数据库应用从广义上可分为联机事务处理(OLTP)和决策支持(包括联机分析处理OLAP)两大类。现在广泛使用的是OLTP系统，且已经积累了大量的由该类系统产生的数据，如产品数据、销售数据、客户数据等。这些数据中有很大一部分能对企业管理者的决策产生重大影响。如何充分有效地利用这些数据，进一步发掘隐藏其中的信息，直接关系到企业自身的进一步发展。数据仓库技术就是在这种需求背景下产生的。
一、数据仓库技术
数据仓库(Date Warehouse，DW)是从多个数据源收集来的信息的仓储，它在一个地点以统一的模式存储。数据一旦收集起来，将长期保存，以支持对历史数据的访同，所以，数据仓库为用户提供了一个统一的数据接口。
(一)数据仓库中数据的特点
1.面向主题：主题对应于宏观分析领域，是数据归类的标准。如某大型超市的数据仓库中，主题有：供应商、商品、顾客等。数据仓库中的数据是面向主题而不是面向应用组织的。
2.集成性：数据在进入数据仓库之前，必须经过统一和综合，以保证数据的一致性。
3.稳定性：数据仓库中的数据反映的是一段时间内历史数据的内容，是不同时点数据库快照的集合以及荃于这些快照进行统计、综合和重组的导出数据，而不是联机数据。
4.时间变化性：数据仓库系统必须不断捕捉数据源中变化的数据，并追加到数据仓库中去；同时随着时间(一般5-10年)变化，也要转储老化的数据。另外，由于数据仓库中许多综合数据与时间有关，它们也必须随着时间的变化，不断进行重新综合。
(二)数据仓库系统的体系结构
作为一个系统，数据仓库至少包含三个基本功能。
1.数据获取：按照商业规则，将来自企业内部和外部的各种数据源(同质或异质)经过抽取、清洁、转换等处理，装入到数据仓库中。
2.数据存储和管理：负责数据仓库的内部维护和管理，包括数据存储的组织、数据的维护和分发等。
3.信息访问：负责提供多维分析工具、查询和报表生成工具、数据挖掘工具等工具集，以满足最终用户的不同信息访问需求。
二、数据仓库在决策支持系统中的应有
数据仓库之父W.H.Inman把数据仓库定义为“面向主题的、集成的、不可更新的、随时间不断变化的数据集合，用以支持经营管理中的决策制定过程”。从这一定义可以看出，数据仓库技术的根本目标就是为了支持决策制定。事实上，数据仓库的主要突破就在于将决策支持所需要的信息从企业的日常运营数据中分离出来，从而使数据操作型环境和数据分析型环境分离开来，建立起一个集成的、一致的、能够更好地支持企业决策的数据环境。
(一)传统的DSS存在的不足
决策支持系统是为支持发现业务趋势所需的复杂分析而设计的系统，从这些系统检索到的信息当中，管理者可以根据对业务趋势的及时、准确的分析作出经营决策。
自20世纪70年代提出DSS以来，DSS已得到了很大的发展。但传统的基于关系数据库的“二库”(数据库、模型库)和“三库”(数据库、模型库、方法库)结构的BSS在应用中并没有取得很大的成功，究其原因主要有：
1.访问数据的能力不足。科学的决策需要以大量的数据为基础，DSS型应用往往需要连续运行很长时间，从而消耗大量的系统资源，造成系统性能明显下降。
2.数据集成不易。科学的决策需要相互一致的数据，全面而正确的数据是有效的分析和决策的首要前提，相关数据收集得越完整，得到的结果就越可靠。而当前绝大多数企业数据的真正状况是分散管理且跨平台分布。
3.数据不能动态集成。静态集成的最大缺点是：如果在数据集成后数据源中的数据发生了变化，若这些变化不及时反映给决策者，将导致决策者决策失误。因此，数据必须按一定得周期进行刷新，即动态集成。
4.历史数据问题。由于许多决策分析方法必须以大量的历史数据为依托，没有历史数据的详细分析，是难以把握企亚的发展趋势的。
5.数据的综合问题。DSS应用通常不对具体细节数据进行分析，因此在分析前，往往要对细节数据进行不同程度的综合，以满足不同层次的决策需求。
6.缺乏行之有效的数据分析工具。
因此，OLTP数据库并不适合执行决策分析，而数据仓库的固有特点恰好满足了科学决策的需求，克服了上述不足，因而可以作为DSS的基础。
(二)基于数据仓库的DSS
基于数据仓库技术的决策支持系统，其中，数据仓库用于存储和组织面向决策主题的数据；OLAP采用多维分析方法(如时间序列趋势分析、视图切片、钻取、旋转等)对仓库中的数据从不同的角度进行分析，并将其转换成辅助决策信息。数据挖掘技术则采取诸如决策树、神经网络、遗传算法等方法对仓库中的数据进行自动分析和归纳推理，以便从中发掘出潜在模式，并以此为基础自动作出预测，同时又将发现的模式供OLAP使用，从而从不同的角度为管理者提供辅助决策。
数据仓库是大量集成化的数据集合，是数据库技术的最新发展。数据仓库中的数据只有通过OLAP和数据挖掘才能物尽其用。基于数据仓库，OLAP和数据挖掘技术的DSS是一种比传统意义下的DSS更高级的决策支持系统。由于数据仓库中的数据具有完整性、一致性，加上准确高效的模型、方法、知识和强有力的分析工具的支持，在这样一种系统环境下，管理者的决策分析将会更加全面、深刻、准确。
