数据仓库的建设是为了能支持决策分析。数据质量是数据仓库项目的生命线所在，也关系到数据分析、数据挖掘的质量。在进行决策分析或数据挖掘时，需要全面、正确地集成数据，这些集成的数据不仅包含企业内部各部门的有关数据，而且还要包含企业外部、甚至竞争对手的相关数据。数据仓库的数据集成是解决海量的、异构、多源的、分布式数据集成问题。解决这一问题，ETL(数据抽取、转换、装载)则是主要的一个技术。本文中我们研究了数据仓库的ETL技术。目的是为了提高数据集成的质量，丰富数据挖掘及数据分析。提出了基于语义元数据自动转换的思想和算法，建立了语义元数据模型，提出元数据语义化的规则。首先，根据数据多源的、异构的、分布式存储的特点，建立标准化、规范化的数据接口，以利于数据的集成。通过对源数据进行标准化、规范化处理，构建数据仓库，实现信息的可视化和深度应用；使主动拉取过来的数据是“可读”的。在这一层对异构问题进行削弱；其次，开发了多线程的抽取、校验守护程序。实现主动从外部“拉取”，而不是从内部“推送”。系统获取需处理文件列表后，会启动多个线程对需处理文件依次处理，相应地对数据文件进行抽取及校验的处理；第三，提出了将元数据语义化的思想和方法，不断完善语义元数据模型。第四，提出了基于语义元数据的自动转换的思想和算法。基于本体论思想，面向数据仓库应用，并借鉴本体在AI等信息系统领域的成功经验来研究基于语义元数据的数据转换，提高数据集成的质量，对获取规范、可靠的知识也有着重要的理论意义和实用价值。最后，我们根据电信领域数据仓库的建设，建立了数据仓库的原型系统，将客户资料用于基于语义元数据的自动转换，实践证明语义元数据应用于转换是切实有效可行的。并且对研究在线的、探测式的数据挖掘，提供更加灵活、准确的数据准备。丰富数据挖掘功能。