当今社会是一个信息爆炸的时代，信息丰富、知识匮乏的现象非常普遍。用尿布卖啤酒的故事触动了很多人的神经。信息作为现代企业的宝贵资源，占据着越来越重要的地位，已成为现代企业科学管理、正确决策、有效调控的基础。

目前，面对激烈的市场竞争，许多大型企业已经实施了以客户为中心，以服务求发展的经营战略。如何优化客户关系，增强企业竞争优势，已成为现代企业关注的焦点。现有的应用系统往往以产品为中心，以文件(票据)处理为基础。它是一个面向在线事务处理的系统transactionProcesing，简称OLTP)系统，而以客户为中心的管理模式要求现有业务系统的数据有效集成和重组，建立面向网络分析处理的系统(Onlineanlysisprocesing，简称OLAP)。通过分析客户行为，掌握不同类型客户的特点，为客户提供更好的服务，特别是个性化的服务，同时全面掌握和理解，分析企业业务，充分发挥企业积累的数据，为各级管理人员提供科学的管理和决策，提高企业业绩，确保利润的持续增长。

同时，随着企业信息化程度的不断提高，各种应用系统同时共存并支持企业的业务应用。越来越多的企业信息主管在开发企业应用时考虑了数据集成和未来数据的整体有效利用。因此，ERP解决方案实施后，许多企业选择实施数据仓库产品，避免信息岛，实现应用程序的内部联系和信息共享。

什么是数据仓库？一般认为，数据仓库(datawarehouse)是一个面向主题的集成(Integrated)，相对稳定(Non-volatile)，反映历史变化的数据集，用于支持管理决策。

主题:操作数据库的数据组织面向事务处理任务，各业务系统分离，数据仓库中的数据按一定的主题域组织。

集成：数据仓库中的数据是在系统处理、总结和整理的基础上提取和清理原始分散的数据库数据，必须消除源数据中的不一致性，以确保数据仓库中的信息是整个企业的一致整体信息。

相对稳定：数据仓库数据主要用于企业决策分析，涉及的数据操作主要是数据查询，一旦数据进入数据仓库，一般会长期保留，即数据仓库一般有大量的查询操作，但修改和删除操作很少，通常只需要定期加载、刷新。

反映历史变化：数据仓库中的数据通常包含历史信息，系统记录企业从过去的某个时间点（如开始应用数据仓库的时间点）到当前阶段的信息。通过这些信息，我们可以定量分析和预测企业的发展过程和未来趋势。

典型的企业数据仓库系统通常包括四个部分：数据源、数据存储和管理、OLAP服务器、前端工具和应用程序。

数据源：是数据仓库系统的基础，是整个系统的数据源。通常包括内部信息和外部信息。

数据存储和管理：是整个数据仓库系统的核心。在现有业务系统的基础上，提取、清理、有效集成数据，根据主题重组，最终确定数据仓库的物理存储结构，组织存储数据仓库元数据（包括数据仓库数据字典、记录系统定义、数据转换规则、数据加载频率和业务规则）。

OLAP服务器:根据多维数据模型重组分析所需数据，支持用户多角度、多层次分析，发现数据趋势。具体实现可分为ROLAP、MOLAP和HOLAP。

前端工具和应用程序：前端工具主要包括基于数据仓库或数据市场开发的各种数据分析工具、报表工具、查询工具、数据挖掘工具和各种应用程序。数据分析工具主要AP服务器、报表工具和数据挖掘工具，既针对数据仓库，也针对OLAP服务器。

在传统的ERP系统中，一般的核心应用程序是采购、销售、库存管理和会计管理，数据库中的数据也密切关注产品信息、票据和账户详细信息。这样的数据层可以很好地实现OLTP，但如果你想为企业高管提供决策数据，就有必要提取、清洁原始、松散、孤立的数据，加上时间标记和合理的分类，以便进入数据仓库并支持OLAP。

以下是ERP系统数据仓库建立的步骤和一些应注意的问题，通过建立小型汽车维修行业的进销存系统（以下简称A系统）数据仓库。

A系统的原始数据层是一个典型的数据库系统，其核心表是产品信息表、客户信息表、供应商信息表、库存表、销售表、客户明细表和供应商明细表。这些表很好地解决了OLTP，同时可以提供一些基本的OLAP，如库存查询、销售查询等，但这些功能远远不足以满足高层决策的需求，因此有必要改造原系统的数据库，建立合理有效的数据市场或数据仓库，以适应企业的长期战略目标。

数据仓库的建立是一个复杂的过程。首先，我们应该进行规划和分析。我们分析了原系统的数据，提取和清洁了原始孤立和分散的数据元素，并将数据分为以下类别：客户（包括原系统中的客户信息、客户账户明细等相关客户信息）、供应商（包括相关供应商的所有信息）、账户（包括采购、销售和存储的账户交换和详细数据）、票据（包括相关账户票据）等。数据划分根据使用特点有机地将原始松散和孤立的数据结合起来，可以有效地支持OLAP，为未来系统的扩展和升级奠定良好的基础。不要因为头发而移动全身。

清理和分类原始数据库数据后，下一步是实现数据仓库的物理结构和存储。目前，IBM、Oracle、Sybase、CA、NCR、Informix、Microsoft、SAS等实力雄厚的公司纷纷推出自己的数据仓库解决方案(通过收购或研发)，BO、Brio等专业软件公司也在前端在线分析处理工具市场占有一席之地。在A项目数据仓库解决方案的选择上，我们选择了Microsoft的SQLServer2005作为数据仓库实现工具。SQLServer2005作为微软新一代数据库产品，提供了许多新功能，性能更强。同时，A系统原始数据层采用SQLServer2000，可以很好地实现SQLSer2005的提取和转换。同时，由于它们都是微软的产品，在未来扩展A系统时，dotnet平台可以实现前台的查询和报告工具，无论是C#还是VB.NET语言，都可以实现强大的OLAP分析功能。

最后，由于详细的设计和建模，A系统数据仓库的实施取得了良好的效果，系统的转换相对成功。在数据仓库的支持下，新系统为高层决策提供了良好的支持。同时，由于数据仓库的使用，A系统的功能和可扩展性也大大提高。为进一步操作数据存储（ODS）和数据挖掘奠定了坚实的基础。