数据仓库是一个战略集合，为各级决策过程提供各种数据支持。它是为分析报告和决策支持目的而创建的单个数据存储。由于要获取所有的数据，必然涉及到多系统、多类型数据库的对接问题，以及数据的提取和整理问题。
此时，etl工具的功能体现在数据提取、转换和加载的过程中，直至用于人们的分析。etl是数据抽取、转换和加载的过程。
在某些地方，可以先在转换中选择和加载elt。对于日志仓库，etl首先要考虑业务需求，最后数据登陆模型要体现一定的主题。
一般来说，数据仓库就像一个大的池。水池的供水需要水泵和水管，etl负责水泵和水管的功能。
没有流程管理。当表被锁定时，不容易找出原因，无法终止进程，无法控制最大进程数。
2.数据抽取不能自动分包，也没有像abap这样高效的查询语句，比如selectfrom。。所有入口都在。。大数据处理速度很慢，大量数据的日常处理无法完成。
3.无法自动处理指定字段的增量。
4.无法调试，调试将不提取数据。
5.在计划处理链中指定命令非常麻烦。没有接口操作。处理链中有错误。无法继续运行或跳过处理。
6.无法记录每个处理详细信息并记录处理时间。
7.无法共享字段。字段不关联本位币单位，没有基础资料字段的概念。
8.没有包处理的概念，没有日志处理。
9.没有版本控制，联机不是传输。
10.另外，没有外部发布ws、odata接口函数
更不用说报表函数，权限控制功能不强，底层数据库也不是多维信息立方体结构，字段也不区分指标和特征。。。。。
