元数据是数据仓库的核心，其用于存储数据模型和定义数据结构、转换规划、仓库结构、控制信息等。数据仓库管理包括对数据的安全、归档、备份、维护以及恢复等工作，这些工作需要通过数据参考管理学系统来完成。

数据仓库由定义部件、数据获取部件、管理部件、目录部件、数据库管理系统（DBMS）部件五部分构成。

定义部件用于定义和建立数据仓库系统。其包含：设计和定义数据仓库的数据库；定义数据来源；确定从源数据向数据仓库复制数据时的清理和增强规则。

数据获取部件将数据从源数据中提取出来，依定义部件的规则，抽取、转化和装载数据进入数据仓库。

管理部件用于管理数据仓库的工作，包括：对数据仓库中数据的管理；将仓库数据取出给分布的决策支持系统处理；对仓库数据的安全、归档、更新、备份、恢复等处理任务。

数据仓库的目录数据是元数据，由3部分构成。①技术目录：由定义部件生成，是关于数据源、目标、清理规则、变换规则以及数据源和仓库之间的映像信息。②业务目录：由仓库管理员生成，是关于仓库数据的来源和当前值，预定义的查询和报表细节，合法性要求等。③信息引导器：使用户容易访问数据仓库中的数据，如查询和引导功能，利用固定查询或者建立新的查询，生成暂时的或永久的仓库数据集合的能力等。该部件是影响数据仓库使用能力的关键因素。

数据仓库的存储形式仍为关系型数据库，因此需要利用数据库管理系统部件。由于数据仓库含有大量的数据，因此要求数据库管理系统产品提供高速和高效的性能。

由于数据仓库的数据量大，因此必须有一套功能很强的分析工具集来实现从数据仓库中提供辅助决策的信息，以完成决策支持系统的各种要求。

数据仓库的查询不是指对记录级数据的查询，二手指对分析要求的查询。常用的工具有可视化工具和多维分析工具两类。可视化工具以图形化方式来展示数据，可以帮助了解数据的结构、关系和动态性。多维分析工具通过对信息的多种可能的观察形式进行快速、一致和交互性的存取，方便用户对数据进行深入的分析和观察。

从大量数据中挖掘出潜在的规律、知识等，这需要应用或开发出数据挖掘的工具。