傳統的 DB 主要是用來記錄交易記錄，沒辦法支援即時性的決策，
所以跟決策相關的資訊，都散布在不同的 DB 之中，在這樣的狀況
下常會有資料不一致、重複、無法整合等問題。而且由於沒有過往
的歷史資料，沒法進行趨勢分析(因為DB 多半只存放短期資料)。
所以 Data Warehouse 才因此產生，其特性有四個：
1. 主題導向 (Subject Oriented)
所存的資料是以主題導向(例如銷售、營收)，非如傳統 DB 只用來
支援交易流程(例如採購、付款)。
2. 資料整合性 (Integrated)
DW 的設計在於支援多維度的決策，需要廣度、深度兼具，所以會是
一個整合企業內外、不同時間、不同來源的各種資料。這些資料原本
是散落在各 DB 之中的。
3. 資料不變動性 (Non-volatile)
在 DW 的每筆資料，一旦存進去之後，就不能再更改，只供查詢。
只會定期新增資料以供查詢。
4. 資料具有時間差異性 (Time variant)
DW 會存放不同時間(5~10年)的歷史資料，以供趨勢分析、預測。
但是 DB 通常只會儲存某個時間點的資料。
5. 資料一致性
因為 DW 蒐集來自各 DB 的資料，其格式與單位，均不相同。要建立
一個良好的 DW 就是要把這些不同來源的資料，經過整理篩選後才將
資料存入。
資料在存入 DW 之前，要先進行 ETL(萃取 轉換 載入)
萃取(Extract) - 將原始資料從各DB、OLTP、TPS、檔案中取出
轉換(Transform) - 轉換資料格式，使資料可以合乎 DW 的標準
載入(Load) - 將資料載到 DW 中。
CRM DB --+ +-- Data Mart | OLAP
SCM DB --+ + |
OLTP DB --+-> ETL -> DW --+ Data Mart | DSS EIS
TPS DB --+ + |
外來資料--+ +-- Data Mart | EIP
[ 資料超市 Data Mart ]
較小的資料，從 Data Warehouse 中複製出部份集合，專門用來支援特定部門、特定地區、使用者，Data Warehouse 可以視需求適時複製出多份 Data Mart。像是會計用的 Mart，以某個更局部的主題為導向。
優點：導入期較短、成本也比較低，可以快速建立。
[ 線上即時分析 OLAP ]
主要架構在 Data Warehouse 上，提供多角度、多維度的分析，提供決策用途，內建許多分析程式，在傳統的 DB 中，要提供這些分析報告，要用大量的 SQL 查詢，而 OLAP 有 UI 可讓使用者自己決定分析維度。
1. 切片 (Slice)
將資料視為一個立方體，將三維資料切片，固定單一維度。
例如固定時間在 2011年，觀察 (通路 銷量) 二個維度。
2. 切丁 (Dice)
提供縮小範圍檢視，仍維持原有維度。
3. 下拉 (Drill Down)
從原本宏觀的角度，拉到微觀角度。
4. 上轉 (Roll Up)
從微觀拉遠變成宏觀。
5. 旋轉 (Rotation)
也稱為樞扭，不同管理者所在意的觀點不同。
[ 線上即時交易 OLTP ]
使用電腦進行交易的即時處理，在線上發生的交易資料，立刻用電腦
處理資料的輸入作業。舊有的 TPS 較偏向批次作業，而 OLTP 在此
進行改良，結合 DB/網路可以應付資料量大、交易頻繁的情境上。
交易發生的同時，就能同步更新相關資訊。特色有：
1. 基礎作業處理，支援操作階層
2. 使用者為一般職員
3. 資料即時處理
