至今为止，数据仓库的实用化已走过了近十年的历程，在成功之技术篇般规模都达到了T级。应用领域遍及通信、零售业、金融以及制造业。数据仓库的规模越来越大，被广泛应用于更高精度的数据分析中。数据仓库的支撑技术也有了新的进展。

商业智能重分析

　　商业智能首先是从查询、报表制作工具向分析工具进化。以制作查询报表为主要目的而诞生的数据库访问工具，以OLAP功能、数据挖掘功能为核心在逐渐扩充功能。从提供单一数据库检索手段的前端工具向涉及支持用户的决策支持、提供分析手法和探索发展战略功能扩展。

其中扩展的功能主要有以下几点：

　　● 与OLAP融合 将OLAP技术与传统的报表制作功能集成起来，能够从对数据仓库的检索处理，连续实现OLAP处理和报表制作处理。这样，在各处理阶段就无须更换工具和变换数据。

　　● 访问多个OLAP环境 过去几乎所有的分析工具都是各自支持特定的OLAP数据库，现在出台了支持多个OLAP数据库的可选工具。这样不仅可以继承过去的OLAP资产，而且可以与新技术支撑的OLAP环境集成。

　　● 多种数据资源的集成（Excel 数据和文本文件） 除了访问传统的RDBMS外，还可以从用户所持有的Excel 数据和文本文件获取数据。可以在同一个报表上，制成从数据仓库得到的销售实绩数据和Excel的预算数据等，这样可提高数据的利用率。

　　● 数据挖掘功能的集成 从大量数据中以优良的目标顾客为对象，推导、预报顾客的购买意向，以提高销售额，这就是所谓的数据挖掘。将这个急速普及的数据挖掘功能集成起来，在报表上，根据购买意向和相关关系，来提供未来行为的相关信息，有效的应用于决策。

　　● 提供企业信息门户功能 和知识管理的实践联合起来，提供分析工具，而这个分析工具本身具有综合提供每个用户所必要的数据和信息的功能。分析工具本身具有企业信息门户功能，在报表工具中，可以一揽子提供数据仓库的结构化数据、非结构化的HTML文档、文章数据以及来自外部的信息等。

　　其次是用户群的扩大。数据仓库从少数人使用的工具，逐渐演化为全企业的信息应用基础。因此，要求统一成为从用户通过Web浏览器访问数据仓库的势头日益强劲。其中，分析工具和访问工具适应Web的进程，获得了长足进步，目前基本上所有的工具都能逐渐适应Web。