This is the Trace Id: 8d6e330f3c27c580aa11400422d6c9b1
Passa a contenuti principali
Azure

Che cos'è un data warehouse?

Un data warehouse è un repository centrale che raccoglie, pulisce e archivia dati da più origini per supportare la creazione di report, l'analisi e business intelligence.
Inizia a usare Azure

Panoramica dei data warehouse

Scopri cos'è un data warehouse, come funziona e perché è importante. Esplora i vantaggi, i casi d'uso, i diversi tipi, le opzioni di data warehouse cloud e il futuro dei data warehouse.
Immagine di sfondo

Punti chiave

  • Un data warehouse archivia i dati strutturati da più origini in un'unica posizione.
  • È progettato per la creazione di report, la pianificazione e il processo decisionale.
  • I data warehouse cloud sono scalabili, flessibili ed economicamente convenienti.
  • Diversi tipi di data warehouse, ad esempio locali, cloud, ibridi e federati, rispondono a esigenze diverse.
  • I data warehouse aziendali supportano analisi su larga scala tra reparti e località.
  • Il data warehousing garantisce che i dati siano puliti, coerenti e pronti per l'analisi.
  • Le tecnologie di intelligenza artificiale e cloud stanno modellando il futuro del data warehousing con informazioni dettagliate e automazione in tempo reale.

Che cos'è un data warehouse?

Un data warehouse raccoglie e organizza i dati di sistemi diversi in un'unica origine centrale. È progettato per la creazione di report e l'analisi, non per le operazioni quotidiane. I dati vengono trasmessi da un'ampia gamma di origini, ad esempio sistemi point-of-sale, applicazioni aziendali e database relazionali e vengono in genere puliti e standardizzati prima dell'arrivo nel warehouse. Poiché un data warehouse può archiviare grandi quantità di informazioni, consente agli utenti di accedere facilmente a una vasta gamma di dati cronologici. A differenza dei database operativi, ottimizzati per le transazioni, i data warehouse sono progettati per l'esecuzione di query su grandi volumi di dati cronologici. Supportano dashboard e strumenti di analisi che consentono ai team di tenere traccia delle tendenze, del comportamento dei clienti e delle prestazioni nel tempo.

Che cos'è il data warehousing?
Il data warehousing è il processo di raccolta, pulizia e archiviazione dei dati da più sistemi in un data warehouse centralizzato, rendendoli accurati, coerenti e pronti per report e dashboard che supportano un processo decisionale migliore.

Data warehouse e data lake
I data warehouse e i data lake archiviano ed elaborano i dati, ma servono a scopi diversi. Un data warehouse usa uno schema relazionale predefinito, che lo rende ideale per i dati strutturati puliti e ottimizzati per le query SQL. È ideale per business intelligence, report e analisi delle tendenze legati a casi d'uso noti, ad esempio vendite, finanza o marketing. Anche se simile, un data lake archivia dati non elaborati, semistrutturati e non strutturati da origini come app per dispositivi mobili, dispositivi IoT, social media e piattaforme di streaming. Lo schema viene applicato solo quando i dati vengono letti. Ciò consente un'analisi flessibile e scalabile, in particolare per intelligenza artificiale e Machine Learning. Molte organizzazioni usano un data warehouse cloud o un'data warehouse aziendale insieme ai data lake per supportare un'ampia gamma di esigenze di informazioni.
Vantaggi e casi d'uso

A cosa serve un'unità data warehouse?

I data warehouse consentono di eseguire query più rapidamente, prendere decisioni consapevoli e rimanere allineati. Ciò è particolarmente vero per i data warehouse aziendali che gestiscono i dati tra team.

Processo decisionale più consapevole

I team usano dati coerenti e curati per guidare la strategia e migliorare i risultati. Usa i dati di acquisto per modificare l'inventario, ottimizzare i prezzi o perfezionare le offerte di prodotti.

Velocità

Dati centralizzati significa che i report e i dashboard vengono eseguiti più velocemente. Misurare rapidamente le prestazioni della campagna e regolare la spesa in tempo reale.

Consolidamento

La combinazione di dati da più origini crea un'unica origine di verità. Monitora le transazioni in un'unica posizione per rilevare le frodi e garantire l'integrazione dei dati, in modo che i dati di sistemi diversi siano connessi, coerenti e utilizzabili tra i team.

Scalabilità

Un data warehouse cloud cresce con l'azienda, gestendo più dati e utenti. Ridimensiona le analisi man mano che la produzione si espande o quando nuovi team entrano a far parte dell'organizzazione.

Archiviazione sicura

Il controllo centralizzato consente di proteggere i dati sensibili e soddisfare le esigenze di conformità. Archivia i record dei pazienti in modo sicuro e soddisfare i requisiti di privacy in tutte le aree geografiche.

Informazioni dettagliate cronologica

I data warehouse aziendali mantengono i dati a lungo termine per l'analisi delle tendenze. Confrontare le prestazioni in mesi o anni o inserire dati cronologici in strumenti di analisi dei Big Data per individuare modelli e risultati delle previsioni.

Risparmio sui costi

I sistemi basati sul cloud riducono i costi hardware e di manutenzione. Sposta le risorse IT dalla manutenzione alle iniziative strategiche.

Analisi basata su intelligenza artificiale

Gli strumenti di intelligenza artificiale predefiniti consentono di visualizzare automaticamente informazioni dettagliate. Usare Microsoft Fabric per applicare i modelli di intelligenza artificiale direttamente ai dati aziendali senza spostarli o duplicarli.

Coerenza dei dati tra i team

Una data warehouse centralizzata garantisce che tutti lavorino con gli stessi numeri, riducendo gli errori e le comunicazioni errate. Rimani allineato quando il team esamina le metriche, crea report o prevede la domanda.

Diversi tipi di data warehouse

Le aziende hanno esigenze diverse per quanto riguarda l'archiviazione e l'analisi dei dati. Ogni tipo ha vantaggi e svantaggi. La scelta migliore dipende dagli obiettivi, dal budget e dalla configurazione tecnica.

1. Data warehouse locali o tradizionali
  • Archiviato nei server dell'ufficio
  • Controllo completo sulla configurazione e la sicurezza
  • Costi iniziali e manutenzione più elevati
  • Ideale per regole di dati rigorose o esigenze di privacy
2. Data warehouse cloud
  • Archiviati online tramite servizi come Azure o AWS
  • Facile da ridimensionare e pagare per le risorse usate
  • Non è necessario acquistare hardware
  • Funziona bene con altri strumenti di cloud computing
3. Data warehouse ibrida
  • Combinazione di archiviazione locale e cloud
  • Ottimo per le aziende passano al cloud
  • Mantiene i dati sensibili in sede durante l'uso delle funzionalità cloud
4. Data warehouse federate
  • Non archivia i dati in un'unica posizione
  • Mostra una visualizzazione combinata da sistemi diversi
  • Consente di evitare la duplicazione
  • Sono necessari strumenti avanzati per gestire e connettere i dati

Quali sono le prossime novità per il data warehousing?

Un data warehouse consente al team di trasformare i dati non elaborati in informazioni dettagliate utili. Offre alle aziende una base coerente e centralizzata per la pianificazione, la creazione di report e il processo decisionale. Con l'aumentare dei volumi di dati, i data warehouse cloud stanno diventando essenziali per la scalabilità, la velocità e la flessibilità.

L'intelligenza artificiale sta cambiando la modalità di interazione con i dati. Invece di esaminare manualmente i dashboard, usiamo gli strumenti di intelligenza artificiale per individuare modelli, stimare i risultati, contrassegnare anomalie e suggerire azioni. Poiché i data warehouse aziendali archiviano grandi volumi di dati strutturati, sono particolarmente adatti per il training di modelli di intelligenza artificiale e offrono informazioni dettagliate più intelligenti e veloci.

Le moderne piattaforme data warehouse cloud sono create per supportare queste funzionalità basate su intelligenza artificiale e altro ancora. Scopri alcune tendenze e strumenti che modellano il futuro del data warehousing:

  • Analisi basata su intelligenza artificiale
    Usa strumenti intelligenti per rilevare automaticamente modelli, tendenze di previsione e dati analitici.
  • Dati in tempo reale
    Ottieni aggiornamenti istantanei e risposte con pipeline di dati di streaming e query a bassa latenza.
  • Sistemi serverless
    Riduci la configurazione e la manutenzione con un'infrastruttura flessibile e su richiesta.
  • Nuovi modelli di dati
    Supporta dati strutturati, semistrutturati e non strutturati tra team e strumenti.
  • Governance dei dati più avanzata
    Proteggi i dati sensibili e soddisfa i requisiti di privacy con controlli centralizzati e applicazione dei criteri.
  • Piattaforme che interagiscono tra loro
    Soluzioni come Microsoft Fabric unificano i dati nell'organizzazione, semplificando l'applicazione di modelli di intelligenza artificiale senza spostare o duplicare i dati.
Indipendentemente dal fatto che tu stia iniziando o aumentando le prestazioni, un data warehouse moderno ti aiuta a rimanere organizzato e a prendere decisioni più intelligenti e l'intelligenza artificiale sta rendendo il processo più veloce, più automatizzato e più potente.
RISORSE

Approfondisci i dati e le analisi

Una persona seduta alla scrivania che guarda un portatile.
Risorse di Azure

Esplora il Centro risorse di Azure

Scopri i programmi di formazione e certificazione di Azure, domande&e risposte, eventi, video e altro ancora per gli sviluppatori.
Scopri di più
Uomo che indossa una camicia bianca e guarda un portatile.
Studenti sviluppatori

Avvia la tua carriera nel settore tecnologico

Sviluppa competenze su richiesta per dare il via alla tua carriera nel settore tecnologico e avere un impatto su domani.
Scopri di più
Donna seduta in ufficio e che guarda uno schermo
Eventi di Azure

Sviluppa e acquisisci nuove competenze

Esplora webinar ed eventi di persona o digitali in base al ruolo che ti aiutano a crescere professionalmente.
Scopri di più
Domande frequenti

Domande frequenti

  • Un data warehouse è un sistema centralizzato che archivia dati strutturati da più origini, ad esempio applicazioni aziendali, sistemi pos-of-sale e database relazionali. È progettato per la creazione di report e l'analisi, non per le operazioni quotidiane. Grazie all'organizzazione e alla pulizia dei dati prima dell'archiviazione, vengono fornite informazioni cronologiche coerenti che supportano dashboard, business intelligence e processi decisionali.
  • I data warehouse consentono di accedere rapidamente a dati curati e centralizzati che consentono di prendere decisioni più consapevoli e rimanere allineati tra i team. In questo modo è possibile eseguire report, analizzare le tendenze e prevedere i risultati. Se si usa un data warehouse cloud, si trarranno vantaggio dalla scalabilità, dai costi di manutenzione inferiori rispetto ai data warehouse locali e dalle funzionalità di sicurezza predefinite che supportano la conformità e l'analisi basata su intelligenza artificiale.
  • L'architettura del data warehouse è in genere organizzata in tre livelli: il livello inferiore archivia i dati, il livello intermedio lo elabora e il livello superiore lo presenta tramite gli strumenti di creazione di report. Sono disponibili anche modelli di distribuzione diversi, ad esempio locale, cloud, ibrido e federato. Ogni tipo offre vantaggi esclusivi a seconda delle esigenze, della scalabilità e dell'infrastruttura dell'organizzazione.
  • Per creare un data warehouse, raccogliere i dati dai sistemi, pulirli e trasformarli e archiviarlo in una posizione centrale. Si configureranno anche gli strumenti per l'esecuzione di query, la creazione di report e la visualizzazione. Molti team usano processi ETL (estrazione, trasformazione, caricamento) e piattaforme cloud per semplificare la configurazione e connettere i dati agli strumenti di analisi.
  • È possibile esplorare gli strumenti dei provider di servizi cloud, ad esempio Azure. Queste piattaforme consentono di archiviare, gestire e analizzare un data warehouse. È anche possibile prendere in considerazione un prodotto SaaS (Software as a Service) per connettere i dati tra sistemi e applicare modelli di intelligenza artificiale senza duplicazione.