データマート

データウェアハウスから特定の部門や目的に必要なデータを抽出・整理した小規模なデータベース。部門ごとの分析ニーズに特化しており、迅速なデータアクセスが可能。

データウェアハウスから特定の部門や目的に応じて必要なデータだけを抽出・集計した小規模なデータベース。部門ごとの分析や意思決定支援に特化しており、データウェアハウスより高速にアクセスできる。

データウェアハウスから特定の部門や業務目的に合わせて必要なデータを抽出した小規模なデータベース。部門単位の分析に特化しており、データウェアハウスよりもアクセスが高速。営業部門向けや経理部門向けなど用途別に構築される。

データウェアハウスから特定の部門やテーマに必要なデータを抽出・集約した小規模なデータベース。特定の分析目的に最適化されており、データウェアハウスより迅速なクエリ応答が可能。

データウェアハウスから特定の部門や用途に必要なデータだけを抜き出した小規模なデータベース。利用者が扱いやすく、分析の応答も速くなる。

データウェアハウスなどから、特定の部門や用途に必要なデータだけを切り出して格納した小規模なデータベース。営業部門の売上分析用、マーケティング用などに作り、対象を絞ることで利用者が扱いやすく、検索の応答も速くなる。

複数の業務システムのデータを、分析しやすいように主題別に統合・整理して時系列で蓄積するデータベース。履歴を保持し、原則として更新せずに追記していく点が業務システムのデータベースと異なる。スキーマオンライトで事前に構造を定めるため、品質の揃ったデータを全社で横断的に集計・分析するのに向く。

データレイクの安価なオブジェクトストレージの上に、DWHが持つトランザクション管理（ACID特性）、スキーマの管理、高速な検索などの機能を加えたデータ基盤のアーキテクチャ。Delta Lake、Apache Icebergなどのオープンなテーブル形式を使い、1つの基盤でBIの集計と機械学習の両方に同じデータを使えるようにする。

DWHの代表的なデータモデルで、売上金額などの数値を持つファクトテーブルを中心に置き、日付・商品・顧客などの分析軸を表すディメンションテーブルを周囲に配置した星形の構造。ディメンションテーブルを非正規化しておくため結合が少なく、集計の問合せが単純で高速になる。

スタースキーマのディメンションテーブルを正規化し、商品→商品分類→大分類のように階層ごとの表に分割した構造。データの重複が減り、マスタの更新や整合性の維持がしやすい反面、問合せで結合する表が増えて、集計の性能や分かりやすさはスタースキーマに劣る。

データを格納する前にスキーマを定義し、それに合うように変換・検証したデータだけを書き込む方式。DWHやリレーショナルデータベースで採られ、データの品質や一貫性を保ちやすく問合せも速いが、事前の設計が必要で、新しい種類のデータや要件の変化への対応に手間がかかる。

データ基盤の物理的なテーブル構造と利用者の間に置き、「売上」「顧客数」などのビジネス用語や指標の定義・計算式を一元的に管理する層。BIツールや分析ツールがこの層を介してデータを参照するため、部門やツールごとに指標の定義が食い違うのを防げる。