# Data warehouse

> Una base hecha para analizar: años de historia, de muchas fuentes, en un solo lugar.

- Nivel: Intermedio
- Temas: Datos
- URL: https://tidbit.legios.com.ar/es/data-warehouse/
- En inglés: [Data warehouse](https://tidbit.legios.com.ar/data-warehouse/)

Un **data warehouse** (almacén de datos) es una base de datos pensada para responder preguntas del negocio, no para hacer andar una app. La base de la app está ocupada registrando cada venta en el momento; el warehouse recibe copias de esos datos, más los del CRM, el proveedor de pagos y las plataformas de anuncios, y guarda años de historia en un solo lugar, limpios y ordenados para que las piezas encajen.

La diferencia se ve en las preguntas. Una app pregunta '¿qué tiene Ana en el carrito ahora?', y toca una fila. Una analista pregunta '¿cómo cambiaron las ventas por región mes a mes en los últimos tres años?', y lee cientos de millones de filas. Los warehouses guardan los datos **columna por columna** y reparten el trabajo entre muchas máquinas, así que ese segundo tipo de pregunta tarda segundos. Amazon Redshift, Snowflake y Google BigQuery son de los más conocidos, y con todos se habla en SQL.

Los datos suelen llegar por pipelines de ETL que corren todas las noches o cada pocos minutos, y las tablas se modelan alrededor del negocio: **hechos** (cada venta) rodeados de **dimensiones** (cliente, producto, fecha). Encima se construyen tableros, reportes mensuales y proyecciones. El warehouse se vuelve la única fuente de verdad: cuando dos equipos no coinciden en un número, es ahí donde van a resolverlo.

## Una analogía

El archivo central de una empresa. Cada área tiene sus papeles de trabajo en su escritorio (las bases de las apps); todas las noches se archivan copias, etiquetadas de la misma forma, así cualquiera puede sacar cinco años de registros y compararlos uno al lado del otro.

## Para quedarse

- Hecho para analizar una historia larga, no para el trabajo de cada momento de la app.
- Guarda los datos por columnas y reparte cada consulta entre muchas máquinas.
- Lo alimentan pipelines de ETL desde muchas fuentes, y se consulta con SQL.
- Amazon Redshift, Snowflake y Google BigQuery son ejemplos comunes.

## Para seguir leyendo

- [¿Qué es un data warehouse? (AWS)](https://aws.amazon.com/es/what-is/data-warehouse/)
- [Almacén de datos en Wikipedia](https://es.wikipedia.org/wiki/Almac%C3%A9n_de_datos)

## Términos relacionados

- [Base de datos](https://tidbit.legios.com.ar/es/database/): Un depósito ordenado de datos que los programas consultan y actualizan sin riesgo.
- [Regiones y zonas de disponibilidad](https://tidbit.legios.com.ar/es/regions-and-availability-zones/): Dónde vive AWS físicamente: ciudades del mundo, cada una con varios centros de datos.
- [Amazon Redshift](https://tidbit.legios.com.ar/es/amazon-redshift/): El data warehouse de AWS: SQL sobre tablas enormes, pensado para analizar, no para apps.
- [Google](https://tidbit.legios.com.ar/es/google/): La empresa del buscador, que regala casi todo y gana plata con publicidad.
- [SQL](https://tidbit.legios.com.ar/es/sql/): El lenguaje para hacerle preguntas a una base de datos.
- [ETL](https://tidbit.legios.com.ar/es/etl/): Sacar datos de sus fuentes, limpiarlos y cargarlos donde se puedan analizar.