Datový sklad (Data warehouse)

Proč firma odděluje datový sklad od provozních databází

Datový sklad slouží k analytice nad daty, která často vznikají v mnoha aplikacích najednou: e-shopu, účetnictví, CRM, reklamních systémech, logistice nebo zákaznické podpoře. Provozní databáze řeší rychlé zápisy a změny jednotlivých záznamů, například vytvoření objednávky. Datový sklad naopak počítá souhrny, porovnává období a odpovídá na otázky typu „které kanály přinesly nejvyšší marži za poslední kvartál“.

Oddělení analytiky chrání produkční systémy před těžkými reportovacími dotazy. Analytický tým zároveň získá místo, kde lze sjednotit názvy metrik, měny, časová pásma, identifikátory zákazníků i historii změn. Datový sklad proto není jen úložiště, ale také dohoda o tom, co ve firmě znamená tržba, aktivní zákazník nebo dokončená objednávka.

Co v datovém skladu znamená historický a sjednocený pohled

Datový sklad obvykle uchovává data po delší dobu a nepracuje pouze s aktuálním stavem. Změna adresy zákazníka, přecenění produktu nebo přesun obchodníka do jiného týmu může být pro analýzu důležitá i zpětně. Správně navržený model proto zachytí, kdy změna nastala a které reporty mají používat starou nebo novou hodnotu.

Sjednocení dat bývá náročnější než samotné uložení. Různé systémy mohou používat jiné kódy produktů, odlišné definice kampaní nebo rozdílnou granularitu času. Datový sklad tyto rozdíly řeší transformačními pravidly, kontrolami kvality a datovým modelem, který je čitelný pro analytiky i nástroje business intelligence.

Vrstvy typické architektury datového skladu

Moderní datový sklad mívá několik vrstev. Ingestní vrstva přenáší data ze zdrojů dávkově nebo průběžně. Staging vrstva uchovává syrovější podobu dat pro kontrolu a opakovatelnost. Transformační vrstva čistí, spojuje a přepočítává data. Prezentační vrstva nabízí tabulky, pohledy nebo datové tržiště připravené pro reporty, dashboardy a modely strojového učení.

Technicky může datový sklad běžet v relační databázi, ve specializované cloudové analytické službě nebo nad sloupcovým úložištěm. Důležitější než konkrétní produkt je návrh: jasné vlastnictví dat, sledovatelné transformace, testy kvality a rozumné řízení přístupů.

Příklad 1: sjednocené tržby z e-shopu a fakturace

E-shop ukládá objednávky okamžitě, účetní systém vystavuje faktury se zpožděním a reklamní platforma posílá náklady podle kampaní. Datový sklad každý den spojí objednávky, faktury a reklamní výdaje do jednoho modelu. Finanční tým pak vidí marži podle kampaně a nemusí ručně slučovat exporty v tabulkovém procesoru.

Příklad 2: denní agregace objednávek v SQL

Analytik může v datovém skladu vytvořit tabulku pro denní reporting, aby dashboard nemusel při každém otevření procházet miliony řádků objednávek.

create table mart_daily_sales as
select
  date(order_created_at) as sales_day,
  country,
  count(*) as orders,
  sum(total_amount) as revenue
from warehouse.orders
where order_status = 'paid'
group by sales_day, country;

Výsledek je menší a stabilnější datová sada. Dashboard díky tomu zobrazuje denní tržby rychleji a používá stejnou definici zaplacené objednávky pro všechny uživatele.