对于ETL而言，”是什么”是很容易理解的，也就是将分散的、不易利用的数据进行整理，变成规则清晰的、易于利用的、（可能同时还是）集中的数据。在ETL过程之外，就可以基于报表分析系统、多维分析系统和数据挖掘系统等，进行进一步的数据分析利用。 这一过程可以通过Hard Codding，即编写程序实现，也可以通过各种ETL工具实现。 对于ETL，实际常见的问题有两个： 1、为什么要做ETL，而不是直接利用数据？

OLAP报表产品最大的难点在哪里？ 目前报表工具最大的难点不在于报表的样式（如斜线等），样式虽较繁琐但并非本质困难。最根本的难点在于业务部门知道报表代表的真正含义，却不知道报表的数据统计模型模型；而IT部门通过理解业务部门的描述，在数据库端进行设置数据统计模型，却对报表本身所代表的价值很难理解。 这样的现状，导致报表工具无法两者兼顾，OLAP报表工具产品一直在数据模型设计层面（OLAP层面）和报表本身功能层面做出平衡。

不好意思，刚才跑题了，还说女同胞的通话行为特点分析，为什么我们不能分析出女同胞的通话特点呢？如果放到营帐系统里去，要看看男同胞和女同胞通话行为差异，就比如联系人个数、电话频率、平均单次时长，还有短信/通话次数比例吧，就要把用户资料和详单、帐单关联起来进行查询，顺便做一些汇总计算，这个查询说起来容易，可实际做起来，可要些上一大段SQL，扔到营帐库里面去跑上一天半日，没准还要十天半月，如果运气不好还能把营帐搞趴下。看来一个简单的市场分析需求都这么困难，所以说来说去，我们还是需要建立经营分析系统，有了经营分析系统，这些复杂的关联计算在后台就已经做完了，也不用写SQL了，直接拿工具拖拖拉拉就搞出来，也不用等那么久了，一个查询分析分秒之间就搞定了，还能够自由自在地改变条件，舒舒服服地研究数据，真是我们IT部门和市场部门的好帮手啊。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供给商资料来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。