Entre las principales se tiene:
- Orientado al tema
- Integrado
- De tiempo variante
- No vol�til
�Orientado a Temas
Una primera caracter�stica del data warehouse es que la informaci�n se clasifica en base a los aspectos que son de inter�s para la empresa. Siendo as�, los datos tomados est�n en contraste con los cl�sicos procesos orientados a las aplicaciones. En la Figura N� 1 se muestra el contraste entre los dos tipos de orientaciones.
El ambiente operacional se dise�a alrededor de las aplicaciones y funciones tales como pr�stamos, ahorros, tarjeta bancaria y dep�sitos para una instituci�n financiera. Por ejemplo, una aplicaci�n de ingreso de �rdenes puede acceder a los datos sobre clientes, productos y cuentas. La base de datos combina estos elementos en una estructura que acomoda las necesidades de la aplicaci�n.
En el ambiente data warehousing se organiza alrededor de sujetos tales como cliente, vendedor, producto y actividad. Por ejemplo, para un fabricante, �stos pueden ser clientes, productos, proveedores y vendedores. Para una universidad pueden ser estudiantes, clases y profesores. Para un hospital pueden ser pacientes, personal m�dico, medicamentos, etc.
La alineaci�n alrededor de las �reas de los temas afecta el dise�o y la implementaci�n de los datos encontrados en el data warehouse. Las principales �reas de los temas influyen en la parte m�s importante de la estructura clave.
Las aplicaciones est�n relacionadas con el dise�o de la base de datos y del proceso. En data warehousing se enfoca el modelamiento de datos y el dise�o de la base de datos. El dise�o del proceso (en su forma cl�sica) no es separado de este ambiente.
Las diferencias entre la orientaci�n de procesos y funciones de las aplicaciones y la orientaci�n a temas, radican en el contenido de la data a escala detallada. En el data warehouse se excluye la informaci�n que no ser� usada por el proceso de sistemas de soporte de decisiones, mientras que la informaci�n de las orientadas a las aplicaciones, contiene datos para satisfacer de inmediato los requerimientos funcionales y de proceso, que pueden ser usados o no por el analista de soporte de decisiones.
Otra diferencia importante est� en la interrelaci�n de la informaci�n. Los datos operacionales mantienen una relaci�n continua entre dos o m�s tablas basadas en una regla comercial que est� vigente. Las del data warehouse miden un espectro de tiempo y las relaciones encontradas en el data warehouse son muchas. Muchas de las reglas comerciales (y sus correspondientes relaciones de datos) se representan en el data warehouse, entre dos o m�s tablas.
�Integraci�n
El aspecto m�s importante del ambiente data warehousing es que la informaci�n encontrada al interior est� siempre integrada.
La integraci�n de datos se muestra de muchas maneras: en convenciones de nombres consistentes, en la medida uniforme de variables, en la codificaci�n de estructuras consistentes, en atributos f�sicos de los datos consistentes, fuentes m�ltiples y otros.
El contraste de la integraci�n encontrada en el data warehouse con la carencia de integraci�n del ambiente de aplicaciones, se muestran en la Figura N� 2, con diferencias bien marcadas.
A trav�s de los a�os, los dise�adores de las diferentes aplicaciones han tomado sus propias decisiones sobre c�mo se deber�a construir una aplicaci�n. Los estilos y dise�os personalizados se muestran de muchas maneras.
Se diferencian en la codificaci�n, en las estructuras claves, en sus caracter�sticas f�sicas, en las convenciones de nombramiento y otros. La capacidad colectiva de muchos de los dise�adores de aplicaciones, para crear aplicaciones inconsistentes, es fabulosa. La Figura N� 2 mencionada, muestra algunas de las diferencias m�s importantes en las formas en que se dise�an las aplicaciones.
Codificaci�n
Los dise�adores de aplicaciones codifican el campo GENERO en varias formas. Un dise�ador representa GENERO como una "M" y una "F", otros como un "1" y un "0", otros como una "X" y una "Y" e inclusive, como "masculino" y "femenino".
No importa mucho c�mo el GENERO llega al data warehouse. Probablemente "M" y "F" sean tan buenas como cualquier otra representaci�n. Lo importante es que sea de cualquier fuente de donde venga, el GENERO debe llegar al data warehouse en un estado integrado uniforme.
Por lo tanto, cuando el GENERO se carga en el data warehouse desde una aplicaci�n, donde ha sido representado en formato "M" y "F", los datos deben convertirse al formato del data warehouse.
Medida de atributos
Los dise�adores de aplicaciones miden las unidades de medida de las tuber�as en una variedad de formas. Un dise�ador almacena los datos de tuber�as en cent�metros, otros en pulgadas, otros en millones de pies c�bicos por segundo y otros en yardas.
Al dar medidas a los atributos, la transformaci�n traduce las diversas unidades de medida usadas en las diferentes bases de datos para transformarlas en una medida est�ndar com�n.
Cualquiera que sea la fuente, cuando la informaci�n de la tuber�a llegue al data warehouse necesitar� ser medida de la misma manera.
Convenciones de Nombramiento
El mismo elemento es frecuentemente referido por nombres diferentes en las diversas aplicaciones. El proceso de transformaci�n asegura que se use preferentemente el nombre de usuario.
Fuentes M�ltiples
El mismo elemento puede derivarse desde fuentes m�ltiples. En este caso, el proceso de transformaci�n debe asegurar que la fuente apropiada sea usada, documentada y movida al dep�sito.
Tal como se muestra en la figura, los puntos de integraci�n afectan casi todos los aspectos de dise�o - las caracter�sticas f�sicas de los datos, la disyuntiva de tener m�s de una de fuente de datos, el problema de est�ndares de denominaci�n inconsistentes, formatos de fecha inconsistentes y otros.
Cualquiera que sea la forma del dise�o, el resultado es el mismo - la informaci�n necesita ser almacenada en el data warehouse en un modelo globalmente aceptable y singular, aun cuando los sistemas operacionales subyacentes almacenen los datos de manera diferente.
Cuando el analista de sistema de soporte de decisiones observe el data warehouse, su enfoque deber� estar en el uso de los datos que se encuentre en el dep�sito, antes que preguntarse sobre la confiabilidad o consistencia de los datos.
�De Tiempo Variante
Toda la informaci�n del data warehouse es requerida en alg�n momento. Esta caracter�stica b�sica de los datos en un dep�sito, es muy diferente de la informaci�n encontrada en el ambiente operacional. En �stos, la informaci�n se requiere al momento de acceder. En otras palabras, en el ambiente operacional, cuando usted accede a una unidad de informaci�n, usted espera que los valores requeridos se obtengan a partir del momento de acceso.
Como la informaci�n en el data warehouse es solicitada en cualquier momento (es decir, no "ahora mismo"), los datos encontrados en el dep�sito se llaman de "tiempo variante".
Los datos hist�ricos son de poco uso en el procesamiento operacional. La informaci�n del dep�sito por el contraste, debe incluir los datos hist�ricos para usarse en la identificaci�n y evaluaci�n de tendencias. (Ver Figura N� 3).
El tiempo variante se muestra de varias maneras:
- La m�s simple es que la informaci�n representa los datos sobre un horizonte largo de tiempo - desde cinco a diez a�os. El horizonte de tiempo representado para el ambiente operacional es mucho m�s corto - desde valores actuales hasta sesenta a noventa d�as.
Las aplicaciones que tienen un buen rendimiento y est�n disponibles para el procesamiento de transacciones, deben llevar una cantidad m�nima de datos si tienen cualquier grado de flexibilidad. Por ello, las aplicaciones operacionales tienen un corto horizonte de tiempo, debido al dise�o de aplicaciones r�gidas.
- La segunda manera en la que se muestra el tiempo variante en el data warehouse est� en la estructura clave. Cada estructura clave en el data warehouse contiene, impl�cita o expl�citamente, un elemento de tiempo como d�a, semana, mes, etc.
El elemento de tiempo est� casi siempre al pie de la clave concatenada, encontrada en el data warehouse. En ocasiones, el elemento de tiempo existir� impl�citamente, como el caso en que un archivo completo se duplica al final del mes, o al cuarto.
- La tercera manera en que aparece el tiempo variante es cuando la informaci�n del data warehouse, una vez registrada correctamente, no puede ser actualizada. La informaci�n del data warehouse es, para todos los prop�sitos pr�cticos, una serie larga de "snapshots" (vistas instant�neas).
Por supuesto, si los snapshots de los datos se han tomado incorrectamente, entonces pueden ser cambiados. Asumiendo que los snapshots se han tomado adecuadamente, ellos no son alterados una vez hechos. En algunos casos puede ser no �tico, e incluso ilegal, alterar los snapshots en el data warehouse. Los datos operacionales, siendo requeridos a partir del momento de acceso, pueden actualizarse de acuerdo a la necesidad.
�De Tiempo Variante
La informaci�n es �til s�lo cuando es estable. Los datos operacionales cambian sobre una base momento a momento. La perspectiva m�s grande, esencial para el an�lisis y la toma de decisiones, requiere una base de datos estable.
En la Figura N� 4 se muestra que la actualizaci�n (insertar, borrar y modificar), se hace regularmente en el ambiente operacional sobre una base de registro por registro. Pero la manipulaci�n b�sica de los datos que ocurre en el data warehouse es mucho m�s simple. Hay dos �nicos tipos de operaciones: la carga inicial de datos y el acceso a los mismos. No hay actualizaci�n de datos (en el sentido general de actualizaci�n) en el dep�sito, como una parte normal de procesamiento.
Hay algunas consecuencias muy importantes de esta diferencia b�sica, entre el procesamiento operacional y del data warehouse. En el nivel de dise�o, la necesidad de ser precavido para actualizar las anomal�as no es un factor en el data warehouse, ya que no se hace la actualizaci�n de datos. Esto significa que en el nivel f�sico de dise�o, se pueden tomar libertades para optimizar el acceso a los datos, particularmente al usar la normalizaci�n y desnormalizaci�n f�sica.
Otra consecuencia de la simplicidad de la operaci�n del data warehouse est� en la tecnolog�a subyacente, utilizada para correr los datos en el dep�sito. Teniendo que soportar la actualizaci�n de registro por registro en modo on-line (como es frecuente en el caso del procesamiento operacional) requiere que la tecnolog�a tenga un fundamento muy complejo debajo de una fachada de simplicidad.
La tecnolog�a permite realizar copias de seguridad y recuperaci�n, transacciones e integridad de los datos y la detecci�n y soluci�n al estancamiento que es m�s complejo. En el data warehouse no es necesario el procesamiento.
La fuente de casi toda la informaci�n del data warehouse es el ambiente operacional. A simple vista, se puede pensar que hay redundancia masiva de datos entre los dos ambientes. Desde luego, la primera impresi�n de muchas personas se centra en la gran redundancia de datos, entre el ambiente operacional y el ambiente de data warehouse. Dicho razonamiento es superficial y demuestra una carencia de entendimiento con respecto a qu� ocurre en el data warehouse. De hecho, hay una m�nima redundancia de datos entre ambos ambientes.
Se debe considerar lo siguiente:
- Los datos se filtran cuando pasan desde el ambiente operacional al de dep�sito. Existe mucha data que nunca sale del ambiente operacional. S�lo los datos que realmente se necesitan ingresar�n al ambiente de data warehouse.
- El horizonte de tiempo de los datos es muy diferente de un ambiente al otro. La informaci�n en el ambiente operacional es m�s reciente con respecto a la del data warehouse. Desde la perspectiva de los horizontes de tiempo �nicos, hay poca superposici�n entre los ambientes operacional y de data warehouse.
- El data warehouse contiene un resumen de la informaci�n que no se encuentra en el ambiente operacional.
- Los datos experimentan una transformaci�n fundamental cuando pasa al data warehouse. La mayor parte de los datos se alteran significativamente al ser seleccionados y movidos al data warehouse. Dicho de otra manera, la mayor�a de los datos se alteran f�sica y radicalmente cuando se mueven al dep�sito. No es la misma data que reside en el ambiente operacional desde el punto de vista de integraci�n.
En vista de estos factores, la redundancia de datos entre los dos ambientes es una ocurrencia rara, que resulta en menos de 1%.