数据仓库很难写清楚的，试试看能不能以乱弹的方式将它写的通俗易懂，老少咸宜。
数据仓库就是把不同数据库的数据收集到一起，加以整理，主要用于做长期趋势分析 。也就是说我们需要 从数据库中把数据取过来，加工下（规整下），存储起来，分析展现。下面就按这个过程乱弹下数据仓库。
首先要考虑我们需要什么数据，换句话说那些数据是值得集成的，那些数据是值得保留的。当然这些需要客户说了算，看他们关心那些数据，关心那些指标，关心数据的时间，希望以怎样的方式展现。比如需要按月统计各类型手机用户话费类型比率。可以知道客户需要有话费类型、用户类型、话费金额、时间这些数据及数据的关系。这样就有了简单的数据模型，知道我们需要什么数据，数据之间的简单关系了。当然也有人叫它企业数据模型，这个模型是有数据仓库特点的模型即面向主题的、与时间相关的。为了不落下不严密的口舌暂叫“简单企业模型”。
有了简单企业模型，我们就按图索骥从业务系统中获取数据了，可是你在A系统中叫张三、B系统中叫zhangsan、C系统中叫7。把这些数据整进数据仓库也没有办法利用，没有统一的标准，怎么查询分析呀。这下应该看出来了需要转换数据，按照统一的标准转换。说的通俗些需要统一的数据字典或编码标准，将各个业务系统的数据转换成为标准的数据。当然实际情况复杂的多，需要将生数据进行转码，转类型甚至合并，补缺等等最终整成能用的数据或者叫熟数据，加载入目的数据库。源数据可能是xml、平面文件，oracle，foxbase等，没有遇不到只有想不到。这个数据转换、清洗、加载、抽取的过程就叫ETL。
可是问题又出现了，在业务系统关心的是细节数据，如某人当月每次通话记录，在数据仓库关心的汇总数据，如某类人当月通话次数。不能按照正常的数据库设计进行数据仓库的设计，因为很多数据是决策层面的人不需要，而且数据量一大存储就大，存储大查询就慢，查询速度一慢数据仓库纵然有白好也一无是处了。于是就演变出来雪花模型和星型模型。星型模型是目前采用较多的模型。可以这样理解星型模型的角就是group by的条件，中心的数据就是聚合的结果。将数据按照星型模型存储起来，作为数据仓库的数据。
现在就差数据展现分析部分了，只要数据对客户来说没有什么用。数据仓库有多种应用如静态报表、多维查询、即席查询、数据挖掘等等。可以简单的认为我把多个维度一拼就是一个分析，比如我把联通、北京、用户数一组合就认为联通北京的用户数是多少？当然也可以一拆开联通、用户数认为联通的用户数是多少？当然你也许已经知道了这就是数据立方，我只是从不同的角度看这个世界，看到的层面不一样。
为了文章通俗，减少了数据仓库一些核心方面，比如数据质量、元数据管理、数据安全、ODS、数据集市等介绍。 希望对大家有用。