傳統(tǒng)的數據庫技術以單一的數據源即數據庫為中心，進行事務處理、批處理、決策分析等各種數據處理工作，主要有操作型處理和分析型處理兩類。操作型處理也稱事務處理，指的是對聯機數據庫的日常操作，通常是對數據庫中記錄的查詢和修改，主要為企業(yè)的特定應用服務，強調處理的響應時間、數據的安全性和完整性等；分析型處理則用于管理人員的決策分析，經常要訪問大量的歷史數據。傳統(tǒng)數據庫系統(tǒng)主要強調的是優(yōu)化企業(yè)的日常事務處理工作，難以實現對數據分析處理要求，無法滿足數據處理多樣化的要求。操作型處理和分析型處理的分離是必然和必要的。
數據倉庫（Data Warehouse）是一個面向主題的（ Subject Oriented）、集成的、相對穩(wěn)定的、反映歷史變化的數據集合，用于支持管理決策。數據倉庫是對多個異構數據源（包括歷史數據）的有效集成，集成后按主題重組，且存放在數據倉庫中的數據一般不再修改。
企業(yè)數據倉庫的建設，是以現有企業(yè)業(yè)務系統(tǒng)和大量業(yè)務數據的積累為基礎的。數據倉庫不是靜態(tài)的概念，只有將信息及時地提供給需要這些信息的使用者，供其做出改善自身業(yè)務經營的決策，信息才能發(fā)揮作用，也才有意義。將信息加以整理歸納和重組，并及時地提供給相應的管理決策人員，是數據倉庫的根本任務。數據倉庫系統(tǒng)的結構通常包含4個層次。
隨著云時代的來臨，大數據（ Big Data）吸引了越來越多的關注。業(yè)界將其特點歸納為 5個“V”——Volume（數據量大）、Variety（數據類型繁多）、Velocity（處理速度快）、Value（價值密度低）、Veracity（真實性高）。大數據的意義不在于掌握龐大的數據信息，而在于對這些數據進行專業(yè)化處理，實現數據的“增值”（詳見本書 1.6.1節(jié)）。
大數據分析相比于傳統(tǒng)的數據倉庫應用，具有數據量大、查詢分析復雜等特點。在技術上，大數據必須依托云計算的分布式處理、分布式數據庫和云存儲、虛擬化技術等。