一、什么是数据仓库 1.数据仓库的定义 目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家W.H.Inmon在其著作《BuildingtheDataWarehouse》一书中给予如下描述：数据仓库（DataWarehouse）是一个面向主题的（SubjectOriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（TimeVariant）的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。
2.数据仓库的特点
(1)面向主题。操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织。主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。
(2)集成的。面向事务处理的操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。
(3)相对稳定的。操作型数据库中的数据通常实时更新，数据根据需要及时发生变化。数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。
(4)反映历史变化。操作型数据库主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。
企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。因此，从产业界的角度看，数据仓库建设是一个工程，是一个过程。
二、决策支持系统(DSS)
1.数据仓库化决策分析系统的体系结构
这一结构首先从各类异构的数据库中通过数据复制技术，将数据复制到数据仓库中。然后，在数据仓库的基础上建立数据立方体，实现OLAP。最后，客户端访问服务器采用了三层结构，通过HTTP方式直接访问数据库。而传统的数据仓库一般采用C/S结构。对于C/S结构，一般说来客户端维护比较困难，而且应用局限在局域网内。对于网络结构复杂，访问需要经过防火墙的情况，难以处理。这里采用三层结构有效的解决了这一问题。
2.构建决策分析系统的几个关键技术
(1)各库管理系统。在DSS中有数据库管理系统、模型库管理系统、知识库管理系统。它们分别对数据库、模型库、知识库进行有效的管理。各库管理系统有其共性也有各自的特点，需要进行分别处理。
①数据库管理系统。作为DSS中的数据库，系统可以采用已成熟的数据库系统，也可以根据需要自行设计。采用已成熟的数据库系统，可以减少实现数据库管理系统的大量工作，但是要解决好决策支持系统与数据库系统的接口。如果自行设计数据库系统，就要按数据库系统的要求，设计和完成一套数据库语言来实现数据库的功能。
②模型库管理系统。建立模型库管理系统同数据库管理系统一样，要设计一套模型库管理语言来实现对模型库的一般管理和特殊管理功能。一般的管理包括对模型的增加、删除、修改以及查询等功能。由于模型有源程序文件和目标程序文件的特点，故需要增加对模型源文件的编辑和编译等功能，这是模型库的特殊管理功能。
③知识库管理系统。知识库是由知识文件库组成。类似于数据库管理系统，知识库管理系统需要有对各类知识的基本管理功能，即对知识进行增加、删除、修改等维护功能以及查询功能等。对知识需要进行特殊管理，即对知识的一致性检查。
(2)接口技术。在数据库系统、模型库系统和知识库系统建立以后，部件之间的接口技术就突出了。
①模型存取数据库的接口。
②知识存取数据库的接口。
③模型库和知识库之间的接口。
3.统一集成技术
DSS是人机交互、问题处理、数据库系统、模型库系统、知识库的有机集成体。对任一个实际决策问题，首先需要建立数据库系统、模型库系统和知识库系统。再在各库间接口的基础上，利用DSS集成语言，对决策问题进行形式
化描述，形成统一集成各库的问题处理系统，即统一集成的DSS。
三、结论
基于数据仓库的决策分析系统目前已经走向应用阶段，好的决策支持系统能够带给用户很大的方便和利益，但在实际的应用中仍会出现很多的问题。本文对实现基于数据仓库的决策分析系统中的关键技术做了一些研究。但有很多问题还没有在实际应用中解决，需要进一步研究。