Système centralisé conçu pour stocker, organiser et historiser de grandes quantités de données structurées provenant de sources multiples, afin de faciliter l’analyse décisionnelle et la Business Intelligence (BI).
Un Data Warehouse (ou entrepôt de données) est une architecture de stockage orientée sujet, intégrée, non volatile et historisée, spécifiquement conçue pour répondre aux besoins d’analyse stratégique et opérationnelle d’une organisation. Contrairement aux bases de données transactionnelles (OLTP), qui privilégient la rapidité des écritures, un entrepôt de données optimise les requêtes complexes en lecture (OLAP), en consolidant des données issues de systèmes hétérogènes (CRM, ERP, logs applicatifs, fichiers CSV, etc.) après un processus d’ETL (Extract, Transform, Load) ou ELT.
Les données y sont structurées selon des schémas analytiques (étoile, flocon) et enrichies d’attributs temporels, permettant des analyses multidimensionnelles (par client, produit, région, période, etc.). Le Data Warehouse sert de fondation à la Business Intelligence, aux tableaux de bord, aux rapports périodiques, et de plus en plus, à l’alimentation de modèles de machine learning orientés décision.
Caractéristiques clés :
- Orientation sujet (ex. : ventes, marketing, finance)
- Intégration des données disparates sous un format commun
- Non-volatilité : les données ne sont pas modifiées en temps réel
- Historisation : conservation des versions dans le temps (souvent sur plusieurs années)
Exemples de technologies :
- Open source : Apache Hive, ClickHouse, DuckDB, PostgreSQL (avec extensions OLAP)
- Cloud : Amazon Redshift, Google BigQuery, Snowflake, Microsoft Azure Synapse
- On-premise / Entreprise : Oracle Exadata, IBM Db2 Warehouse, Teradata