¿Qué es un data warehouse (almacén de datos)?

¿Qué guarda un data warehouse y en qué se diferencia del ERP?

Amazon Web Services lo define como un repositorio central de información que se puede analizar para tomar mejores decisiones, optimizado para devolver consultas rápido a muchos usuarios a la vez. La diferencia con la base de datos del ERP es de propósito: la base del ERP captura cada transacción en el momento en que ocurre; el almacén de datos está hecho para leer grandes volúmenes de historia y encontrar tendencias.

Según AWS, el data lake admite datos estructurados, semiestructurados y no estructurados, mientras que el almacén exige que los datos estén organizados en formato de tabla para consultarlos con SQL.

¿Cómo llegan los datos al almacén?

Los datos fluyen desde los sistemas transaccionales con una frecuencia definida, normalmente cada noche o cada hora, mediante un proceso ETL que los extrae, los limpia y los carga. IBM lo describe como el sistema que reúne datos de múltiples fuentes en un repositorio central para soportar análisis y reportes.

Un ejemplo en una empresa ecuatoriana

Piensa en un grupo empresarial con tres compañías, cada una con su RUC y su propio ERP: una importadora, una distribuidora y una empresa de transporte. La gerencia quiere ver el margen consolidado por cliente, descontando fletes y días de cobro. Ningún ERP tiene esa respuesta, porque cada uno conoce solo su parte. El almacén de datos reúne las ventas, los costos, la cartera y los pagos de las tres empresas con códigos de cliente unificados, y desde ahí se arma el tablero del directorio.

Un detalle propio de Ecuador: el SRI pide que emisor y receptor conserven los comprobantes electrónicos por siete años. Cargar los datos de esos XML en el almacén sirve para analizarlos, pero no reemplaza guardar los archivos originales.

Errores comunes y límites

• Construirlo sin preguntas. Un almacén lleno de tablas que nadie consulta es un costo, no una herramienta. Primero se definen las preguntas de la gerencia.
• No tener un diccionario de datos. Si nadie sabe qué significa cada campo, cada analista lo interpreta a su manera.
• Guardar datos personales sin plazo. La LOPDP establece que los datos personales se conserven solo el tiempo necesario para su finalidad (artículo 10, principio de conservación). Para medir ventas por zona no hace falta la cédula de cada cliente.
• Dar acceso a todos por igual. Los permisos por rol importan: no todos deben ver márgenes ni sueldos.

Relación con la inteligencia artificial

Un almacén ordenado es la mejor fuente para un copiloto que responda en lenguaje normal preguntas sobre ventas, margen y cartera, como explicamos en la guía de dashboard gerencial con inteligencia artificial. No hay que confundirlo con una base de datos vectorial: esta guarda representaciones numéricas de textos para búsquedas por significado, mientras el almacén guarda cifras en tablas para cálculos exactos.