數據倉庫(英語：Data Warehouse，簡稱數倉、DW),是一個用于存儲、分析、報告的數據系統。數據倉庫的目的是構建面向分析的集成化數據環境，分析結果為企業提供決策支持(Decision Support)。

數據倉庫本身并不“生產”任何數據，其數據來源于不同外部系統; 同時數據倉庫自身也不需要“消費”任何的數據，其結果開放給各個外部應用使用。

Hadoop數據倉庫的主要特征有面向主題性、集成性、非易失性和時變性，接下來對這四個特性做詳細介紹。

面向主題性(Subject-Oriented)

主題是一個抽象的概念，是較高層次上企業信息系統中的數據綜合、歸類并進行分析利用的抽象。在邏輯意義上，它是對應企業中某一宏觀分析領域所涉及的分析對象。

傳統OLTP系統對數據的劃分并不適用于決策分析。而基于主題組織的數據則不同，它們被劃分為各自獨立的領域，每個領域有各自的邏輯內涵但互不交叉，在抽象層次上對數據進行完整、一致和準確的描述。

集成性(Integrated)

主題相關的數據通常會分布在多個操作型系統中，彼此分散、獨立、異構。因此在數據進入數據倉庫之前，必然要經過統一與綜合，對數據進行抽取、清理、轉換和匯總，這一步是數據倉庫

建設中最關鍵、最復雜的一步，所要完成的工作有： 要統一源數據中所有矛盾之處;如字段的同名異義、異名同義、單位不統一、字長不一致等等。

進行數據綜合和計算。數據倉庫中的數據綜合工作可以在從原有數據庫抽取數據時生成，但許多是在數據倉庫內部生成的，即進入數據倉庫以后進行綜合生成的。

下圖說明了保險公司綜合數據的簡單處理過程，其中數據倉庫中與“承保”主題有關的數據來自于多個不同的操作 型系統。

這些系統內部數據的命名可能不同，數據格式也可能不同。把不同來源的數據存儲到數據倉庫之前，需要去除這些不一致。

非易失性、非異變性(Non-Volatile)

數據倉庫是分析數據的平臺，而不是創造數據的平臺。我們是通過數倉去分析數據中的規律，而不是去創造修改其中的規律。因此數據進入數據倉庫后，它便穩定且不會改變。

數據倉庫的數據反映的是一段相當長的時間內歷史數據的內容，數據倉庫的用戶對數據的操作大多是數據查詢或比較復雜的挖掘，一旦數據進入數據倉庫以后，一般情況下被較長時間保留。

數據倉庫中一般有大量的查詢操作，但修改和刪除操作很少。

時變性(Time-Variant)

數據倉庫包含各種粒度的歷史數據，數據可能與某個特定日期、星期、月份、季度或者年份有關。當業務變化后會失去時效性。因此數據倉庫的數據需要隨著時間更新，以適應決策的需要。

從這個角度講，數據倉庫建設是一個項目，更是一個過程。