1.在業務系統和數據倉庫之間形成壹個隔離層。
壹般的數據倉庫應用系統都有非常復雜的數據源，這些數據源存儲在不同的地理位置、不同的數據庫和不同的應用程序中。從這些業務系統中提取數據並不是壹件容易的事情。因此，使用ODS存儲直接從業務系統中提取的數據，在數據結構和數據之間的邏輯關系上與業務系統基本壹致，因此在提取過程中大大降低了數據轉換的復雜度，主要關心的是數據提取的接口、數據的大小和提取方法。
2.轉移查詢部分業務系統明細的功能。
在數據倉庫建立之前，大量的報表和分析是由業務系統直接支撐的，在生成壹些復雜報表的過程中，給業務系統的運行帶來了相當大的壓力。ODS的數據與業務系統在粒度、組織等方面是壹致的，所以原本由業務系統生成的報表和明細數據的查詢自然可以從ODS進行，減輕了業務系統的查詢壓力。
3.完成壹些在數據倉庫中無法完成的功能。
壹般來說，在使用ODS的數據倉庫架構中，對存儲在DW層的數據進行匯總，並不存儲每筆交易產生的詳細數據。但在壹些特殊的應用中，可能需要查詢交易的明細數據，所以需要將明細數據查詢功能轉移到ODS，ODS的數據模型以面向主題的方式存儲，可以方便地支持多維分析等查詢功能。
在沒有ODS層的數據倉庫應用系統架構中，數據倉庫存儲數據的粒度是根據需要確定的，但壹般來說，最詳細的業務數據也需要保留，實際上相當於ODS。但與ODS不同，此時的詳細數據不是“當前的、不斷變化的”數據，而是“歷史的、不變的”數據。