6.1.1 数据仓库的产生

传统的数据库技术在联机事务处理（OLTP）中获得了成功，但是无法满足随着市场竞争的加剧而带来的管理人员对决策分析数据提供的要求。传统的数据库系统中缺乏决策分析所需的大量历史数据信息，因为传统的数据库一般只保留当前或近期的数据信息。为了满足中高层管理人员预测、决策分析的需要，在传统数据库的基础上产生了能够满足预测、决策分析需要的数据环境——数据仓库（Data Warehouse）。

传统的数据库系统主要是面向事务的处理，数据仓库则是面向分析的处理。面向事务处理的传统数据库系统不再适应新形势下管理决策分析的需要，主要表现有以下问题：

◆系统的响应问题
事务处理和分析处理的性能特性不同，操作型处理对数据的存取操作频率高而每次操作处理的时间短，在分析处理环境中，应用程序可能需要连续几个小时，从而消耗大量的系统资源。
◆数据集成问题
在进行管理预测、决策时需要大量全面、正确的集成数据，所有这些集成数据不仅包括企业内部的相关数据，还包括企业外部的数据，如行业信息、竞争对手信息等。而传统的数据库系统仅仅存储了企业内部数据，缺少与决策相关的集成数据，尤其是企业外部数据。
◆数据的动态集成和更新
数据的集成还涉及企业外部数据和非结构化的数据的集成使用问题，决策分析中经常用到的系统外数据如行业统计信息、市场调查数据，都须经过处理（格式、类型转换等）才能被系统使用。决策分析系统要求数据能够定期（更新周期可能为一天、一周、一月等），传统的数据库系统缺乏动态更新的能力。
◆历史数据问题
供决策分析的数据一般是历史数据，而传统的数据库系统一般只保留当前或近期的数据信息。
◆决策操作问题
决策分析人员常常希望用各种工具对数据进行多种形式的操作，将数据操作的结果以商业智能的方式表达出来。而传统的业务处理系统只能够以标准的报表方式为用户提供信息，用户难以理解信息的内涵，无法正确地用于管理决策。

以上诸多问题的存在，导致企业或其他组织机构无法使用现有的传统数据库系统进行处理分析以满足预测、决策分析的需要。因此，预测、决策分析需要一个能够不受传统事务处理的约束，高效率处理决策分析数据的支持环境，数据仓库就是满足这一要求的数据存储和数据组织技术。