數據倉庫的輸入端是不同的數據源，比如:有些數據存儲在mysql，有些數據存儲在mongdb，還有壹些第三方數據源。最終輸出用於企業數據分析、數據挖掘、數據報表等方向。
多個數據源通過ETL(Extract-數據提取；轉換-數據轉換；加載-數據加載)集成。
還有就是數據倉庫和數據庫的關系。在這裏，我在網上找了壹張圖，還是比較清晰的。
面向業務的數據庫通常稱為OLTP，面向分析的數據倉庫也稱為OLAP。
數據挖掘:數據挖掘可以看透妳的需求。廣義地說，任何從數據庫中挖掘信息的過程都稱為數據挖掘。從這個角度來說，數據挖掘就是BI。但用專業術語來說，數據挖掘是指對源數據進行清洗，轉化為適合挖掘的數據集。數據挖掘在這個固定的數據集上完成知識提取，最後使用合適的知識模式進行進壹步的分析和決策。從這個狹義的角度，我們可以定義數據挖掘是從特定形式的數據集中提取知識的過程。數據挖掘往往針對特定的數據和特定的問題選擇壹種或多種挖掘算法，發現數據下的隱藏規則，這些規則往往被用來預測和支持決策。
相關銷售案例:
美國的超市有這樣壹個系統:當妳買了滿滿壹車的商品，女售貨員掃描妳的商品後，電腦上會顯示出壹些信息，然後女售貨員會親切地問妳:我們有壹次性紙杯出售，位於F6貨架上。妳想買嗎？
這句話絕不是壹般的推廣。因為電腦系統已經準備好了，如果妳的購物車裏有餐巾紙、大瓶可樂和沙拉，有86%的幾率妳會買壹次性紙杯。結果妳說，啊，謝謝，我剛才還沒找到紙杯。這不是什麽神奇的科學算命，而是利用數據挖掘中的關聯規則算法實現的系統。
每天都會有新的銷售數據進入挖掘模型，和過去n天的歷史數據壹起，由挖掘模型進行處理，得到目前最有價值的關聯規則。用同樣的算法，分析網上書店的銷售業績，計算機可以發現產品之間的相關性以及相關性的強弱。
經過幾年的積累，大多數大中型企事業單位都建立了較為完善的CRM、ERP、OA等基礎信息系統。這些系統的統壹特點是:通過業務人員或用戶的操作，最終對數據庫進行添加、修改和刪除。上述系統可以稱為OLTP(聯機事務處理)，也就是說系統運行壹段時間後，必然會幫助企事業單位收集大量的歷史數據。而數據庫中大量分散、獨立的數據，對於業務人員來說，只是看不懂的天書。商務人士需要的是信息，是他們能夠理解、明白並從中受益的抽象信息。此時，如何將數據轉化為信息，使業務人員(包括管理者)能夠充分掌握和利用這些信息，輔助決策，是商業智能(BI)解決的主要問題。
如何將數據庫中存在的數據轉化為業務人員需要的信息？大部分答案都是報表系統。簡而言之，報表系統已經可以叫BI了，是BI的低端實現。目前國外大部分企業都進入了中端BI，也就是所謂的數據分析。壹些企業已經開始進入高端BI，這就是數據挖掘。然而，我國大多數企業仍處於申報階段。目前國內BI廠商比較多。眾所周知的BI廠商，如永紅科技，核心產品永紅-Z-Suite，幫助企業搭建大數據應用，也有豐富的行業積累，如政府、電力、能源、金融等。有興趣可以自己查壹些資料。