OLAP：聯機分析處理
OLAP是E.F.Codd于1993年提出的。
OLAP是一種軟件技術，他使分析人員可以迅速、一致、交互地從各個方面觀察信息，以達到深入理解數據的目的，這些信息是從原始數據直接轉換過來的，他們以用戶easy理解的方式反映企業的真實情況。
OLAP大部分策略都是將關系型的或普通的數據進行多維數據存貯，以便于進行分析，從而達到聯機分析處理的目的。這樣的多維DB也被看作一個超立方體，沿著各個維方向存貯數據，它同意用戶沿事物的軸線方便地分析數據，與主流業務型用戶相關的分析形式一般有切片和切塊以及下鉆、挖掘等操作。
DataMart：
數據集市
為了特定的應用目的或應用范圍，而從
數據倉庫中獨立出來的一部分數據，也可稱為部門數據或主題數據。在數據倉庫的實施過程中往往能夠從一個部門的數據集市著手，以后再用幾個數據集市組成一個完整的數據倉庫。須要注意的就是再實施不同的數據集市時，同一含義的字段定義一定要相容，這樣再以后實施數據倉庫時才不會造成大麻煩。
Data Mining：數據挖掘?
與數據挖掘類似的有一個術語叫做”機器學習“，這兩個術語在本質上的區別不大，如果在書店分別購買兩本講數據挖掘和機器學習的書籍，書中大部分內容都是互相重復的。具體來說，小的區別如下：
機器學習：更側重于技術方面和各種算法，一般提到機器學習就會想到語音識別，圖像視頻識別，機器翻譯，無人駕駛等等各種其他的模式識別，甚至于谷歌大腦等AI，這些東西的一個共同點就是極其復雜的算法，所以說機器學習的核心就是各種精妙的算法。
數據挖掘：更偏向于“數據”而非算法，而且包括了很多數據的前期處理，用爬蟲爬取數據，然后做數據的清洗，數據的整合，數據有效性檢測，
數據可視化(畫圖)等等，最后才是用一些統計的或者機器學習的算法來抽取某些有用的“知識”。前期數據處理的工作比較多。
ETL
ETL各自是“Extract”、“ Transform” 、“Load”三個單詞的首字母縮寫也就是“抽取”、“轉換”、“裝載”，但我們日常往往簡稱其為數據抽取。ETL是
BI/DW（商務智能/數據倉庫）的核心和靈魂，依照統一的規則集成并提高數據的價值，是負責完畢數據從數據源向目標數據倉庫轉化的過程，是實施數據倉庫的重要步驟。
MetaData：元數據
元數據是描寫敘述數據倉庫內數據的結構和建立方法的數據。可將其按用途的不同分為兩類，技術元數據和商業元數據。技術元數據是數據倉庫的設計和管理人員用于開發和日常管理數據倉庫是用的數據。包含：數據源信息；數據轉換的描寫敘述；數據倉庫內對象和數據結構的定義；數據清理和數據更新時用的規則；源數據到目的數據的映射；用戶訪問權限，數據備份歷史記錄，數據導入歷史記錄，信息公布歷史記錄等。
商業元數據從商業業務的角度描寫敘述了數據倉庫中的數據。包括：業務主題的描寫敘述，包括的數據、查詢、報表；
元數據為訪問數據倉庫提供了一個信息文件夾（informationdirectory），這個文件夾全面描寫敘述了數據倉庫中都有什么數據、這些數據怎么得到的、和怎么訪問這些數據。是數據倉庫執行和維護的中心，數據倉庫server利用他來存貯和更新數據，用戶通過他來了解和訪問數據。
（部分內容來源網絡，如有侵權請聯系刪除）
