· 首先，它指的是一种旨在了解组织活动和机会的数据分析，这种分析的结果用于提高组织的成功。
· 其次，"商务智能"是指支持此类数据分析的一组技术。决策支持工具BI工具支持查询、数据挖掘、统计分析报告、场景建模、数据可视化和仪表板的发展演化，它们可用于从做预算到高级分析的所有一切事情。
11.1.3.2. 数据仓库："数据仓库(DW)"是两个主要组件的组合：一个集成的决策支持数据库和相关的软件程序，用于来自各种业务和外部来源数据的收集、清洗转换和存储。为了支持历史的分析的和BI需求，数据仓库还可以包括从属数据集市，它们是来自仓库的数据子集复本。
在最广泛的范围内，数据仓库包括用于支持B1目的数据交付的任何数据存储或数据提取。"企业数据仓库(EDW)"是一个集中式数据仓库，旨在满足整个组织的BI需求。EDW遵循企业数据模型，以确保整个企业决策支持活动的一致性。
· 11.1.3.3. 数据建仓："数据建仓"描述数据的提取、清洗转换控制和加载的业务过程，以在数据仓库中维护数据。数据建仓流程侧重于通过实施业务规则和维护适当的业务数据关系，为业务数据启用集成的和历史的业务上下文。数据建仓还包括与元数据存储库交互的过程。
传统上数据建仓侧重于结构化数据，数据模型中记录的已定义字段中的元素。无论是文件还是表中的元素。随着技术的最新发展，BI和DW空间现在包含半结构化和非结构化数据。半结构化数据定义为组织为语义实体的电子元素，没有必需的属性关联性。早期的XML但不包括HTML，EDI传输可以作为示例。
非结构化数据是指未通过数据模型预定义的数据。由于非结构化数据以多种格式存在，并且包含电子邮件自由格式、文本、业务、文档、视频、照片和网页等条目。因此定义一个可行的存储结构来维持建仓。治理中的分析工作负载是一个尚待克服的挑战。11.1.3.4. 数据建仓方法。
关于数据仓库构成方式的很多讨论是由两位有影响力的思想领袖(比尔-因蒙和拉尔夫-金鲍尔)推动的，它们有不同的方法来建模和开发仓库。Inmon将数据仓库定义为面向主题、集成时变性和非易失性的数据集，规范化关系模型用于存储和管理数据，以支持管理层决策过程。
Kimball将仓库定义为“专为查询和分析而构建的事务数据的复本”4。Kimball的方法需要一个维度模型（请参阅第5章）。虽然Inmon和Kimball提倡不同的仓库建设方法，但它们的定义认可类似的核心思想。
·1.仓库存储来自其他系统的数据。
·2.存储行为包括以增加数据价值的方式组织数据；
·3.仓库使数据可访问并可用于分析；
·4.组织构建仓库，因为它们需要向授权利益相关方提供可靠集成的数据；
·5.仓库数据具有多种用途，从工作流支持到经营管理以及预测分析。
