Et datalager er et centralt arkiv, der konsoliderer data fra en organisations driftssystemer i en struktur designet til analyse snarere end til transaktionsbehandling. Data udtrækkes fra kildesystemer, transformeres til ensartede formater og definitioner og indlæses i lageret, hvor de kan forespørges på tværs af kilder uden at påvirke de systemer, der producerede dem.
Problemet, den adresserer, er fragmentering. En organisations information findes typisk på en handelsplatform, et kunderelationssystem, en finanspakke, marketingværktøjer, supportsoftware og adskillige regneark, hver med sine egne definitioner, identifikatorer og historik. Spørgsmål, der spænder over mere end ét af disse, kan ikke besvares uden manuel afstemning, hvilket er grunden til, at analyser, der burde tage minutter, tager dage, og hvorfor forskellige afdelinger producerer forskellige tal for den samme måling.
Den anden grund er at adskille analytiske arbejdsbyrder fra operationelle arbejdsbyrder, og det er en praktisk nødvendighed snarere end en præference. Komplekse analytiske forespørgsler, der køres mod produktionsdatabaser, forringer ydeevnen af de systemer, som kunder og medarbejdere er afhængige af, og operationelle skemaer er optimeret til registrering af transaktioner snarere end til aggregering på tværs af dem. Et lager tillader uhindret analyse uden operationel risiko.
Forskellen fra en datasø vedrører struktur og timing. Et lager pålægger skemaer og transformationer før indlæsning, hvilket producerer konsistente, forespørgselsklare data på bekostning af forudgående designarbejde og reduceret fleksibilitet. En sø lagrer rådata i deres oprindelige form og anvender struktur, når de læses, hvilket bevarer fleksibilitet og detaljer, samtidig med at fortolkningsbyrden lægges på hver forbruger. Moderne arkitekturer kombinerer i stigende grad begge dele ved at lagre rådata og bygge modellerede lag ovenpå.
Modellering er der, hvor det meste af værdien og det meste af vanskeligheden ligger. At bestemme, hvordan forretningsenheder defineres, hvordan målinger beregnes, hvordan langsomt skiftende attributter håndteres, og hvordan kilder afstemmes, koder organisationens forståelse af sig selv. Lagre, der replikerer kildesystemstrukturer uden dette arbejde, flytter blot fragmenteringen, og afstemningsproblemet opstår igen ved forespørgselstidspunktet.
Definitionsstyring er vigtigere end teknologi. Et lager, der indeholder tre omsætningsberegninger eller to definitioner af en aktiv kunde, skaber uenighed med større effektivitet end de systemer, det erstattede. At blive enige om definitioner, dokumentere dem, implementere hver enkelt én gang og kræve, at rapporter bruger den aftalte version, er det, der gør en enkelt kilde til sandhed virkelig snarere end ambitiøs.
Opdateringsfrekvens er en designbeslutning, der ofte træffes som standard og derefter fortrydes. Kontinuerlig indlæsning af data er teknisk muligt og sjældent nødvendigt, da de fleste forretningsbeslutninger træffes i daglige eller ugentlige rytmer, og omkostningerne ved næsten realtidsbehandling er betydelige. Ved at matche opdateringsfrekvensen med, hvordan dataene rent faktisk bruges, snarere end hvor aktuelle de teoretisk set kunne være, undgår man at betale for valuta, som ingen handler ud fra.
Med cloudplatforme har omkostningerne ændret form snarere end at være forsvundet. Lagerplads er billig, og beregningsomkostningerne opkræves efter forbrug, hvilket fjerner den store startinvestering og introducerer en variabel omkostning, der skaleres med forespørgselsvolumen. Dårligt skrevne forespørgsler, unødvendig opdateringsfrekvens og dashboards, der genberegner store aggregater på hver visning, kan føre til regninger, der overrasker organisationer, der forventer, at cloudøkonomi er ensartet billigere.
Fordi arbejdet spænder over ingeniørarbejde, modellering og organisatorisk enighed om definitioner, fejler det oftere på sidstnævnte af disse end på teknologien. I praksis ligger modelleringen og definitionsstyringen bag. dataanalyse, rørledningerne og infrastrukturen med produktudvikling eller Det afdeling, og omfanget fastsættes normalt bedst af de beslutninger, organisationen rent faktisk skal træffe, snarere end af en ambition om at konsolidere alt.