在大數據時代下，要實施有效的精準營銷、風險管控和經營分析，銀行不僅要知道客戶“做了什么”，而且要知悉“客戶為什么這么做”，“客戶的真實意向是什么”。因此，數據的全面性就顯得尤為重要，只有獲取全面的數據，才有可能從這些數據中解讀出最完整、最準確的信息。傳統銀行已經實現了大量客戶信息和交易數據的積累，可進一步豐富完善新型業務數據、行外征信數據等結構化數據。

數據倉庫不僅要具備數據挖掘、分析的能力，而且需要具備將這些數據挖掘、分析結果貫穿到業務流程中實際支持決策的能力。因此，未來的發展上，數據倉庫應能夠提升數據服務的時效性，可以基于對實時數據和歷史數據的分析，跨越核心業務數據平臺和數據倉庫平臺，形成兩個平臺之間的實時互動，指導業務操作。隨著銀行自助渠道的發展，非結構化數據也將逐步增大。據統計，至2012年，非結構化數據占有比例將達到互聯網整個數據量的80%左右。如果企業結合利用非結構化數據，將能大大擴展企業所掌握的信息和知識，效果可想而知。在這樣的發展形勢之下，對非結構化數據利用的處理需求也越來越多。對于數據倉庫，必須擴展其處理的數據范圍，至少可以支持基于結構化和非結構化兩類數據融合的數據分析。例如，通過解析從外界獲取的資訊信息（一般為非結構化數據），根據資訊信息的關鍵字分析，結合數據倉庫客戶特征的分析，將合適的資訊信息推薦給需要的目標客戶，為客戶提供更多的增值服務。