Een datawarehouse slaat geïntegreerde data uit meerdere bronnen op voor analyse. Het is geen productiedatabase. Productiesystemen vormen de basis van de bedrijfsvoering. Het datawarehouse ondersteunt rapportage en besluitvorming. Data stroomt vanuit bronsystemen naar het datawarehouse via ETL- of ELT-pipelines. Het datawarehouse reinigt, transformeert en organiseert de data in een schema dat is geoptimaliseerd voor query's. Analisten en business intelligence-tools raadplegen het datawarehouse in plaats van de productiesystemen.

De architectuur scheidt de werklasten. Het uitvoeren van een zware analytische query op een productiedatabase vertraagt ​​de applicaties die klanten gebruiken. Het datawarehouse isoleert die belasting. Het integreert ook data. De bestellingen, supporttickets en webactiviteit van een klant bevinden zich in verschillende systemen. Het datawarehouse brengt ze samen. Dat uniforme overzicht is de bron van waardevolle inzichten. Traditionele datawarehouses draaiden op gespecialiseerde apparaten van Teradata, Oracle en IBM. Clouddatawarehouses zoals Snowflake, BigQuery en Redshift hebben de economische aspecten veranderd. Ze scheiden opslag van rekenkracht, schalen elastisch en factureren op basis van gebruik. De drempel om toe te treden is verlaagd. Kleinere bedrijven kunnen zich nu datawarehouse-functionaliteiten veroorloven die voorheen een grote kapitaalinvestering vereisten. De technologie is veranderd. Het doel is hetzelfde gebleven: geïntegreerde data opslaan voor analyse.

Kenmerken van een magazijn

• Vakgericht — georganiseerd rondom bedrijfsdomeinen
• Geïntegreerd — combineert gegevens uit meerdere bronnen.
• Tijdsvariant — bewaart historische gegevens
• Niet-vluchtig — gegevens worden geladen en gelezen, niet ter plaatse bijgewerkt.
• Geoptimaliseerd voor query's — indexen, partities, kolomopslag

Een datawarehouse is een bibliotheek. Bronsystemen zijn de auteurs. Analisten zijn de lezers. Het datawarehouse organiseert de collectie.