Étant donné la variété des tailles d`entrepôt de données, les environnements, la complexité et le but, il n`y a pas une architecture standard recommandée. Il y aura probablement deux, mais autant que quatre ou cinq modèles de données physiques à considérer: zone de mise en scène, magasin de données opérationnelles (ODS), entrepôt de données atomique (ADW), Data Mart et cube OLAP. En combinant des données provenant de diverses sources et en les mappant à un modèle de domaine personnalisé, la valeur de la réalisation des analyses sur cet ensemble de données combinés est considérablement augmentée. 1. Jack, Colin, et Colin Keillor. «Modèles de données sémantiques». Essai inédit. School of Computing, Napier University. 15 octobre 2006 . Résoudre les problèmes sémantiques avec les utilisateurs professionnels le modeleur sémantique doit explorer et capturer la nuance de chaque perspective et doit lutter pour travailler avec les utilisateurs de l`entreprise pour développer une convention de dénomination ou une syntaxe qui fournit la clarté. Toutes les perspectives sont représentées dans le modèle sémantique. Le partage de connaissances inter-domaines discuté ici ne doit pas seulement s`appliquer aux sites Web, mais aussi dans les bases de connaissances construites par des organisations. Les technologies Web sémantiques ne doivent pas être restreintes aux applications ou aux informations publiées sur le Web.

Ce modèle peut être documenté dans Excel ou Access-ou dans n`importe quel nombre de référentiels de métadonnées ou d`outils de modélisation plus sophistiqués pour se conformer aux normes d`entreprise. Tracer les éléments à leurs sources atomiques les éléments de données sémantiques sont faussement similaires aux entités et aux attributs que nous trouvons dans un modèle de données logique ou physique. Ce sont des choses comme «client», «produit», «limite de crédit», «ventes nettes», etc. Ce que le modélisateur sémantique doit toutefois aborder, est le contexte du terme-l`élément de données-et comment il se rapporte aux éléments de données tels qu`ils sont présents dans les magasins de données des systèmes informatiques. Par exemple, un client est-il un particulier-l`agent d`achat-ou une entreprise? Un client doit-il avoir effectivement acheté un produit, ou un client peut-il également être quelqu`un qui est sur le marché pour un produit (le)? Ce qui dans certains contextes pourrait être appelé un «prospect» pourrait être appelé un «client» dans d`autres. Un client est-il un grossiste ou le consommateur final est-il le client? Le client du grossiste a-t-il également appelé un client? On dit souvent que l`un des objectifs de la construction d`un entrepôt de données est d`avoir “une version de la vérité (majuscule T).” Bien que cela ait un bon anneau à elle, en réalité un projet d`entrepôt de données réussie exposera de nombreuses versions légitimes de la vérité (t minuscule), et alignera la sémantique des affaires et des données de sorte que chaque vérité est comprise dans son contexte individuel et dans son rapport à d`autres contextes. La création du modèle sémantique modélisation des données basée sur la technologie sémantique et les normes ouvertes est une approche habile à tous les processus de gestion des données-de l`intégration à l`analytique. Il applique des structures de connaissances qui sont facilement comprises par les gens d`affaires et permet de relier et contextualiser l`information.