数据库系统作为数据管理的主要手段，主要用于事务处理。在这些数据库中已经保存了大量的日常业务数据。传统的决策支持系统（DSS）一般是直接建立在这种事务处理环境上的。
数据库技术在事务处理、批处理、分析处理等方面发挥了巨大的作用，但对分析处理的支持一直不能令人满意，尤其是当以事务处理为主的联机事务处理（OLTP）应用与以分析处理为主的DSS应用共存时，人们逐渐认识到事务处理和分析处理具有不同的特性。
以下原因将导致事务处理环境不适宜DSS应用：
（一）事务处理和分析处理的特性不同
在事务处理环境方面，用户在行为上的特点是数据存取操作频率较高，操作时间也较短。因此，在系统上，允许多个用户按分时的方式对系统资源进行利用，同时保持较短的响应时间。在分析处理环境中，某个DSS应用程序可能需要持续运行几个小时，消耗较多的系统资源。
（二）数据集成问题
全面、正确、大量的数据是有效分析和决策的前提，相关数据收集得越完整，从中得到的结果就越可靠、越有价值。DSS过程中不仅需要企业内部各部门的相关数据，还需要企业外部、竞争对手、现在的、历史的等相关数据，即DSS需要集成数据。
事务处理的目的比较简单，主要是业务处理的自动化。一般只涉及较少的当前数据，对整个企业范围内的、历史的、集成的应用考虑得较少。例如，在许多使用数据库的地方，数据的真正状况是分散而非集成的，能产生丰富的细节数据，但这些数据不能成为一个统一的整体。对于需要集成数据的DSS应用来说，必须自己在应用程序中对这些纷杂的数据进行集成。
数据集成工作是十分复杂的，如果交由应用程序来完成，就会加重程序员的负担。同时对于这样的分析，每次都要进行相应的集成，其处理效率是很低的。DSS在数据集成上的迫切需求，是仓库技术产生的重要原因。(www.xing528.com)
（三）数据动态集成问题
若一个应用只在开始时对所需的数据进行一次集成，以后就一直以这部分集成的数据作为分析的基础，不再与原数据源发生联系，则称这种方式的集成为静态集成。静态集成的最大缺点在于如果在数据集成后数据源发生了改变，这些变化将不能反映给决策者，导致决策者使用的是过时的数据。因此，集成数据必须以一定的周期（如几天或几周）进行刷新，称为动态集成。事务处理系统不具备动态集成的能力。
（四）历史数据问题
在事务处理过程中，不仅需要现存的数据，而且要对数据库中的短期数据进行存储。同时，数据的保存期限也不同，就算对历史数据进行保存，也不能使其得到充分利用。但是对于决策分析来说，历史数据是很重要的。例如，对于很多分析应用来说如趋势分析等，历史数据是其重要的依托。
综上所述，DSS对数据在空间和时间的广度方面都有更高的要求，而事务处理环境难以满足这些要求。
（五）数据的综合问题
事务处理系统往往积累了大量的细节数据，但不具备处理这些数据的综合能力。DSS并不需要直接对这些细节数据进行分析，而是要在分析前先对细节数据进行综合。以上问题表明，在事务型情境中直接构建分析型应用是很困难的。要想从本质上解决这些问题，就需要提高分析、解决的效率和结论的有效性。分析型处理及其数据必须与操作型处理和数据相分离，必须把分析数据从事务处理环境中提取出来，按照DSS处理的需要进行重新组织，建立单独的分处理环境。数据仓库正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
