数据仓库的出现，给企业带来更好的发展动力。“数据仓库”一词最早出现于20世纪90年代初，目前已趋于成熟。据IDC调查，数据仓库的平均投资回报率在401%。另据调查，幸福500中已经有85%的企业建成或正在建立数据仓库。数据仓库与Internet一样，正在成为最快的IT增长点。
一、构建数据仓库的目的
1、市场的激烈竞争和管理过程的复杂性，决定了一个企业为了生存与发展，就需要对客户关系、市场营销、产品工程、投资分析等方面的历史数据进行提取与分析，从中找到对企业进一步发展有价值的潜在信息。
2、数据仓库能够把企业的内部数据和外部数据进行有效的集成，为企业的各层决策提供数据依据。
3、企业现有的系统不能提供更多的决策信息（尽管企业已经有了大量的数据积累）。
4、通过构造一种体系化的数据存贮环境，将分析决策所需的大量数据从传统的操作环境中分离出来，使分散的、不一致的操作数据转换成集成的、统一的信息。
5、可以为市场营销和客户分析提供基本的信息源和辅助工具。
6、可以实现对产品、部门、机构的利润与成本分析。
7、可以规范管理流程、优化业务处理、提高资本利用率。
二、数据仓库构建的步骤
数据仓库的构架由三部分组成：数据源、数据源转换/装载形成新数据库、OLAP(联机分析处理 On-line Analytical Processing)。
数据仓库的实施过程大体可分为三个阶段：数据仓库的项目规划、设计和实施、维护调整。
从数据仓库的构架和实施过程出发，数据仓库的构建可以分为以下几个步骤：
1、目标明确，统筹安排
根据企业的发展目标和市场变化规律，用战略发展的眼光，创立一个信息架构方案，使公司的商业目标与所需要的数据保持一致。
2、统一规划，分步实施
建设和维护一个企业数据仓库，是一项费时费力、投资大的工程。所以应该先设计好一个整体信息架构，制定出分期实施计划，然后再逐步实施，重点放在高度重要的商业事件所需要的数据中心或数据传递机制上。
3、构造技术环境、建立支撑平台
建立技术环境,，选择实现数据仓库的软硬件资源，包括开发平台、DBMS、网络通信、开发工具、终端访问工具及建立服务水平目标（可用性、装载、维护及查询性能）的选择等。
4、建好模型，选好工具
通过数据模型的构建，企业可以从中得到完整而又清晰的描述信息，数据模型为企业多应用的数据源提供统一的标准。
模型的设计需要企业的信息工作人员与业务工作人员紧密配合，规划出对企业有实际价值的应用模型，这个模型要具有一定的智能性，能够根据实际业务的发展不断调整自身的参数，最终找到企业运作过程中的规律，从而为企业带来效益。
构建数据仓库的工具有很多，如建模工具、数据净化工具、数据抽取工具、数据仓库管理工具、联机分析处理和数据挖掘工具等。世界上较著名的大公司，如IBM、Oracle、Sybase、CA、NCR、Informix、Microsoft、和SAS等都竟相推出了构建、维护和应用数据仓库的产品工具和应用解决方案。企业可以从自身的实际情况和用户的需求角度进行考虑，加以选择。
5、加强管理，搞好维护
数据仓库的安全问题不容忽视，通过操作系统和数据库的安全机制，加强数据仓库操作权限的管理。对数据仓库中的相关数据要及时备份，并利用RAID配置备份数据仓库，以提高数据仓库的安全性和可用性。
三、我国数据仓库系统建设存在的问题
数据仓库技术之所以没有在中国很好的发展起来，主要原因如下：
1、中国的信息化基础设备相对不太完善。
2、企业的竞争意识和服务意识还不够强。
3、数据仓库的价格居高不下。
4、管理机制的缺乏。
数据仓库是一个数据共享的系统，不同层面的人从中得到的信息会是不一样的。但目前中国企业没有建立起一个管理机制来推动数据的共享，不论是对人的能力、企业的组织制度还是数据质量都没有一个连续的管理机制，要在这样的基础之上建立好用的数据分析是非常困难的。
5、技术人才缺乏。
数据仓库的应用是一个建立的过程。在建立的过程当中，需要大量的技术支持人员。从国内情况来看，真正能够完整实施数据仓库方案的人才还很缺乏，因而制约了国内数据仓库市场的发展。
6、数据挖掘工具本身不成熟。
除了OLAP以外，更高层次的数据仓库是数据挖掘。然而，目前这一领域的技术还没有大的突破，市场上的数据挖掘技术还难以令人满意。
7、数据积累不充分。
实现在线分析处理的前提是要有大量的历史数据。但除了电信、证券、银行等少数行业以外，数据积累都不够充分。
数据仓库是一项基于数据管理和运用的综合性技术和解决方案。数据仓库的成功实施对培育一种知识共享文化产生重大影响。目前，基于数据仓库的决策支持系统还主要应用于银行业和证券业。随着各种技术的成熟，数据仓库将会在金融、保险、铁路、航空、零售、食品、电信、邮政、医疗等行业中得到更加广泛的应用。