I data warehouse tradizionali sono ospitati on-premise, con dati che provengono da database relazionali, sistemi transazionali, applicazioni aziendali e altri sistemi di origine. Tuttavia, sono generalmente progettati per acquisire un sottoinsieme di dati in batch e archiviarli in base a schemi rigidi, rendendoli inadatti a query spontanee o analisi in tempo reale. Le aziende devono anche acquistare il proprio hardware e software, con un data warehouse on-premise, il che ne rende costoso la scalabilità e la manutenzione. In un warehouse tradizionale, lo spazio di archiviazione è generalmente limitato rispetto all'elaborazione di calcolo, quindi i dati vengono trasformati rapidamente e poi eliminati per mantenere libero lo spazio di archiviazione.

Le attività di analisi dei dati odierne si sono trasformate nel centro di tutte le attività aziendali principali, tra cui la generazione di entrate, il contenimento dei costi, il miglioramento delle operazioni e il miglioramento dell'esperienza dei clienti. Man mano che i dati si evolvono e si diversificano, le organizzazioni hanno bisogno di soluzioni di data warehouse più solide e di strumenti di analisi avanzati per archiviare, gestire e analizzare grandi quantità di dati nelle proprie organizzazioni. 

Questi sistemi devono essere scalabili, affidabili, sufficientemente sicuri per i settori regolamentati e abbastanza flessibili da supportare un'ampia varietà di tipi di dati e casi d'uso dei big data. Devono inoltre supportare prezzi e computing flessibili, quindi paghi solo per quello che ti serve invece di indovinare la tua capacità. I requisiti vanno oltre le funzionalità della maggior parte dei data warehouse legacy. Di conseguenza, molte aziende si stanno rivolgendo a soluzioni di data warehouse basate su cloud.

Un data warehouse su cloud non elimina compromessi rispetto a un data warehouse tradizionale, ma estende le funzionalità ed è eseguito su un servizio completamente gestito nel cloud. Il data warehousing nel cloud offre scalabilità immediata per soddisfare i mutevoli requisiti aziendali e una potente elaborazione dei dati per supportare query analitiche complesse.

Con un data warehouse su cloud, puoi sfruttare la flessibilità intrinseca di un ambiente cloud con costi più prevedibili. L'investimento iniziale è in genere molto inferiore e i tempi di risposta sono più brevi con le soluzioni di data warehouse on-premise, perché il fornitore di servizi cloud gestisce ed esegue la manutenzione dell'infrastruttura fisica. 

Come un data warehouse tradizionale, i data warehouse su cloud raccolgono, integrano e archiviano dati provenienti da origini interne ed esterne. I dati vengono in genere trasferiti da un sistema di origine utilizzando una pipeline di dati. I dati vengono estratti dal sistema di origine, trasformati e poi caricati nel data warehouse, un processo noto come ETL (Extract, Transform, Load). I dati possono anche essere inviati direttamente a un repository centrale e poi convertiti utilizzando i processi ELT (estrazione, caricamento, trasformazione). Da qui, gli utenti possono utilizzare diversi strumenti di business intelligence (BI) per accedere, estrarre e generare report sui dati. I data warehouse su cloud dovrebbero anche supportare i casi d'uso in modalità flusso per l'attivazione sui dati in tempo reale o quasi in tempo reale.

I data warehouse su cloud offrono archiviazione, elaborazione, integrazione, pulizia, caricamento e così via di dati strutturati e semistrutturati all'interno di un ambiente cloud pubblico. Puoi anche utilizzarli con un data lake su cloud per raccogliere e archiviare dati non strutturati. Con alcuni provider è persino possibile unificare il data warehouse e il data lake per mantenere e gestire centralmente un'unica copia dei dati aziendali. 

Provider cloud diversi possono adottare approcci diversi per quanto riguarda i servizi di data warehouse su cloud. Ad esempio, alcuni data warehouse su cloud potrebbero utilizzare un'architettura basata su cluster simile a un data warehouse tradizionale. Al contrario, altri adottano una moderna architettura serverless, che riduce ulteriormente al minimo le responsabilità di gestione dei dati. Tuttavia, la maggior parte dei data warehouse su cloud offre funzionalità integrate di archiviazione dei dati e gestione della capacità e upgrade automatici.

Altre funzionalità chiave dei data warehouse su cloud includono: 

• Elaborazione a elevato parallelismo (Massively parallel processing, MPP)
• Datastore a colonne
• Integrazione dei dati ETL ed ELT self-service  
• Funzionalità di ripristino di emergenza e backup automatici
• Strumenti per la conformità e la governance dei dati
• Integrazioni integrate per BI, AI e machine learning

Il data warehousing su cloud presenta una gamma di soluzioni che possono apportare vantaggi a un'organizzazione. Ecco alcuni dei casi d'uso più comuni del data warehouse:

Prendere decisioni in tempo reale: analizza i dati in tempo reale per affrontare le sfide in modo proattivo, identificare opportunità, aumentare l'efficienza, ridurre i costi e rispondere in modo proattivo agli eventi aziendali.

Consolidare i dati isolati: estrai rapidamente i dati da più origini strutturate nella tua organizzazione, ad esempio sistemi point of sale, siti web e mailing list, e riuniscili in un'unica posizione in modo da poter eseguire l'analisi e ottenere approfondimenti.

Attivazione dei report aziendali e dell'analisi ad hoc: conserva i dati storici su un server separato dai dati operativi in modo che gli utenti finali possano accedervi ed eseguire le proprie query e i propri report senza influire sulle prestazioni dei sistemi operativi o attendere l'aiuto dell'IT.

Implementazione del machine learning e dell'AI: raccogli dati storici e in tempo reale per sviluppare algoritmi in grado di fornire informazioni predittive, ad esempio per prevedere i picchi di traffico o suggerire prodotti pertinenti a un cliente che naviga su un sito web.

Molti tipi di aziende e settori richiedono un'analisi dei dati che non sia solo su vasta scala, ma anche continuativa e in tempo reale. Ad esempio, alcuni provider di servizi utilizzano i dati in tempo reale per regolare dinamicamente i prezzi nel corso della giornata. Le compagnie di assicurazione tengono traccia di polizze, vendite, sinistri, stipendi e altro ancora. Utilizzano inoltre il machine learning per prevedere le frodi. Le aziende produttrici di videogiochi devono monitorare e reagire al comportamento degli utenti in tempo reale per migliorare l'esperienza del giocatore. I data warehouse rendono possibili tutte queste attività.

Se la tua organizzazione possiede o svolge una delle seguenti attività, probabilmente i data warehouse fanno al caso tuo:

• Più origini dati diversi
• Analisi e visualizzazione di big data, sia in modo asincrono che in tempo reale
• Modelli di machine learning e altri processi basati sull'AI
• Analisi dei flussi di dati
• Generazione di report personalizzati e analisi ad hoc
• Data mining
• Data science e analisi geospaziale

Quando si sceglie un data warehouse basato su cloud, è fondamentale valutare il funzionamento delle soluzioni e comprendere a fondo i casi d'uso esistenti che il data warehouse su cloud dovrà supportare. 

Oltre alle funzionalità di warehousing, ci sono molti aspetti da considerare quando si sceglie tra diversi provider, comprese le differenze in termini di architettura, scalabilità, sicurezza, prezzi, prestazioni e altro ancora. Ad esempio, potresti scoprire che una soluzione semplice da implementare non è così facile da scalare oppure potresti dover riaddestrare tutti gli analisti di dati e acquistare licenze aggiuntive per eseguire l'upgrade del tuo sistema attuale. 

Oltre a esaminare le differenze tra i fornitori, è anche importante considerare cosa comporterà nello specifico la migrazione a un data warehouse su cloud e come questo sarà correlato agli investimenti IT esistenti e alle esigenze aziendali specifiche. 

I data warehouse aziendali svolgono un ruolo centrale nel processo decisionale di un'organizzazione. Dovrai quindi assicurarti di avere una profonda comprensione dei requisiti aziendali, dei casi d'uso attuali e di eventuali lacune con le soluzioni esistenti. Può essere utile coinvolgere i principali stakeholder nelle prime fasi del processo per comprendere le implicazioni della sostituzione di una soluzione di data warehouse legacy, i requisiti funzionali per affrontare le sfide e informazioni tecniche dettagliate su origini dati, strumenti, framework e altro ancora.