数据仓库是在统一模式下组织的不同数据源的异构集合。构建者在构建数据仓库时应该广泛地考虑仓库的预期用途。在设计阶段，无法预测所有可能的查询或分析。数据仓库的一些特点是：
- 面向学科
- 融合的
- 时变
- 非挥发性
建立数据仓库——
构建任何数据仓库所需的一些步骤如下：
- 从不同的数据源中提取数据（跨国）：
为了构建数据仓库，从各种数据源中提取数据并将该数据存储在中央存储区中。为了提取数据，微软提出了一个很好的工具。当您购买 Microsoft SQL Server 时，此工具将免费提供。 - 转换跨国数据：
有各种 DBMS，许多公司在其中存储其数据。其中一些是：MS Access、MS SQL Server、Oracle、Sybase 等。此外，这些公司将数据保存在电子表格、平面文件、邮件系统等中。在构建数据仓库时将所有这些来源的数据关联起来。 - 将数据（转换）加载到维度数据库中：
建立维度模型后，将数据加载到维度数据库中。此过程将多个列组合在一起，或者可能将一个字段拆分为多个列。有两个阶段可以执行数据转换，它们是：将数据加载到维度模型中或从其来源提取数据。 - 要购买前端报告工具：
市场上有一流的分析工具。这些工具由几个主要供应商提供。 Microsoft 自行发布了一种具有成本效益的工具和数据分析器。
对于仓库，需要获取数据。必须使用多个异构源进行数据提取，例如数据库。数据形成必须在仓库内完成，因此需要一致性。必须从不相关的来源对数据的名称、含义和域进行协调。还需要在仓库的数据模型中安装来自各种来源的数据。
可以将数据从面向对象、关系或遗留数据库转换为多维模型。数据仓库建设中最大的劳动力需求之一是数据清理，这是复杂的过程之一。在数据加载到仓库之前，应该对数据进行清洗。所有的装载工作必须在仓库中完成，以获得更好的性能。唯一可行且更好的方法是增量更新。数据仓库中的数据存储：
- 刷新数据
- 提供时变数据
- 按照仓库的数据模型存储数据
- 清除数据
- 支持仓库数据的更新
数据仓库的一些重要设计是：
- 模块化组件设计
- 考虑并行架构
- 分布式架构的考虑
- 使用保护
- 可用来源的特征
- 元数据组件的设计
- 数据模型的拟合
仓库设计的主要决定性特征是组织分布式计算环境的架构。分布式仓库和联邦仓库是两种基本的分布式架构。 分布式仓库有一些好处，其中一些是：
联邦仓库是自治数据仓库的去中心化联盟。他们每个人都有自己的元数据存储库。现在，大型组织开始选择联合数据集市，而不是构建庞大的数据仓库。