Data warehouse sono dei repositori che facilitano i reporting e le analisi; tali database possono essere completamente staccati dal sistema informativo questo significa che quando le query vengono lanciate si ha un grande guadagno nella velocità.

Online Transaction Processing, tipicamente utilizzati da applicazioni orientate alle transazioni come vTiger CRM, non considera la creazione di banche dati staccate, e le analisi potenziali sono condotte sugli stessi dati utilizzati dalle applicazioni, e non sono progettati per i casi in cui la quantità dei dati da analizzare è notevole.

Data Model used in OLTP.

I datawarehouse configurati per OLAP (Analytical Processing) utilizzano un modello di dati multidimensionale. Lo stile più comune utilizzato per la costruzione del data warehouse è chiamato il modello a stelle: la tabella centrale si chiama la tabella dei fatti e fa riferimento a un numero qualsiasi di dimensioni (le tabelle circostanti). Utilizzando tale metodo è possibile produrre dei report includendo delle informazioni circa, ad esempio, la quantità dei processori prodotti nel secondo trimestre del 2006. Per tale motivo vengono creati i (iper) cubi, e in quel modello i dati da diverse dimensioni (potenzialmente tutte le variabili) possono essere collegati tra di loro.

	Star Model dati utilizzati in OLAP
Cubo OLAP con Time, Customer e Dimensioni del prodotto

Una caratteristica molto importante dei data warehouse è che possono essere ridondanti e possono riassumere delle informazioni che di solito vengono calcolati nell’applicazione poiché il loro obiettivo principale è quello di produrre un report sull’informazione e gli aggiornamenti sono scarsi. Un semplice esempio potrebbe essere di salvare il nome del contatto in un certo formato (cognome, nome), perché abbiamo studiato le esigenze del cliente e abbiamo rilevato che questo sarà il modo in cui il nome del contatto verrà presentato. Con questo evitiamo di dover utilizzare una funzione per calcolare questo valore ogni volta.

Infine, data warehouse creano versioni delle informazioni al fine di conservare le informazioni storiche e nel tentativo di dare comunicazione coerente nel tempo. Ad esempio, se il nome di un conto cambia è il sistema di BI si crea un nuovo tempo timbrato versione di account in modo che gli enti che esisteva prima della modifica sono ancora in relazione con l'account stesso mentre nuovi soggetti entrano nel sistema in relazione con i più recenti versione.

Per il progetto vtiger CRM - BI abbiamo costruito un data warehouse che è in grado di salvare tutte le informazioni contenute in un vTiger CRM produttivo. Tutti i soggetti presenti nel sistema sono salvati come tabelle delle dimensioni e di versione basata su decisioni che abbiamo fatto nel corso dello studio di analisi. Per esempio, il account è di versione ogni volta di città, nazione, stato, codice postale, via, membro di, e-mail opt-out e assegnato a modificare i campi.

Abbiamo creato le tabelle di fatto:

• Vendite.Possono essere studiate mediante fattura o Inovice Lines
• HelpDesk
• Campagne
• Potenziali
• PriceBooks

Nelle tabelle fatto Vendite abbiamo aggiunto calcoli specifici per ottenere importanti informazioni di perdita e di profitto:

• Quantità: numero di unità in prima linea
• Prezzo unitario: prezzo di ogni unità in prima linea
• Extended lordo: quantità per unità di prezzo
• Estensione dell'indennità: sconto linea a causa di azioni promozionali.Anche se questo può essere riflessa in vTiger CRM con pricebooks non possiamo sapere se un libro di prezzo è stato applicato alla linea a causa del fatto che vTiger CRM non salvare queste informazioni.Sarà sempre zero (0)
• Esteso sconto: sconto line
• Estesa rete: estensione sconto gross-Extended-assegno Extended, importo finale da pagare per la linea
• Costo Extended: costo aziendale interno della linea.In teoria dovremmo avere tutte le informazioni relative al costo vTiger CRM ma non dispone di questa informazione per cui non possiamo fare questo calcolo senza modificare il sistema.Sarà sempre zero (0)
• Contributo: vantaggio della linea
• Tasse. Noi salvare tutti i dati fiscali.

Una volta creato il magazzino di dati abbiamo bisogno di creare processi ETL quale regolarmente estratto il form information il CRM vTiger production and caricare in esso i dati per il magazzino che per essere usato da il reporting e strumenti diversi analysis disponibile. La procedura di base è raffigurato nell'immagine seguente:

Path di strumenti di BI a partire dai dati di estrazione di segnalazione.

Come già si può vedere, il data warehouse riflette la logica di business e deve essere costruita per adattarsi perfettamente a questa logica.Così le modifiche sarà necessario per il data warehouse, e al resto della procedura per ottenere il massimo beneficio.

Con questa panoramica semplicistico speriamo di avervi dato un'idea di quanto sia potente il concetto di data warehouse i, e hanno preparato a cogliere l'importante concetto successivo: Online Analytical Processing.