El mundo de los Decision Suport Systems en adelante DSS ha creado varias arquitecturas de información. La más notable de las estructuras DSS es el Data warehouse. El Data warehouse contiene datos históricos que son comunes en toda la organización, la información puede estar sumarizada y/o detallada.

Los datos que alimentan los sistemas de Data warehouse los proporcionan los sistemas operacionales, también denominados sistemas de ejecución de procesos de negocios. El Data warehouse casi siempre es un sistema de datos guardados físicamente en estructuras separadas, los datos son transformados a partir de los datos proporcionados por los sistemas operacionales.

El potencial de la explotación de los datos (Data Mining) puede realzarse si de manera apropiada los datos son recolectados y guardados en un almacén o depósito de datos (Data warehouse). Un almacén de datos o Data warehouse es un sistema de gestión de bases de datos relacional diseñado específicamente para ofrecer las necesidades de los sistemas de análisis de la información. Se trata de una nueva técnica que posibilita la extracción de datos de los sistemas operacionales. También facilita la integración y homogeneización de los datos de toda la empresa. En otras palabras el almacén de datos provee datos que ya han sido transformados y sumarizados, por lo tanto crea el entorno apropiado para un uso más eficiente de las herramientas DSS y EIS.

La primera fase en el diseño de un sistema de almacén de datos consiste en aislar el actual sistema de información operacional, para preservar la seguridad y la integridad de las aplicaciones de misión críticas de OLTP. La base de datos resultante o almacén de datos puede consumir cientos de gigabytes o incluso de terabytes de espacio en disco. Existen técnicas para guardar y obtener grandes cantidades de información. Empresas con volúmenes de información enormes pueden requerir el uso de sistemas de procesamiento en paralelo para así obtener el ancho de banda suficiente.

Los procesos de transformación y movimiento de los datos pueden ejecutarse en cualquier momento cada vez que se necesite actualizar el almacén de datos mediante funciones especiales. La información que describe el modelo y la definición de los elementos de datos fuente se llama metadatos. Los metadatos son las unidades de información mínimas que manejarán los usuarios del almacén de datos y como mínimo incluirán:

• La estructura de los datos.

• Los algoritmos usados en los procesoso de suma y acumulación.

• El mapeado del sistema de información del entorno operacional al sistema de información del almacén de datos.

La limpieza de los datos en el sistema de información del entorno operacional es uno de los aspectos más importantes, consiste en eliminar parte de los datos operacionales, tales como información de transacciones de bajo nivel, los cuales por su elevado volumen inciden negativamente en los tiempos de ejecución de las consultas. Los datos que a nivel operacional ya no son operativos deberían extraerse de las fuentes de producción a intervalos regulares eliminándolos del sistema de información operacional y traspasándolos al almacén de datos o Data warehouse.

Una base de datos para soportar procesos transaccionales en línea (OLTP), puede no ser adecuada para el Data warehouse ya que ha sido diseñada para maximizar la capacidad transaccional de sus datos y tipicamente tiene cientos de tablas la gran mayoría normalizadas. Su diseño también ha sido condicionado por los procesos operacionales que deberá soportar para la óptima actualización de sus datos, normalmente muchas de sus tablas en constantes y continuos cambios. Los sistemas Data warehouse están orientados a procesos de consultas en contraposición con los procesos transaccionales.

De acuerdo con Bill Inmon, autor de Building the Data warehouse Construyendo el almacén de datos, ampliamante reconocido como el gurú creador del concepto data warehousing, existen generalmente cuatro características que describen un almaceén de datos:

1. orientado al sujeto: Los datos se organizan de acuerdo al sujeto en vez de la aplicación, por ejemplo, una compañia de seguros usando un almacén de datos podría organizar sus datos por cliente, premios, y reclamaciones, en lugar de por diferentes productos (automóviles, vida, etc.). Los datos organizados por sujetos contienen solo la información necesaria para los procesos de soporte para la toma de decisiones.

2. integrados: Cuando los datos residen en muchas aplicaciones separados por los distintos entornos operacionales, la descodificación de los datos es a menudo inconsistente. Por ejemplo, en una aplicación, la palabra gender podría codificarse como "m" y "f" en otra como "0" y "1". cuando los datos fluyen de un entorno operacional a un entorno de almaceén de datos o de Data warehouse, ellos asumen una codificación consistente, por ejemplo gender siempre se transformaría a "m" y "f".

3. variación-temporal: El almaceén de datos contiene un lugar para guardar datos con una antiguedad de 5 a diez años, o incluso más antiguos, para poder ser usados en comparaciones, tendencias y previsiones. Estos datos no se modificarán.

4. no son inestables: Los datos no serán modificados o cambiados de ninguna manera una vez ellos han sido introducidos en el almacén de datos, solamente podrán ser cargados, leidos y/o accedidos.

Optimización

• Las estructuras de datos operacionales están orientadas a una explotación mediante procesos transaccionales en línea (OLTP), las características de sus tablas y registros.

Datos versus información

• El Data warehouse con las herramientas adecuadas nos permitirá obtener o realizar análisis, reporting, extracción y exploración de los datos para, en suma, transformar los datos en información útil para nuestra organización.

Beneficios económicos

• Normalmente los beneficios económicos que podemos obtener de un Data warehouse no tienen la inmediatez de los que pueden obtenerse mediante un efeciente sistema de información operacional, por lo general mediante los Data warehouse o Almacenes de datos hemos de esperar el ahorro de gastos motivados por los cambios que puedan sugerirse en la gestión de nuestra empresa en el medio y largo plazo.

Las Data Warehouse representan una tecnología innovadora y un mercado en pleno desarrollo.

Data Warehousing y Data Mining son dos procesos que permiten la Gestión del Conocimiento. El Conociemnto, convertido ahora en el más importante factor de producción, es un recurso clave para cualquier compañía que quiera sobrevivir y medrar en el competitivo y global entorno empresarial de hoy en día. Es importante señalar que este tipo de proyectos en constante evolución de la empresa. Por tanto, se podría decir que nunca tiene fin, que siempre son susceptibles al cambio. "El Data Warehousing no es un destino, sino un viaje"