傳統(tǒng)的數(shù)據(jù)庫在操作型數(shù)據(jù)處理上取得了巨大的成功，但是在分析型數(shù)據(jù)處理上卻遇到了瓶頸。主要有以下幾個原因：

(1) 數(shù)據(jù)的分散。操作型數(shù)據(jù)處理往往只需要涉及一個部門業(yè)務或者一個系統(tǒng)的數(shù)據(jù)，因此現(xiàn)在企業(yè)的數(shù)據(jù)是分散在各個操作型數(shù)據(jù)庫，而分析型操作往往面向整個企業(yè)、跨部門進行。

(2) 數(shù)據(jù)不一致的問題。從各個操作型數(shù)據(jù)庫中抽取數(shù)據(jù)會存在數(shù)據(jù)不一致的問題，比如同名異義、異名同義、單位不統(tǒng)一、字長不一致等，因此在分析操作前必須首先對這些數(shù)據(jù)進行預處理。

(3) 歷史數(shù)據(jù)問題。分析型數(shù)據(jù)操作往往需要大量的歷史數(shù)據(jù)，但是操作型數(shù)據(jù)庫一般存放的是短期數(shù)據(jù)。

(4) 數(shù)據(jù)粒度問題。分析型數(shù)據(jù)操作往往關注的是綜合性數(shù)據(jù)，但是操作型數(shù)據(jù)庫中存放的是細節(jié)數(shù)據(jù)，如果在分析前對細節(jié)數(shù)據(jù)進行綜合，會嚴重影響分析的效率。

因此，為了克服以上問題，使兩種數(shù)據(jù)操作都能夠有效的進行，就產(chǎn)生了數(shù)據(jù)倉庫。