现有研究指出财务数据仓库可以很好地解决财务分析决策的需求。数据仓库的构建过程就是数据规范化的过程。财务分析不仅会涉及企业财务信息,还会涉及到企业其它部门甚至企业外部的相关信息,而现有的财务数据是在传统价值法会计的框架下量化的,具有自身的缺陷,在数据仓库的构建过程中应该尽可能的克服这些缺点。这些都对财务数据仓库的数据规范化提出了更高的要求。　　 当前流行的数据仓库数据构建方法主要有需求驱动、数据驱动和综合两种驱动的方法等等,这些方法在财务数据仓库的构建过程中存在着不适用性。本文在分析这些方法的特点的基础上,指出本体驱动的方法更适合于财务数据仓库的构建。本体驱动的起点是领域本体模型,模型本身更具有稳定性;本体驱动下的数据保持了良好的层次特征,更有利于数据模型的理解与维护。　　 REA会计理论模型是事项法会计的延伸,具有更强的数据记录能力,克服了传统价值法会计的缺点,是财务数据仓库领域本体模型的较好选择。在本文中我们将本体驱动和REA模型结合起来,提出以本体驱动的REA模型作为财务数据仓库的数据模型,并对数据规范化方法进行介绍。　　 最后,我们将本体驱动的REA模型应用到某高校的财务数据仓库设计中,对该方法的有效性进行了验证。我们还介绍了一个面向分析决策的相对简单的数据集市的应用。