1.调和数据是存储在企业级数据仓库（EDW）和操作型数据存储中的数据。
2.抽取、转换、加载过程的目的是为决策支持应用提供一个 单一的、权威数据源。因此，我们要求ETL过程产生的数据（即调和数据层）是详细的、历史的、规范化的、可理解的、即时的和质量可控制的。
3.数据抽取的两个常见类型是静态抽取和增量抽取。静态抽取用于最初填充数据仓库，增量抽 取用于进行数据仓库的维护。
4.粒度是对数据仓库中数据的综合程度高低的一个衡量。粒度越小，细节程度
越高，综合程度 越低，回答査询的种类 越多 。
5.使用星型模式可以从一定程度上提高查询效率。因为星型模式中数据的组织 已经经过预处理，主要数据都在庞大的事实表中。
6.维度表一般由主键、分类层次和描述属性组成。对于主键可以选择两种方式：一种是采用自然键（Natural Key），另一种是采用代理键（Surrogate Key）。
7.雪花型模式是对 星型模式 维表的进一步层次化和规范化来消除冗余的数据。
8.数据仓库中存在不同综合级别的数据。一般把数据分成4个级别：早期细节级、当前细节级、轻度综合级 和高度综合级。
9.什么是数据仓库的3层数据结构？
答：简单地说，数据是从企业内外部的各业务处理系统（操作型数据）流向企业级数据仓库（EDW）或操作型数据存储区(ODS)，在这个过程中，要根据企业（或其他组织）的数据模型和元数据库对数据进行调和处理，形成一个中间数据层，然后再根据分析需求，从调和数据层（EDW、ODS）将数据引入导出数据层，如形成满足各类分析需求的数据集市。
10.什么是数据仓库的数据ETL过程？
答：数据的 ETL 过程就是负责将操作型数据转换成调和数据的过程。如上面的 2.3.1小节所述，这两种数据具有明显的区别，因此，数据调和是构建一个数据仓库中最难的和最具技术挑战性的部分。在为企业级数据仓库填充数据的过程中，数据调和可分为两个阶段：一是企业级数据仓库（EDW）首次创建时的原始加载；二是接下来的定期修改，以保持 EDW的当前有效性和扩展性。整个过程由四个步骤组成：抽取、清洗、转换、加载和索引。事实上，这些步骤可以进行不同的组合，如，可以将数据抽取与清洗组合为一个过程，或者将清洗和转换组合在一起。通常，在清洗过程中发现的拒绝数据信息会送回到源操作型业务系统中，然后将数据在源系统中加以处理，以便在以后重新抽取。
11.什么是星型模式？它的特征是什么？
答：在星模式中，事实表居中，多个维表呈辐射状分布于其四周，并与事实表连接。位于星形中心的实体是事实表，是用户最关心的基本实体和查询活动的中心，为数据仓库的查询活动提供定量数据。位于星模式四周的实体是维度实体，其作用是限制和过滤用户的查询结果，缩小访问范围。每个维表都有自己的属性，维表和事实表通过关键字相关联。
12.为什么时间总是数据仓库或数据集市的维？
答：因为数据仓库或数据集市的数据总是历史的数据，需要时间维来区别。