Kho dữ liệu (Data Warehousing) là kỹ thuật chính dùng thu thập và quản lý dữ liệu từ nhiều nguồn để đưa ra cái nhìn kinh doanh có ý nghĩa. Kho dữ liệu được thiết kế đặc biệt hỗ trợ quyết định quản trị.
Nói đơn giản, kho dữ liệu là cơ sở dữ liệu được duy trì độc lập từ CSDL vận hành của tổ chức. Hệ thống kho dữ liệu cho phép tích hợp nhiều hệ thống ứng dụng. Cung cấp xử lý dữ liệu bằng nền tảng vững chắc của thông tin lịch sử tổng hợp để phân tích.
Kho dữ liệu tổng quát và tập trung dữ liệu trong không gian đa chiều. Xây dựng kho dữ liệu bao gồm làm sạch dữ liệu, tích hợp dữ liệu, và chuyển đổi dữ liệu, coi là bước tiền xử lý quan trọng cho khai thác dữ liệu.
Nó cung cấp công cụ xử lý phân tích trực tuyến (OLAP) cho phân tích tương tác dữ liệu đa chiều ở nhiều mức độ chi tiết, tạo điều kiện tổng quát hóa dữ liệu và khai thác dữ liệu hiệu quả. Một số chức năng khai thác dữ liệu (liên kết, phân loại, dự đoán, cụm) có thể tích hợp với phép toán OLAP để xây dựng khai thác tri thức tương tác ở nhiều mức trừu tượng.
Có ba loại chính kho dữ liệu:
Kho Dữ Liệu Doanh Nghiệp (Enterprise Data Warehouse - EDW) − Kho dữ liệu tập trung. Dùng tổ chức và biểu diễn dữ liệu. Với EDW, người dùng phân loại dữ liệu dựa trên chủ đề.
Kho Dữ Liệu Vận Hành (Operational Data Store) − Kho dữ liệu được làm mới thời gian thực. Do đó, thường dùng cho hoạt động thường quy như lưu bản ghi.
Data Mart − Tập con của kho dữ liệu. Thiết kế cho bán hàng, tài chính, v.v.
Đặc Điểm Kho Dữ Liệu
Hướng Chủ Đề (Subject-oriented) − Kho dữ liệu tập trung mô hình hóa và phân tích thông tin cho người ra quyết định. Do đó, kho dữ liệu cung cấp view đơn giản, súc tích về vấn đề chủ đề cụ thể bằng cách loại bỏ thông tin không hữu ích cho hỗ trợ quyết định.
Tích Hợp (Integrated) − Vì kho dữ liệu thường xây bằng tích hợp nhiều nguồn dị chất (CSDL quan hệ, file phẳng, bản ghi giao dịch trực tuyến), kỹ thuật làm sạch và tích hợp dữ liệu cần dùng để đảm bảo nhất quán quy ước đặt tên, cơ chế mã hóa, thước đo thuộc tính, v.v.
Thay Đổi Theo Thời Gian (Time-variant) − Dữ liệu lưu để cung cấp góc nhìn lịch sử (ví dụ: 5-10 năm trước). Mỗi khóa chính trong kho dữ liệu bao gồm, ngầm hoặc rõ ràng, yếu tố thời gian.
Không Bay Hơi (Non-volatile) − Kho dữ liệu luôn là kho lưu trữ vật lý độc lập của dữ liệu chuyển đổi từ dữ liệu phần mềm trong môi trường vận hành. Nhờ sự tách biệt, kho dữ liệu không cần xử lý giao dịch, khôi phục, và cấu trúc kiểm soát đồng thời. Thường chỉ cần hai phép toán truy cập dữ liệu: nạp dữ liệu ban đầu và truy cập dữ liệu.