在許多行業中，成功企業都是那些能運用客戶與商業數據來支持實時決策的公司。分析數據所獲得的洞見是商業智能的基礎，而商業智能則是競爭力的來源。
以金融及保險服務業為例，其將歷史性與外部數據整合在一起，能立即評估出客戶的終生價值；無線通訊業，則運用詳細的客戶通話紀錄，來評估新的計費方案；零售業使用客戶與存貨數據，達到更有效的行銷、交叉銷售，且讓貨架上擺滿客戶所要的貨品。這類相關的例子可以說是不勝枚舉。
近來，因為存儲設備成本降低，企業開始考慮永久儲存其所有數據，認為深度的歷史數據，在時機來臨時，可產生前所未有的商業智能與其它益處。
但如果企業未仔細思考數據儲存容量的選擇，將可能導致系統運算效能降低，進而影響實時決策的制定以及策略方案的推行。然而，策略行動也許會失敗，其原因可能是決策不夠實時，或是管理階層錯認為自己對外部挑戰與公司的能力有完整的了解。既使策略行動勉強持續，往往需要花費眾多人力，來調整容量不適合公司商業需求的系統，這樣不僅成本高昂也會令人感到挫敗。
錯以每個Megabyte的成本為重心
由于詳細通聯記錄、交易數據與網絡點選流等數據的快速增加，企業的數據每8個月就增加一倍。可想而知，采用數據倉庫的企業會以每Megabyte的成本作為比較標準，選擇成本最低的數據儲存系統。廠商也提供超高容量的硬盤，滿足企業日漸增加的數據需求，進一步刺激了此方式的發展。
但是，如果I/O的速度固定----I/O速度的增加不像儲存容量提升一樣快，增加硬盤的容量，只會讓極需實時決策的企業難以快速存取數據。在這樣的情況下，選擇大容量所節省的成本則失去其意義，因為花了數百萬美元的新系統無法快速存取數據，便無法達到原有的功效。
當然，除了磁盤容量之外，企業還有其它方式來解決效能的問題，例如分割、壓縮、先后順序排程、查詢最佳化與進階索引（advancedindexing）等，都能提供有效的協助。但若能搭配符合企業策略目標、運算能力與數據溫度的儲存功能，上述技術便能發揮更大的效力。
多重溫度的數據倉儲
要了解數據倉庫的儲存需求，必須先了解多溫度數據倉庫的概念。幾乎在所有數據倉庫系統中，數據具有不同的溫度。溫度高的數據是最近、最常用的數據，同時擁有許多使用者及應用程序進行存取多種應用。
隨著需求降低，數據的溫度也降低。溫度較低的數據是歷史數據，占據的數據倉庫容量比較熱的數據還大。但溫度低的數據偶爾會回溫。例如，健康保險公司也許需要產生好幾年的紀錄，證實公司如何保護病人的隱私。
考量數據溫度的容量規劃
在了解多重溫度數據后，企業可以進行容量的規劃，其中要測量的項目包含：數據的匯總溫度、系統容量、系統效能的需求與能力。此規劃過程需要商業與IT專業人員緊密合作，確保IT人員了解各種數據日后可能的使用方式。
第一步是依據數據的存取頻率與大小，將數據分類。企業一開始可將數據分類為主要策略數據、目前決策支持數據或歷史性決策支持數據，最后再決定各類別的數據溫度（測量數據溫度的公式也包含了數據查詢、更新與維護的效能需求）。
接下來，企業必須決定各類別數據的容量與效能需求，進而決定系統的需求。若采用較小的數據倉庫來儲存溫度高的數據，目標則是兼顧成本與效能，讓系統能提供支持重要決策的實時商業智能。大多數的企業會采用目前市場上最小的磁盤（如36GB,15KRPMdisks）與RAID-1備份系統。
相對地，如果大部分儲存溫度低數據的數據倉庫，就比較不需要高效能，企業可以選擇更高的單位容量（如73GB或146GB磁盤）。也有些數據倉庫所儲存的數據在溫度上較平均，但不論是何種情形，在選擇磁盤容量大小時，必須先測量各類數據的溫度，并且找到一個匯總溫度。
做個有數據智能的人
總而言之，數據倉庫所含的數據，其價值在于其可支持決策的功能，特別是現今商業環境中重要的實時決策。商業與技術的合作，再加上了解多重溫度數據倉庫的概念，是數據倉庫是否能發揮應有功效的關鍵所在。
沈陽數據恢復 
