ETL為數據倉庫服務，數據倉庫用于數據分析，數據分析屬于BI系統的要干的事兒。
一般中/小型ERP系統都會有不成熟的BI系統，為啥叫做不成熟？
因為它們或者有報表分析功能，但不具有OLAP(在線分析)，或者有OLAP，但卻沒有數據挖掘和深度分析。或者干脆，來個大集成，直接利用第三方工具來達到相應的目的。
為什么會這樣，究其原因，很多情況是因為沒有自主的數據倉庫，沒有數據倉庫，其它的做起來也就有些四不象了。而要建立數據倉庫，首要的是：ETL。
于是，需求就應運而生了。
對了，BI是什么？OLAP是啥？什么又是數據挖掘？鑒于我只能解釋其表面含義，我就不多說了。各位不妨找本數據倉庫的書，翻翻前幾頁，一般就明白了。或者Google一把。
我們撿當下最流行的BI應用：OLAP來說說它與ETL的關系。
了解OLAP的人都知道，它的分析模型由事實表和維表組成。但往往OLTP系統中的數據庫是為事務而建，而并不為分析而建，而為了BI去改動OLTP數據庫是不現實，并且，很多情況下也基本上是不可能的(當然，有些公司把不可能的任務變成可能的，但這顯然是一種很僵硬的做法)。
這時候，ETL的作用就顯出來了，它可以為OLAP服務，按業務主題提取分析模型進行數據抽取。
聯機分析處理（OLAP）
：聯機事務處理OLTP（On-Line Transaction Processing）、聯機分析處理OLAP（On-Line Analytical Processing）。
OLTP是傳統的關系型數據庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數據倉庫系統的主要應用，支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。 OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、交互地存取，從而獲得對數據的更深入了解的一類軟件技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求，它的技術核心是"維"這個概念。 (OLAP分析需要什么樣的數據支持？可以參看一下OLAP的星型模型)。
{
天面試有一個問題是：星型模型與雪花模型的比較，何時用星型模型，何時需要用雪花模型 星型模式：是一種使用關系數據庫實現多維分析空間的模式，用星型模型可以通過關系數據庫來模擬OLAP模式。 使用關系數據庫+星型模型能夠優化存儲并且保持數據結構的靈活性。
OLAP多維數據模型對數據做預先計算，建成多維數據立方體，它需要很大的內存以存儲所有事實。無論是稠密緯合適稀疏維，無論數據塊否包含事實，都必須要預留單元。星型模式的基本思想就是保持立方體的多維功能，同時也增加了小規模數據存儲的靈活性。
雪花模式
有時候，需要對星型模式的維度需要進行規范化，這時，星型模式就演進為雪花模式。
原因是基本的星型模式并不能滿足數據挖掘的所有需要。
（1）我們需要更復雜的維度，例如時間。分析員希望根據周、月、季度等識別模式。
（2）維度必須進行規范化。我們不需要冗余的維度表，這只會使數據切片變得更加復雜。這種過程中我們得到的模式被稱為雪花模式。
（3）另外一個原因需要把星型模型變成雪花模型：就是當存在多對多的關聯時，無法在關系數據庫中實現，需要使用雪花模式。雪花模式中可以存在切片，切塊。
}
再說說數據挖掘：
這個課題實在太大，相關的書藉有很多很多，我還得花時間慢慢去學習。簡單的說，這涉及ERP業務和統計學的知識。現在我暫時還沒開始相關學習，但它與ETL的關系卻很明顯。因為數據挖掘所要求的數據大都是高聚合的已處理的數據，所以，不管從獲取難度和效率上來說，都不適合直接從OLTP中獲取。
同樣，需要ETL來幫忙。
因此，按本人粗淺的理解：
ETL實在是： BI系統 設計開發，項目實施 之必備良藥！
有句名言講得好：成為巨人不如站在巨人的肩膀上。
如果想對ETL有詳盡的了解，不妨先了解一下現有流行的ETL工具。