Hurtownia danych — co to jest i jak ją zbudować

Hurtownia danych gromadzi informacje z różnych źródeł w jednym repozytorium, aby można je było analizować i wykorzystywać w raportach.¹
Jak ją zbudować i czym różni się od bazy danych oraz data lake? W artykule omawiamy także modele Kimballa i Inmona, OLAP oraz rozwiązania chmurowe. Skalę pracy analitycznej pokazuje benchmark TPC-DS: jego zestaw obejmuje 99 zapytań².

Czym jest hurtownia danych i jak jest zbudowana?

System analityczny ma warstwę zasilania, centralne repozytorium, model danych i warstwę zapytań. Pierwsza pobiera informacje z systemów źródłowych, repozytorium przechowuje dane przygotowane do analiz, a ostatnia udostępnia wyniki użytkownikom. Klasyczny proces ETL obejmuje 3 etapy: ekstrakcję, transformację i ładowanie danych do repozytorium³.

Model danych ustala powiązania między informacjami oraz wymiary, według których można je badać. W analizie sprzedaży miarą może być wartość transakcji, a wymiarami – produkt i region.
Dzięki temu tę samą miarę można porównywać w różnych przekrojach. Metoda Kimballa opisuje projektowanie modelu wymiarowego w 4 krokach: wyborze procesu, określeniu ziarna oraz wskazaniu wymiarów i miar⁴.

Jak współpracują źródła danych, model danych i OLAP?

Źródła danych, model i OLAP tworzą drogę od pobrania informacji do analizy wielowymiarowej. Każdy element architektury ma w niej własne zadanie. Wśród 3 operacji OLAP są roll-up, drill-down i slice: służą do agregowania danych, przechodzenia do szczegółów i wyboru przekroju⁵.

• Źródła danych dostarczają informacje z systemów ERP i CRM, baz danych, plików CSV, danych internetowych oraz aplikacji mobilnych.¹
• Centralne repozytorium danych przechowuje informacje z różnych systemów, przygotowane do wspólnej analizy.
• Metadane opisują strukturę i pochodzenie danych, transformacje, mapowania oraz zależności między informacjami.¹
• Model danych wiąże miary z wymiarami, dzięki czemu zapytania porównują wyniki według wspólnych reguł.
• Składnice danych mieszczą informacje wybrane i przetworzone pod kątem analiz określonego działu lub dziedziny.¹
• Narzędzia OLAP pozwalają interaktywnie analizować dane z hurtowni w wielu wymiarach.¹

Hurtownia porządkuje więc drogę od systemów źródłowych, przez model danych, po zapytania analityczne.

Działanie i wdrożenie hurtowni danych – od zastosowań do korzyści

Hurtownia obsługuje raportowanie bez kierowania każdego zapytania do systemu transakcyjnego. Prace nad nią zaczynają się od wymagań biznesowych, źródeł danych oraz celów analiz i raportów. Dopiero na tej podstawie projektuje się architekturę i model.¹
Po ustaleniu potrzeb można zastosować 4 kroki Kimballa: wybrać proces, określić ziarno, a następnie wymiary i miary⁴.

Hurtownię Danych i Silnik Wyszukiwarki Firm realizowało Centrum Informatyki „ZETO” S.A. w okresie 2021–2026.⁶ Takie zastosowania pokazują, że zakres hurtowni wynika z konkretnych pytań, na które mają odpowiadać dane.

Gdzie wykorzystuje się hurtownię danych?

Hurtownia przydaje się w usługach publicznych, bankowości i e-commerce, gdy analiza wymaga połączenia danych z różnych procesów. Centrum Informatyki „ZETO” S.A. przebudowało Hurtownię Danych z układu transakcyjnego na model służący raportowaniu i wyszukiwaniu informacji o przedsiębiorcach.⁶
IBA Group wdrożyła korporacyjną hurtownię bankową, która importuje informacje z systemów wewnętrznych i źródeł zewnętrznych.⁷ W e-commerce podobnym celem jest połączenie danych o zamówieniach, produktach i klientach w spójnych raportach.

Jakie korzyści daje hurtownia danych?

Hurtownia przenosi zapytania analityczne poza system obsługujący bieżące operacje. Hurtownia Danych i Silnik Wyszukiwarki Firm rozwijane przez ZETO przejęły część zapytań wyszukiwawczych i raportowych kierowanych wcześniej do CEIDG.⁶
Po rozdzieleniu tych zadań model można projektować pod raporty, zamiast opierać je wyłącznie na strukturze transakcyjnej.

Jak zbudować hurtownię danych w modelu Kimballa lub Inmona?

Wybór między modelem Kimballa a modelem Inmona zależy od zakresu wdrożenia i kolejności prac. Tabela porównuje punkt wyjścia, zastosowanie i ograniczenie obu podejść⁸.

• Zakres analizy wyznacza pytania biznesowe, odbiorców raportów i procesy objęte modelem⁹.
• Ziarnistość tabeli faktów ustala, co oznacza pojedynczy wiersz; określenie jej przed wyborem kolumn pomaga uniknąć mieszania poziomów danych i podwójnego liczenia.¹⁰
• Fakty, miary i wymiary opisują kolejno rejestrowane zdarzenia, wartości podlegające obliczeniom i przekroje analizy. Definicja miary musi odpowiadać ziarnistości tabeli faktów.
• Zasilanie i odbiór danych łączą systemy źródłowe z modelem oraz udostępniają wyniki w zapytaniach i raportach.

Rezultatem wdrożenia jest model, w którym wiersz i miara znaczą to samo w różnych raportach. Jednoznaczne ziarno może oznaczać, że 1 wiersz tabeli faktów odpowiada 1 transakcji sprzedaży¹¹.

Czym repozytorium danych różni się od hurtowni?

Repozytorium danych jest miejscem przechowywania informacji. Hurtownia idzie dalej: organizuje je pod kątem uzgodnionych analiz i raportów. Sam zbiór plików lub rekordów nie określa jeszcze miar, wymiarów ani zasad łączenia danych.
O roli hurtowni decyduje przygotowanie informacji do zapytań analitycznych. Metoda Kimballa wymaga 4 decyzji projektowych: wyboru procesu biznesowego, określenia ziarna oraz wskazania wymiarów i faktów⁴.

Hurtownia daje użyteczne wyniki, gdy jej model odpowiada na pytania biznesowe i zachowuje spójne definicje miar.

Hurtownia danych a baza, data lake i lakehouse – kluczowe różnice

Hurtownia, operacyjna baza danych, jezioro danych i lakehouse różnią się przede wszystkim celem oraz przygotowaniem informacji do zapytań. Hurtownię projektuje się pod złożone analizy danych historycznych, a system operacyjny – pod bieżące transakcje.¹
Różnicę obciążeń widać w benchmarkach: transakcyjny TPC-C obejmuje 5 typów transakcji, a analityczny TPC-DS – 99 zapytań¹².

Przy wyborze architektury trzeba zestawić cel systemu z postacią danych dostępnych do analizy i ograniczeniami każdego podejścia.

Tabela porównuje cztery rodzaje systemów według celu, przygotowania danych i ograniczenia.

Czym różnią się data warehouse, data lake i lakehouse?

Data warehouse udostępnia dane w modelu przygotowanym do analiz. Data lake, czyli jezioro danych, przechowuje je przed pełnym dopasowaniem do raportów. Lakehouse łączy przechowywanie z mechanizmami analitycznego wykorzystania informacji.
Dane z jeziora można przetworzyć i załadować do hurtowni do dalszej analizy.¹ O wyborze decyduje potrzeba gotowych definicji raportowych, miejsca na dane w różnej postaci albo wspólnego środowiska przechowywania i analizy. W Delta Lake zarządzaniu danymi służy między innymi polecenie VACUUM: domyślnie usuwa nieużywane pliki starsze niż 7 dni¹³.

Jak działają chmurowe hurtownie danych, takie jak Snowflake i BigQuery?

Chmurowa hurtownia danych oferuje przechowywanie i przetwarzanie jako usługę. Snowflake i BigQuery to produkty, nie modele danych. Organizacja zasila wybrany produkt, przygotowuje model analityczny i udostępnia wyniki przez zapytania oraz raporty.
Sposób uruchamiania zasobów obliczeniowych zależy od produktu.

Tabela pokazuje zastosowanie obu produktów i zadania, które pozostają po stronie zespołu.

Dane w tabeli: 14

Jak hurtownia danych wspiera analizę Big Data?

Hurtownia wspiera analizę Big Data, wybierając i przygotowując dane potrzebne do odpowiedzi na konkretne pytania. Najpierw ustala się zakres informacji, potem wspólne definicje, a na końcu kieruje zapytania do modelu analitycznego. Przechowywanie kolumnowe zapisuje wartości według pól, zamiast całych wierszy; pomaga kompresować dane i odczytywać tylko pola potrzebne zapytaniu.¹⁰
Partycjonowanie dzieli dane według wybranego klucza. Gdy warunek zapytania odpowiada temu podziałowi, system może ograniczyć zakres odczytu¹⁵.

Dlaczego hurtownia danych to nie tylko duża baza danych?

Hurtownia nie jest po prostu dużą bazą danych. Jej strukturę projektuje się pod analizy, nie wyłącznie pod zapis operacji. Sama pojemność nie ustala wspólnych definicji miar ani zasad łączenia informacji z różnych procesów. O użyteczności hurtowni przesądzają model analityczny, przygotowanie danych i organizacja zapytań, a nie liczba rekordów.

Wybór architektury danych powinien wynikać z rodzaju przechowywanych informacji oraz zapytań, które mają je wykorzystywać.

Kontrola jakości danych i rozwiązania SAP

Hurtownia wymaga kontroli jakości, aktualności, dostępu i wydajności, by raporty opierały się na danych zgodnych z regułami organizacji. Taką kontrolę prowadzi się zarówno przy zasilaniu hurtowni, jak i przy udostępnianiu wyników użytkownikom.

Jak mierzyć jakość danych i wydajność hurtowni?

Jakość danych w hurtowni ocenia się na podstawie testów potoków. Wydajność można mierzyć czasem wykonania zapytań i odświeżania raportów. Testy potoków sprawdzają między innymi unikalność, kompletność, dopuszczalne wartości, relacje i reguły biznesowe.¹⁰
Lista kontrolna obejmuje dane, ich aktualność, wydajność i bezpieczeństwo:

• Testy jakości danych zestawiają wyniki ładowania z przyjętymi regułami i wskazują rekordy wymagające poprawy¹⁶.
• Kontrola aktualności porównuje czas ostatniego udanego zasilenia z terminem udostępnienia danych w raporcie.
• Pomiar wydajności rejestruje czas zapytań i odświeżania raportów dla wybranych obciążeń.
• Kontrola dostępu sprawdza, czy użytkownicy widzą tylko dane objęte ich uprawnieniami.

Wyniki kontroli pomagają odróżnić błąd danych od opóźnienia zasilania lub wolnego zapytania.

Do czego służy SAP Business Warehouse?

SAP Business Warehouse, czyli SAP BW, przygotowuje dane organizacji do analiz i raportów. Przy wdrożeniu trzeba ustalić źródła, reguły przetwarzania oraz sposób udostępniania wyników.
SAP BW NetWeaver to nazwa środowiska SAP BW. Przy planowaniu zmian architektury należy odróżniać je od produktu SAP BW/4HANA.

Czym SAP BW/4HANA różni się od SAP Business Warehouse?

SAP BW/4HANA opiera się na bazie SAP HANA. Obsługuje raportowanie w czasie rzeczywistym i może działać lokalnie lub w chmurze.¹⁷
Porównanie z używanym środowiskiem SAP BW powinno objąć model danych, zależności raportów i sposób zasilania. To one wyznaczają zakres migracji¹⁸.

Jak przenieść hurtownię danych SAP do chmury?

Przeniesienie hurtowni SAP do chmury zaczyna się od spisu modeli, źródeł danych, raportów i zależności technicznych. Później zespół ustala zakres migracji, przygotowuje środowisko docelowe i przenosi dane. Przed udostępnieniem raportów użytkownikom porównuje ich wyniki. All for One Poland oferuje wdrożenie SAP BW i SAP BW/4HANA, migrację do BW/4HANA oraz wsparcie, hosting i administrację środowiska SAP BW.^17,19

Migracja hurtowni SAP kończy się po sprawdzeniu zgodności danych, raportów i uprawnień w środowisku docelowym.

Niezawodne potoki danych – od źródła do produktu danych

Potok danych przenosi informacje ze źródła do hurtowni i przygotowuje je jako produkt danych. Jest to zbiór udostępniany odbiorcom według ustalonych zasad. Niezawodność potoku zależy od sposobu przekształcania danych, harmonogramu aktualizacji i postępowania z błędnymi rekordami.

Aktualizacja danych w hurtowni może przebiegać wsadowo albo w czasie rzeczywistym.¹
Tryb dobiera się do tego, kiedy użytkownicy potrzebują wyników w raportach. Proces ETL w Hurtowni Danych rozwijanej przez ZETO obejmuje oczyszczanie danych, eliminowanie uszkodzonych informacji i standaryzację danych adresowych.⁶

Tabela porównuje ETL i ELT według momentu transformacji oraz ograniczenia każdej metody.

Dane w tabeli: 1,10

ETL lub ELT dobiera się do miejsca, w którym organizacja chce przekształcać dane, oraz do wymaganej aktualności wyników.

Dystrybucja danych – udostępnianie wyników analiz odbiorcom

Hurtownia udostępnia wyniki przez zapytania, raporty i narzędzia Business Intelligence, służące do analizy i prezentacji danych. Warstwa dostępu do danych określa, z których przygotowanych źródeł korzystają odbiorcy raportów.

Hurtownia Danych rozwijana przez ZETO udostępnia 41 raportów.⁶ Raporty należą do 3 głównych grup.⁶
Każdy z nich ma dedykowane, odpowiednio zindeksowane źródło danych.⁶

Tabela przedstawia zakresy raportów Hurtowni Danych ZETO i liczbę raportów w każdym z nich.

Dane w tabeli: 6

Tych liczb nie należy więc porównywać jako miary skali wdrożeń.

Dystrybucja danych wymaga przypisania odbiorcom raportów korzystających z przygotowanych źródeł.

Ceny i warunki sprawdzone u źródeł: październik 2026.