数据仓库（Data Warehouse，简称DW）是一个存储大量有组织数据的仓库。这些数据可以从多个来源整合而来。数据仓库是为组织内的分析报告和及时决策而设计的，它们是关系型数据库。用于此目的的数据与源事务数据隔离并优化，因此不会影响主要业务。当组织引入任何业务变更时，使用数据仓库分析这些变更的影响，因此数据仓库也可以用来监控非决策制定过程。
数据仓库之所以至关重要，主要原因如下：数据仓库将来自多个异构源的所有操作数据结合起来，通过提取、转换和加载（ETL）的过程，将数据以“标准化的维度格式”加载到数据仓库中。数据仓库维护当前和历史数据，用于分析报告和基于事实的决策制定。它帮助企业领导者改进业务决策，成功的商业领袖制定数据驱动的策略，很少在不考虑事实的情况下做出决策。数据仓库使企业决策者能够更快、更有效地访问不同的数据集，并从中获得指导他们的业务和营销策略的洞察。
数据仓库的设计基于以下标准：面向主题、集成、非易失性和时变。
1) 面向主题：如果可以分析特定领域的数据而不是应用智能数据，可以称数据仓库为面向主题的。因此，决策变得更简单。在教育系统中，主题领域可能是学生、科目、成绩、教师等。
2) 集成：数据仓库中的数据来自不同的来源，如其他关系数据库、平面文件等。为了有效的数据分析，需要获取大量的数据。然而，不同来源的数据可能以不同的格式存在，这可能导致数据冲突。所有这些数据在数据仓库中以一致的格式整合在整个系统中。
3) 非易失性：一旦数据加载到数据仓库中，它就不能被更改。从逻辑上讲，这是可以接受的，因为频繁更改数据会妨碍分析。可以将操作数据库按计划加载到数据仓库中。在此过程中，将添加新数据，但早期数据不会被丢弃，而是保留为历史数据。
4) 时变：数据仓库中所有历史数据和最近数据对于检索任何时间段的数据至关重要。为了与前几年进行比较并分析趋势，所有旧数据（无论是6个月、1年甚至更久）都将需要用于报告、图表等。
在数据仓库中，商业智能（BI）用于决策制定。一旦数据加载到数据仓库中，BI通过分析数据并向业务用户展示数据来发挥主要作用。“数据仓库应用”这个术语有效地意味着如何操纵和利用数据。
信息处理：数据仓库使得处理其存储的信息成为可能。可以通过查询、基本统计分析和报告来处理数据。
分析处理：存储在数据仓库中的信息可以进行分析处理。借助基本的OLAP（在线分析处理服务器）操作，如切片和切块操作、钻取和汇总以及旋转，可以分析数据。
数据挖掘：通过数据挖掘，可以通过发现隐藏的模式和关联、构建分析模型以及执行分类和预测来发现知识。数据挖掘的结果可以以可视化的方式呈现。
优势：
当数据仓库系统运行时，企业将获得以下优势：
-商业智能增强
- 系统和查询性能提升。
- 多个商业智能数据源
- 实时数据访问
- 过去的智能
- 卓越的投资回报率
劣势：
尽管它是一个非常成功的系统，了解一些缺陷是有用的：
- 创建数据仓库是一项极其耗时和困难的任务。
- 维护成本高，因为系统需要不断的改进。