目前的商业、企业管理的数据处理大致可以分成两类，即在线交易处理（On-Line Transactional Process，OLTP）和在线分析处理（On-Line Analysis Process，OLAP）。交易处理也称为事务性处理，一般针对非常具体的业务，是对数据库联机的日常操作，通常是对一个或一组记录的查询和修改，主要为特定的应用场景服务。人们关心的是响应时间、数据的完整性和安全性，在线分析处理一般是针对某个主题，在时间上有比较大的跨度，它操作的是大量，甚至是海量的数据，这些数据是操作性数据的一种积累和遴选，它主要面向业务分析和决策支持。

数据库系统在相当长的时间内作为数据管理的主要手段，从其诞生的第一天起，就被主要用于事务处理，经过数十年的发展，在这些数据库中已经保存了大量的日常业务数据。随着技术的进步，人们也试图让计算机执行更多的任务，而数据库技术也一直力图能使自己胜任从事务处理、批处理到分析处理等不同类型的信息处理任务。后来人们逐渐意识到，在目前计算机处理的能力上，根本无法完全实现这些功能，而在另一方面，在线事务处理和在线分析处理具有极不相同的性质，直接用事务处理环境来支持分析和决策在很多方面具有先天的缺陷。

在线交易处理不适宜决策应用的原因如下：

首先，在在线交易处理环境中，用户一般是具体的操作人员，他们的行为特点是数据的存取操作，并不用去理会数据对决策的用处，操作频率高且每次操作的时间短，但对系统的响应速度有极高的要求；而对在线分析处理而言，用户是企业的管理人员或数据分析师，属于信息的探索者，他们的目的是要将产生的数据抽象为信息，以便于决策。其行为模式和在线交易处理完全不同，他们可能会使一个决策支持系统（Decision-making Support System，DSS）应用程序联机工作几小时，从而消耗大量的系统资源，进而影响到业务操作的高效运行。(www.daowen.com)

其次，DSS过程需要集成的、历史的、综合的数据，全面而正确的数据是有效分析和决策的首要前提。相关数据收集得越完整、反映的信息面越广、清洗得越干净，最后得到的结果就越可靠。目前，绝大多数企业数据的实际分布情况都是以信息孤岛的形式存在，在具体的在线交易环境中，部分数据记录甚至被“束之高阁”，在降低交易系统性能的同时，也使宝贵的信息资源被白白浪费。

近些年来，随着数据库技术的应用和发展，人们尝试对数据库中的数据进行再加工，构建一个综合的、面向分析的环境，以更好地建设商务智能支持企业决策，从而形成了数据仓库技术。数据仓库系统包括多维数据仓库、联机分析处理OLAP或商务智能（Business Intel-ligence，BI）、数据挖掘（Data Mining，DM）等多个方面。