总体框架：异构数据源->数据抽取->数据仓库->多维数据库->前端展示
基础评估：历史数据集中及分布情况、数据的异构程度、数据的准确性与一致性情况、数据仓库规模与容量（预测硬件投资）、网络状况、集中or分布式
建立数据仓库：
§前提：解基础系统的数据结构，
§核心：建立商业数据模型（BDM），它是整个系统的基础，严重影响系统的可扩展性
§关键：建立保证数据完整性、一致性的策略
数据仓库的本质是“数据”以及“数据的关系”
建立多维分析数据库：
§前提：挖掘用户的分析需求
§核心：建立多维分析数据模型（MADM），需充分调整模型的性能、模型的存储优化、缩短模型预处理所花的时间
§关键：系统的前瞻性，维的丰富度，结构的平衡
建立数据抽取系统：
指导思想：工作流。步骤：获取->过滤->清洗->校验->转换->装载
特点：非过程化、高效性、易维护性、增量、自动管理、出错策略、可恢复、历史数据的修改
