Data Warehousing เป็นเทคนิคหลักสำหรับรวบรวมและจัดการข้อมูลจากหลายแหล่ง เพื่อให้ข้อมูลเชิงลึกทางธุรกิจที่มีความหมาย Data Warehouse ถูกออกแบบมาโดยเฉพาะเพื่อรองรับการตัดสินใจของผู้บริหาร
ง่ายๆ คือ Data Warehouse หมายถึงฐานข้อมูลที่ดูแลแยกจากฐานข้อมูลปฏิบัติการ (Operational Databases) ขององค์กร ระบบ Data Warehouse ช่วยบูรณาการระบบประยุกต์หลายระบบ ให้การประมวลผลข้อมูลโดยแพลตฟอร์มที่มั่นคงของข้อมูลรวมศูนย์, ข้อมูลทางประวัติศาสตร์ สำหรับการวิเคราะห์
คิวรี่ Data Warehouse ซับซ้อน เพราะเกี่ยวข้องกับการคำนวณกลุ่มข้อมูลใหญ่ในระดับสรุป อาจต้องใช้การจัดระเบียบข้อมูล, การเข้าถึง, และเทคนิคการดำเนินการเฉพาะที่อิงมุมมองหลายมิติ (Multidimensional Views)
เหตุผลหลักของการแยก
เหตุผลหลักคือ เพื่อเพิ่มประสิทธิภาพสูงสุดของทั้งสองระบบ (Boost Performance) ฐานข้อมูลปฏิบัติการ (Operational DB) สร้างและปรับแต่ง (Tuned) จากฟังก์ชันและภาระงานที่รู้จัก เช่น Indexing และ Hashing ใช้ Primary Keys, ค้นหาบันทึกเฉพาะ, เพิ่มประสิทธิภาพ "Canned Queries"
ในทางกลับกัน คิวรี่ Data Warehouse มักซับซ้อน เกี่ยวข้องกับการคำนวณกลุ่มข้อมูลใหญ่ในระดับสรูป และต้องการการจัดระเบียบ/เข้าถึง/ดำเนินการเฉพาะบนมุมมองหลายมิติ การประมวลผลคิวรี่ OLAP ในฐานข้อมูลปฏิบัติการจะทำลดประสิทธิภาพงานปฏิบัติการ (Operational Tasks) อย่างมาก
นอกจากนี้ ฐานข้อมูลปฏิบัติการให้การประมวลผลธุรกรรม (Transactions) พร้อมกันหลายรายการ (Concurrent Processing) ต้องการกลไกควบคุมพร้อมกัน (Concurrency Control) และการกู้คืน (Recovery) เช่น Locking และ Logging เพื่อให้ความสอดคล้องและความแข็งแกร่งของธุรกรรม คิวรี่ OLAP มักต้องการการเข้าถึงแบบอ่านอย่างเดียว (Read-only) สำหรับการสรุปและรวม
หากใช้ Concurrency Control และ Recovery สำหรับ OLAP operations อาจทำลายการทำงานของธุรกรรมพร้อมกัน และลด Throughput ของระบบ OLTP อย่างมาก
สุดท้าย การแยกฐานข้อมูลปฏิบัติการจาก Data Warehouses อาศัยโครงสร้าง, เนื้อหา, และการใช้งานข้อมูลที่ต่างกันในสองระบบ ระบบสนับสนุนการตัดสินใจ (Decision Support) ต้องการข้อมูลทางประวัติศาสตร์ ในขณะที่ฐานข้อมูลปฏิบัติการโดยทั่วไปไม่เก็บข้อมูลประวัติศาสตร์
Decision Support ต้องการการรวมศูนย์ (Consolidation) รวมถึง Aggregation และ Summarization จากแหล่งที่หลากหลาย (Heterogeneous) ให้ข้อมูลคุณภาพสูง สะอาด และบูรณาการแล้ว ในทางกลับกัน ฐานข้อมูลปฏิบัติการมีแค่ข้อมูลดิบรายละเอียด (Detailed Raw Data) เช่น ธุรกรรม ที่ต้องรวมก่อนวิเคราะห์
เนื่องจากสองระบบให้ฟังก์ชันที่ต่างกันมาก และต้องการข้อมูลประเภทต่างกัน จึงจำเป็นต้องแยกฐานข้อมูล อย่างไรก็ตาม ผู้จำหน่าย RDBMS บางรายเริ่มเพิ่มประสิทธิภาพระบบเหล่านี้เพื่อรองรับคิวรี่ OLAP แนวโน้มนี้ต่อไป ความแยกระหว่าง OLTP และ OLAP คาดว่าจะลดลง
