首先，定義三個概念：數據庫軟件、數據庫、數據倉庫。
數據庫軟件：是一種軟件，可以看得見，可以操作。用來實現數據庫邏輯功能。屬于物理層。
數據庫：是一種邏輯概念，用來存放數據的倉庫。通過數據庫軟件來實現。數據庫由很多表組成，表是二維的，一張表里可以有很多字段。字段一字排開，對應的數據就一行一行寫入表中。數據庫的美，在于能夠用二維表現多維關系。目前市面上流行的數據庫都是二維數據庫。如：Oracle、DB2、MySQL、Sybase、MS SQL Server等。
數據倉庫：是數據庫概念的升級。從邏輯上理解，數據庫和數據倉庫沒有區別，都是通過數據庫軟件實現的存放數據的地方，只不過從數據量來說，數據倉庫要比數據庫更龐大得多。數據倉庫主要用于數據挖掘和數據分析。
接下來，就是詳細說明了。在IT的架構體系中，數據庫是必須存在的。必須要有地方存放數據。比如現在的網購，淘寶，京東等等。物品的存貨數量，貨品的價格，用戶的賬戶余額之類的。這些數據都是存放在后臺數據庫中。或者最簡單理解，我們現在微博，QQ等賬戶的用戶名和密碼。在后臺數據庫必然有一張user表，字段起碼有兩個，即用戶名和密碼，然后我們的數據就一行一行的存在表上面。當我們登錄的時候，我們填寫了用戶名和密碼，這些數據就會被傳回到后臺去，去跟表上面的數據匹配，匹配成功了，你就能登錄了。匹配不成功就會報錯說密碼錯誤或者沒有此用戶名等。這個就是數據庫，數據庫在生產環境就是用來干活的。凡是跟業務應用掛鉤的，我們都使用數據庫。
而數據倉庫則是BI下的其中一種技術。由于數據庫是跟業務應用掛鉤的，所以一個數據庫不可能裝下一家公司的所有數據。數據庫的表設計往往是針對某一個應用進行設計的。比如剛才那個登錄的功能，這張user表上就只有這兩個字段，沒有別的字段了。但是這張表符合應用，沒有問題。但是這張表不符合分析。比如我想知道在哪個時間段，用戶登錄的量最多？哪個用戶一年購物最多？諸如此類的指標。那就要重新設計數據庫的表結構了。對于數據分析和數據挖掘，我們引入數據倉庫概念。數據倉庫的表結構是依照分析需求，分析維度，分析指標進行設計的。數據倉庫的數據來源于那些后臺持續不停運作的數據庫表。數據的搬運就牽涉到另一個技術叫ETL。這個過程就是數據從一個數據庫到了數據倉庫
