Video: The Third Industrial Revolution: A Radical New Sharing Economy 2025
Mentre il mondo dei big data e il data warehouse tradizionale si intersecano, è improbabile che si uniscano in qualsiasi momento. Pensa a un data warehouse come un sistema di registrazione per la business intelligence, proprio come un sistema di gestione delle relazioni con i clienti (CRM) o di contabilità. Questi sistemi sono altamente strutturati e ottimizzati per scopi specifici. Inoltre, questi sistemi di registrazione tendono ad essere altamente centralizzati.
Il diagramma mostra un approccio tipico ai flussi di dati con magazzini e mercati:
Le organizzazioni continueranno inevitabilmente a utilizzare i data warehouse per gestire il tipo di dati strutturati e operativi che caratterizzano i sistemi di registrazione. Questi data warehouse forniranno comunque agli analisti aziendali la possibilità di analizzare dati, tendenze e così via. Tuttavia, l'avvento dei big data mette in discussione il ruolo del data warehouse e fornisce un approccio complementare.
Pensa alla relazione tra il data warehouse e i big data come fusione per diventare una struttura ibrida. In questo modello ibrido, i dati operativi ottimizzati altamente strutturati rimangono nel magazzino di dati strettamente controllato, mentre i dati altamente distribuiti e soggetti a modifiche in tempo reale sono controllati da un'infrastruttura Hadoop (o simile NoSQL).
È inevitabile che i dati operativi e strutturati debbano interagire nel mondo dei big data, dove le fonti di informazione non sono state (necessariamente) pulite o profilate. Sempre più spesso, le organizzazioni stanno capendo di avere un requisito aziendale per poter combinare i data warehouse tradizionali con le loro fonti storiche di dati aziendali con fonti di dati di grandi dimensioni meno strutturate e controllate. Un approccio ibrido a supporto delle fonti tradizionali e di Big Data può aiutare a raggiungere questi obiettivi aziendali.
