Un almacén de datos almacena información integrada de múltiples fuentes para su análisis. No es una base de datos de producción. Los sistemas de producción gestionan el negocio. El almacén facilita la elaboración de informes y la toma de decisiones. Los datos fluyen desde los sistemas de origen hacia el almacén mediante procesos ETL o ELT. El almacén limpia, transforma y organiza los datos en un esquema optimizado para consultas. Los analistas y las herramientas de inteligencia empresarial consultan el almacén en lugar de los sistemas de producción.

La arquitectura separa las cargas de trabajo. Ejecutar una consulta analítica pesada en una base de datos de producción ralentiza las aplicaciones que usan los clientes. El almacén aísla esa carga. También integra los datos. Los pedidos, los tickets de soporte y la actividad web de un cliente residen en diferentes sistemas. El almacén los reúne. Esa vista unificada es de donde surge la información valiosa. Los almacenes tradicionales funcionaban con dispositivos especializados de Teradata, Oracle e IBM. Los almacenes en la nube como Snowflake, BigQuery y Redshift cambiaron la economía. Separan el almacenamiento del procesamiento, escalan elásticamente y cobran por uso. La barrera de entrada se redujo. Las empresas más pequeñas ahora pueden permitirse capacidades de almacén que antes requerían una gran inversión de capital. La tecnología cambió. El propósito no: almacenar datos integrados para su análisis.

Características del almacén

• Orientado a temas específicos: organizado en torno a dominios empresariales.
• Integrado: combina datos de múltiples fuentes.
• Variable en el tiempo: conserva datos históricos.
• No volátil: los datos se cargan y se leen, no se actualizan in situ.
• Optimizado para consultas: índices, particiones, almacenamiento columnar.

Un almacén es una biblioteca. Los sistemas fuente son los autores. Los analistas son los lectores. El almacén organiza la colección.