2. 數據倉庫的主要特徵
數據倉庫是面向主題的（Subject-Oriented）、集成的（Integrated）、非易失的（Non-Volatile）和時變的（Time-Variant）數據集合，用以支持管理決策。
2.1 面向主題
傳統數據庫中，最大的特點是面向應用進行數據的組織，各個業務系統可能是相互分離的。而數據倉庫則是面向主題的。主題是一個抽象的概念，是較高層次上企業信息系統中的數據綜合、歸類並進行分析利用的抽象。 在邏輯意義上，它是對應企業中某一宏觀分析領域所涉及的分析對象。
操作型處理（傳統數據）對數據的劃分並不適用於決策分析。而基於主題組織的數據則不同，它們被劃分爲各自獨立的領域，每個領域有各自的邏輯內涵但互不交叉，在抽象層次上對數據進行完整、一致和準確的描述。一些主題相關的數據通常分佈在多個操作型系統中。
2.2 集成性
通過對分散、獨立、異構的數據庫數據進行抽取、清理、轉換和彙總便得到了數據倉庫的數據 ，這樣保證了數據倉庫內的數據關於整個企業的一致性。
數據倉庫中的綜合數據不能從原有的數據庫系統直接得到。因此在數據進入數據倉庫之前，必然要經過統一與綜合，這一步是數據倉庫建設中最關鍵、最複雜的一步，所要完成的工作有：
（1）要統一源數據中所有矛盾之處 ，如字段的同名異義、異名同義、單位不統一、字長不一致，等等。
（2）進行數據綜合和計算 。數據倉庫中的數據綜合工作可以再從原有數據庫抽取數據時生成，但許多是在數據倉庫內部生成的，即進入數據倉庫以後進行綜合生成的。
下圖說明一個保險公司綜合數據的簡單處理過程，其中數據倉庫中與“保險”主題有關的數據來自於多個不同的操作型系統。這些系統內部數據的命名可能不同，數據格式也可能不同。把不同來源的數據存儲到數據倉庫之前，需要去除這些不一致。
圖：數據倉庫的數據集成
“ETL，是英文Extract-Transform-Load的縮寫，用來描述將數據從來源端經過抽取（extract）、轉換（transform）、加載（load）至目的端的過程。ETL的質量問題具體表現爲正確性、完整性、一致性、完備性、有效性、時效性和可獲取性等幾個特性。
2.3 非易失性（不可更新性）
操作型數據庫主要服務於日常的業務操作，使得數據庫需要不斷地對數據實時更新，以便迅速獲得當前最新數據，不至於影響正常的業務運作。在數據倉庫中只要保存過去的業務數據，不需要每一筆業務都實時更新數據倉庫，而是根據商業需要每隔一段時間把一批較新的數據導入數據倉庫。
數據倉庫的數據反映的是一段相當長的時間內歷史數據的內容 ，是不同時點的數據庫快照的集合，以及基於這些快照進行統計、綜合和重組的導出數據。
數據非易失性主要是針對應用而言。數據倉庫的用戶對數據的操作大多是數據查詢或比較複雜的挖掘，一旦數據進入數據倉庫以後，一般情況下被較長時間保留。數據倉庫中一般有大量的查詢操作，但修改和刪除操作很少 。因此，數據經加工和集成進入數據倉庫後是極少更新的，通常只需要定期的加載和更新。
2.4 時變性
數據倉庫包含各種粒度的歷史數據。數據倉庫中的數據可能與某個特定日期、星期、月份、季度或者年份有關。數據倉庫的目的是通過分析企業過去一段時間業務的經營狀況，挖掘其中隱藏的模式。 雖然數據倉庫的用戶不能修改數據，但並不是說數據倉庫的數據是永遠不變的。分析的結果只能反映過去的情況，當業務變化後，挖掘出的模式會失去時效性。因此數據倉庫的數據需要更新，以適應決策的需要 。從這個角度講，數據倉庫建設是一個項目，更是一個過程。數倉倉庫的數據雖時間的變化表現在以下幾個方面。
（1）數據倉庫的數據時限一般要遠遠長於操作型數據的數據時限。
（2）操作型系統存儲的是當前數據，而數據倉庫中的數據是歷史數據。
（3）數據倉庫中的數據是按照時間順序追加的，它們都帶有時間屬性。