建立一个拥有强大处理能力的大型数据仓库，能够帮助企业处理大规模数据集和建立一个覆盖整个企业的全面视图。从IT的角度看，建立这种大型高性能系统复杂且昂贵。但是，建立大型数据仓库的优点不容忽视。

　　解决真正的业务需求

　　公司希望立即获得关于企业活动的精确信息，通常都不考虑这个过程所带来的成本。从IT角度看，如何提供此类环境信息的细节才是困难所在。

　　大多数高级数据分析都在一个聚合层中完成。大型零售商可能不关心谁在美国Buzzard商店购买了一盒回形针。他们通常关心的是回形针销量的增长。除此之外，他们还关心办公服务器销量的增长。为了能够汇总大量的个体交易数据，帮助他们分析确定办公用品需要增加的进货量，避免因缺货造成的客户流失，系统需要一种可靠的分析结构创建方法。

　　说明：有时候，零售商确实会关心有人购买回形针这个信息。数据挖掘可以分析出相同的一类客户，然后向客户投放目标广告，提升他们购买办公产品的兴趣。数据仓库通常需要支持这两种情况。

　　过去十年，我一直从事创建这种分析结构的工作。无论使用何种技术或产品，创建出一个既能够操作百万级数据、又能将它们转换为分析结构以得到此类信息的系统，是一件极具挑战性的任务。在建立OLAP数据库的过程中，它们对于数据库的信息查询速度有很高的要求。如果数据以分析结构存储来讲，它们的性能是最好的，如星形模式。这通常需要复制多份数据，即规范化运营数据存储和报表星形模式。这反过来会增加数据存储需求，需要更多的数据仓库处理能力。

　　公司需要访问各种数据系统。在质量控制中，数据必须保持一致，才能使HR信息与会计、物流信息保持关联。信息必须足够详细，才能发现特殊事件，然后才能够汇总得到更高级的观点。数据需要不停地收集，才能够发现趋势。

　　数据仓库具有相同点，可以存储细化数据和汇总数据，为企业各个部门提供单一且容易访问的位置。这样有利于实现快速的业务分析，高效地开发新报告和信息可视化。此外，它可以帮助决策制定者正确应对企业变化、利用成果和减小失误。

　　为了支持这种远景计划，在整个企业中实现无所不在的报表和分析，数据仓库必须能够根据需求快速增长。对于成功的企业而言，数据仓库的规模很快就能达到兆兆字节信息。对一个数据仓库架构进行规划，使之能够根据需求动态扩展，才能够使信息系统跟上企业的发展。