信息。然而，数据仓库为集成的易购数据库系统带来了高性能，因为数据被复制、预处理、集成、注释、汇总，并重新组织到一个语义一致的数据存储中。数据仓库的查询处理并不影响在局部数据源上进行的处理。此外，数据仓库可以存储并集成历史信息，支持复杂的多维查询。