数据仓库一般分为三种：传统数仓、MPP数仓、Hadoop数仓。
一个“好”的数据仓库有哪些特点：
- 稳定：数据产出稳定且有保障；
- 可信：数据清洗干净、数据质量高；
- 丰富：广泛数据业务范围；
- 透明：透明的数据构成体系；
数据仓库建设之根本：
- 功能架构：功能结构清晰；
- 数据架构：数据质量有保障、数据来源、数据去向清晰可追溯等；
- 技术架构：技术选型要结合企业整体规划、包含业务、预算等，且要满足易扩展、易用性等。
数据仓库建设主要步骤示意：
第一步：采集需求、业务调研。
界定系统边界，确定主要的主题域和内容。如决策者感兴趣的是什么问题？这些问题需要什么样的信息？要得到这些信息需要包含原有数据库系统的哪些部分的数据？具体一点如源数据系统调研，需要接入哪些源系统、具体到库、表、字段等。
以及要确定系统所包含的主题域，然后对每个主题域的内容进行较明确的描述等。
第二步：技术架构设计与选型。
包括技术评估、技术环境准备等，此阶段需要产出如技术评估报告、软硬件配置方案、系统(软、硬件)总体设计方案等。具体如数据库的选取、ETL工具的选取等。
第三步：逻辑模型设计。
逻辑模型设计是对每个当前要装载的主题的逻辑实现进行定义，并将相关内容记录在数据仓库的元数据中。如字典表、日历表、依赖关系（mapping）、各业务码表等，主要还有一点就是主题域的分析与确定。
第四步：物理模型设计。
确定数据的存储结构，确定索引策略，确定数据存放位置，确定存储分配。要全面了解所选用的数据库管理系统，特别是存储结构和存取方法。了解数据环境、数据的使用频度、使用方式、数据规模以及响应时间要求等，这些是对时间和空间效率进行平衡和优化的重要依据。了解外部存储设备的特性，如分块原则，块大小的规定，设备的I/O特性等。
第五步：数据仓库的运行（使用）与维护。
开发决策应用系统、报表系统、数据提取分析与实验等。确定需求（所需要的数据）——>编写ETL+sql脚本——>分析数据——>结束需求——>例行化。另外，数据仓库是一个不断开发与完善的过程，不断的理解需求、完善系统，包括日常的运维监控、数据备份归档以及元数据的维护与管理等。
以上仅是数仓建设过程中一些通用之法，实际建设中应具体情况具体分析。数仓他是一个复杂且周期很长的项目，他的建设不仅仅是由一个团队去完成的，他需要多个团队甚至多个部门去做支撑与支持。另附数仓总体逻辑示意简图，仅供参考：
