自从数据仓库的概念出现以来，首先被应用于金融、保险、电信等传统的数据处理密集型的行业，随着工业以及科技竞争的加剧，数据仓库已经成为了营销以及推广市场的利器，更是一种通过了解客户需求而获取客户资源的重要途径。OLAP(OnlineAnalytical Processing)是面向特定问题联机数据访问和分析，它主要用于支持目标明确但比较复杂的查询分析操作[1]。目前数据仓库数据存储的实现主要有三种模式：一是单纯的关系数据库存储即ROLAP(Relational OLAP)；二是多维数据库存储即MOLAP(Multidimensional OLAP)；三是关系数据库和多维数据库的混合型存储[2]。第三种模式在国内已经开始广泛应用，但还存在存储效率低，访问权限难以控制等问题。基于以上背景，本文将从数据仓库的概念入手，通过对数据仓库理论及其相关技术的学习与理解，结合当前数据仓库的一般建模工具的实际情况，将数据仓库建模技术，数据建模优化技术，优化的主数据维护，优化的业务数据维护等主流技术充分应用在系统建设中，从而进一步提高和优化当前的数据建模工具，具体内容包括：首先，介绍数据仓库及其应用的有关概念，将具体从数据仓库的数据建模概念模型、逻辑模型和物理模型三大方面进行综合分析并辅助图解进行说明，本平台的数据建模是基于BW的数据仓库平台，不同于普通的二维数据库，本系统所完成建模工具更有利于用户进行多维度的查询和数据挖掘。其次，构建基于BW数据建模技术的平台，根据关键用户的建模习惯和建模方式进行分析和研究，从而优化普通BW数据建模的平台，优化用户体验以及优化用户所购建模型的性能，BW优化算法是根据动态建模的算法所设计的，从根本上解决了随着业务数据增大而导致数据查询速度变慢的问题。最后，详细介绍此系统的具体实现过程，包括系统物理实现、功能实现，及接口连接的实现过程。通过如上的设计和技术，本系统可以使得普通用户(无BW建模经验)顺利的进行数据建模，并且方便有效的维护主数据以及业务数据。本系统同时可以基于用户构建的模型以及数据量的大小来进行动态优化算法，使得系统建模后的性能大幅度提高，基于上述种种技术和理论，本系统具有较强的实用价值和理论意义。