查询等；（4）由操作环境到数据仓库环境的ETL过程，包括数据源系统数据提取、转换、装载的规则。
业务元数据是通过业务角度描述了数据仓库数据的数据，它提供了介于使用者和底层数据之间的语义层，帮助不懂计算机技术的业务人员了解数据仓库中的数据所代表的业务含义[8]。业务元数据主要包括以下信息：（1）企业概念模型：企业概念模型是企业数据模型的高层信息、整个企业的业务概念和相互关系。通过企业概念模型，使得不懂数据库技术的业务人员能够对数据仓库中的数据有整体上的理解与认识。（2）多维数据模型：多为数据模型为业务分析人员提供数据集市中维度、度量值以及数据集市中的聚合规则等明细信息帮助业务分析人员了解数据仓库数据的适用范围和领域。（3）业务概念模型和物理数据之间的依赖：多维数据模型只是表示出了数据的业务视图，多维数据库中的表、字段、维、层次与数据仓库中的数据之间的对应关系也属于业务元数据的范畴。
2.3联机分析处理(OLAP)
随着信息化程度的提高，简单的数据库查询已经无法满足用户对查询分析的需求，1993年，关系数据库之父Edgar.F.Codd提出了联机分析处理(On-Line Analytical Processing,OLAP）的概念[9]。联机分析处理是数据仓库主要的前端支持工具，弥补了数据仓库在多维数据视图方面的许多不足。OLAP通过构造多维数据集分析数据，并可以提供对多维数据信息的快速客户端访问，使用户可以从多个不同的角度对数据仓库的信息进行方便的存取，联机分析处理将数据仓库中的数据组织成包含预先计算聚合数据的多维数据集，以便为复杂的分析查询提供快速解答。迄今为止承认度最高的对OLAP的定义是：联机分析处理是一类软件，通过分析人员、管理人员从多种角度对从原始数据中转化出来的数据进行快速、交互地抽取，能够被用户所理解，通过对企业数据更深入的分析了解，能真实反映企业经营状况信息。联机分析处理一般作为数据仓库系统的中间层，用户可以通过自己定义的多维数据视图对数据仓库信息进行统计分析处理。[10]
2.3.1OLAP的特征
OLAP的四个基本特征[11]：
1．快速性
为了满足用户快速获取数据分析的需求，OLAP需要在秒级的时间内完成大量的数据分析，可以通过专门的数据存储格式、大量的预运算等技术手段解决。
2．可分析性