また、データウェアハウスを構築する際には、「ETL（Extract, Transform, Load）」と呼ばれるプロセスが不可欠です。社内の多様な業務システムからデータを抽出し（Extract）、フォーマットの変換やクレンジングを行い（Transform）、データウェアハウスにロード（Load）します。さらに、データウェアハウスの中から、特定の部門（営業部や財務部など）や、特定の目的に合わせて一部のデータだけを取り出して構築する、小規模なデータベースを「データマート」と呼び、実務ではこれらを組み合わせて運用します。
IT試験では、データウェアハウスの定義や、ビル・インモンが提唱した4つの特徴（サブジェクト指向、統合性、時系列性、非更新性）について問われます。特に、「データウェアハウスのデータは日常的に更新されるか？」といった誤った選択肢を排除できるように、「非更新（追加のみで、更新・削除はしない）」という特徴を強く意識しておくことが大切です。
また、関連するシステムやプロセスである「ETL」の役割や、データウェアハウスから特定の部門用にデータを切り出した「データマート」との違いを正しく理解しているかも問われます。さらに、蓄積されたデータを分析するための手法である「OLAP（多次元分析）」や、後述する「データマイニング」との位置付けの相違（DWHはデータを蓄積する場所、マイニングはそこから法則性を見つける技術）を整理しておく必要があります。
データウェアハウスの周辺知識としては、データを抽出・加工する「ETL」、データ分析を高速に行う「OLAP」、特定の目的に絞ってデータを格納する「データマート」、データから知見を発掘する「データマイニング」、さらに大規模なデータ群を指す「ビッグデータ」などがあり、これらはビジネスインテリジェンス（BI）の基盤をなす要素です。