Data Warehouse (Entrepôt de données)

Un Data Warehouse (entrepôt de données) est un système central de stockage qui collecte, intègre et organise des données provenant de multiples sources disparates au sein d'une organisation. Conçu spécifiquement pour l'analyse et le reporting, il constitue l'infrastructure fondamentale de tout écosystème de Business Intelligence mature.

Contrairement aux bases de données opérationnelles optimisées pour les transactions quotidiennes (OLTP), un Data Warehouse est structuré pour les requêtes analytiques complexes (OLAP) et l'exploitation historique des données. Il implémente généralement un schéma en étoile ou en flocon avec des tables de faits centrales entourées de tables de dimensions, optimisant ainsi les performances des requêtes analytiques.

• Un Data Warehouse est orienté sujet (clients, produits, ventes) plutôt que transaction
• Il intègre des données historiques non volatiles, conservées sur de longues périodes
• Les données y sont consolidées, nettoyées et transformées pour garantir cohérence et qualité
• Il peut inclure des Data Marts, sous-ensembles dédiés à des départements spécifiques
• L'architecture moderne comprend souvent une zone de staging, un ODS (Operational Data Store) et des couches de présentation

Les approches de conception d'un Data Warehouse se divisent principalement en deux écoles : la méthodologie Kimball (bottom-up, commençant par les Data Marts) et la méthodologie Inmon (top-down, construisant d'abord l'entrepôt central normalisé).

Avec l'évolution technologique, les Data Warehouses traditionnels on-premise coexistent désormais avec des solutions cloud (Snowflake, Amazon Redshift, Google BigQuery) qui offrent élasticité, scalabilité et modèles économiques flexibles. Cette évolution permet aux organisations de toutes tailles d'implémenter des solutions analytiques performantes sans investissements d'infrastructure massifs.