데이터 웨어하우스는 분석을 위해 여러 소스에서 통합된 데이터를 저장하는 곳입니다. 이는 운영 데이터베이스가 아닙니다. 운영 시스템은 비즈니스 운영을 담당합니다. 데이터 웨어하우스는 보고 및 의사 결정을 지원합니다. 데이터는 ETL 또는 ELT 파이프라인을 통해 소스 시스템에서 웨어하우스로 흐릅니다. 웨어하우스는 데이터를 정제, 변환 및 구성하여 쿼리에 최적화된 스키마로 만듭니다. 분석가와 비즈니스 인텔리전스 도구는 운영 시스템 대신 데이터 웨어하우스를 쿼리합니다.

아키텍처는 워크로드를 분리합니다. 운영 데이터베이스에서 부하가 큰 분석 쿼리를 실행하면 고객이 사용하는 애플리케이션 속도가 저하됩니다. 데이터 웨어하우스는 이러한 부하를 격리합니다. 또한 데이터를 통합합니다. 고객 주문, 지원 티켓, 웹 활동 데이터는 서로 다른 시스템에 저장되어 있습니다. 데이터 웨어하우스는 이러한 데이터를 통합합니다. 이렇게 통합된 데이터에서 인사이트를 도출할 수 있습니다. 기존 데이터 웨어하우스는 Teradata, Oracle, IBM 등의 특수 어플라이언스에서 운영되었습니다. Snowflake, BigQuery, Redshift와 같은 클라우드 데이터 웨어하우스는 경제성을 혁신적으로 변화시켰습니다. 이러한 클라우드 웨어하우스는 스토리지와 컴퓨팅을 분리하고, 탄력적으로 확장하며, 사용량 기반으로 요금을 부과합니다. 진입 장벽이 낮아지면서, 과거에는 막대한 자본 투자가 필요했던 데이터 웨어하우스 기능을 이제 소규모 기업도 이용할 수 있게 되었습니다. 기술은 변했지만, 목적은 변하지 않았습니다. 바로 분석을 위해 통합된 데이터를 저장하는 것입니다.

창고 특성

• 주제 중심적 — 비즈니스 영역을 중심으로 구성됨
• 통합 — 여러 소스의 데이터를 결합합니다.
• 시간 가변적 — 과거 데이터를 유지합니다.
• 비휘발성 — 데이터는 로드 및 읽기만 가능하며, 제자리에서 업데이트되지 않습니다.
• 쿼리 최적화 - 인덱스, 파티션, 컬럼형 스토리지

데이터 저장소는 도서관과 같습니다. 소스 시스템은 저자이고, 분석가는 독자입니다. 데이터 저장소는 컬렉션을 정리합니다.