Datawarehouse

Een datawarehouse is een database waarin data uit verscheidene operative systemen worden gedupliceerd om in dit gecombineerde gegevenspakhuis patronen te ontdekken en analyses uit te voeren.

[bewerk] Gebruik

Over het algemeen wordt een datawarehouse periodiek gevuld met nieuwe gegevens afkomstig uit operationele systemen, zoals bijvoorbeeld ERP-systemen. De informatie in het datawarehouse is dus niet actueel, en het systeem wordt dan ook niet voor operationele beslissingen gebruikt. Vaak worden de gevens in een datawarehouse gebruikt voor een strategische trendanalyse, bijvoorbeeld een analyse van alle omzetcijfers over de afgelopen periode(n).

[bewerk] Structuur

De gegevensoplag in het datawarehouse is anders georganiseerd als in een operatief system. De struktuur van de gegevensoplag is geoptimeerd voor het snel terugvinden of verwerken van de opgeslagen gegevens. De gegevens worden hiervoor eventueel redundant (meervoudig) opgeslagen. Dit in tegenstelling tot een operatief system, waar de gegevensopslag naar eenduidigheid geoptimaliseerd wordt.

Voor de structuur van de gegevensopslag worden hoofdzakelijk twee vormen gebruikt: sneewbal- of dimensionale structuur.

Bij de dimensionale structuur worden verschillende dimensies gebruikt in een feitentabel (fact table) en definiëren zo een N-dimensionele gegevenskubus (data cube). De dimensies worden gebruikt om het feit te localiseren in zijn ruimte. Veel gebruikte dimensies zijn tijd, geografische locatie, demografische gegevens, product en het type transactie (inkoop of verkoop). Men kan bevoorbeeld dus de verkoopgegevens van een bepaalde maand op een bepaalde bedrijfslocatie bekijken. De samenvoeging van de dimensies levert een of meer kwantitatieve groottes op, zoals waarde (bijvoorbeeld omzet) of een aantal.

De gebruikte dimensies kennen vaak een (onzuivere) hierarchische structuur. Een analyse levert een resultaat gemeten in hierarchische tredes van de gebruikte dimensies. Een voorbeeld is de regionale af- en omzet van een produktgroep vergeleken met de landelijke af- en omzet van dezelde produktgroep over de laatste drie jaar per maand. Men kan in dit voorbeeld dus in- en uitzoomen op de dimensie locatie.

Een probleem van dimensionale struktuur is de leegte (sparsety) in de gegevenskubus. In het genoemde analyse wordt niet elke seconde, aan elke kassa, alle producten van de productgroep, door alle afnemers/leveranciers een transactie doorgevoerd. De feitelijkse bezettingsgraad van de gevens-kubus is hierdoor extreem laag, bijna nul, hetgeen extreem lastig is voor kwantitatieve analyses met resultaten uitgedrukt op hogere hierarchische tredes. Daarom wordt naast het feit ook een hoeveelheit redundante gegevens mee opgeslagen: de niet veranderelijke hierarchische tredes. Naast bijvoorbeeld het tijdstip (met als kleinste oplossing (resolutie) de seconde), de minuut, het kwartier, het uur, de dag, de week, de maand en het kwartaal danwel jaar. De resolutie wordt bepaald door de doelstelling van het datawarehouse. Een datawarehouse voor de afzet van wasmiddelen stelt zo totaal andere eisen aan de resolutie als een datawarehouse voor kijk- en luisterdichtheit van televisie/radioreclame.

Vaak is een datawarehouse ingedeeld in kleinere delen, zogeheten datamarts.

[bewerk] Techniek

Voor de analyse wordt gebruikgemaakt van geautomatiseerde technieken, zoals datamining.