डेटा वेयरहाउस और डेटा मार्ट अनुप्रयोगों के एक व्यापक क्षेत्र में उपयोग किए जाते हैं। व्यावसायिक अधिकारी डेटा वेयरहाउस और डेटा मार्ट में डेटा का उपयोग डेटा विश्लेषण करने और रणनीतिक निर्णय लेने के लिए करते हैं। कुछ फर्मों में, डेटा वेयरहाउस का उपयोग उद्यम प्रशासन के लिए प्लान-एक्सीक्यूट-असेस "क्लोज्ड-लूप" फीडबैक सिस्टम के अभिन्न तत्व के रूप में किया जाता है।
डेटा वेयरहाउस का उपयोग बैंकिंग और वित्तीय सेवाओं, उपभोक्ता सामान और खुदरा वितरण क्षेत्रों, और नियंत्रित निर्माण में व्यापक रूप से किया जाता है, जिसमें मांग-आधारित उत्पादन शामिल है। आमतौर पर, एक डेटा वेयरहाउस जितने लंबे समय से उपयोग में है, उतना ही अधिक विकसित होगा। यह विकास विभिन्न चरणों में होता है।
प्रारंभ में, डेटा वेयरहाउस का उपयोग आमतौर पर दस्तावेज़ बनाने और पूर्वनिर्धारित क्वेरी का उत्तर देने के लिए किया जाता है। इसका उपयोग सारांशित और विस्तृत जानकारी का विश्लेषण करने के लिए किया जा सकता है, जहां परिणाम दस्तावेज़ और चार्ट के रूप में प्रदर्शित होते हैं। बाद में, डेटा वेयरहाउस का उपयोग रणनीतिक उद्देश्यों के लिए किया जाता है, बहुआयामी विश्लेषण और परिष्कृत स्लाइस-एंड-डाइस ऑपरेशन लागू करके।
अंत में, डेटा वेयरहाउस को डेटा माइनिंग टूल्स का उपयोग करके ज्ञान खोज और रणनीतिक निर्णय लेने के लिए नियोजित किया जा सकता है। इस ढांचे में, डेटा वेयरहाउसिंग के लिए टूल्स को एक्सेस और रिट्रीवल टूल्स, डेटाबेस रिपोर्टिंग टूल्स, डेटा विश्लेषण टूल्स, और डेटा माइनिंग टूल्स में वर्गीकृत किया जा सकता है।
व्यावसायिक उपयोगकर्ताओं को यह समझने के साधन होने चाहिए कि डेटा वेयरहाउस में क्या मौजूद है (मेटाडेटा के माध्यम से), डेटा वेयरहाउस की सामग्री कैसे बनाई जाए, विश्लेषण टूल्स का उपयोग करके सामग्री का परीक्षण कैसे करें, और ऐसे विश्लेषण के परिणाम कैसे प्रदर्शित करें।
डेटा वेयरहाउस एप्लिकेशन के तीन प्रकार हैं जैसे सूचना प्रसंस्करण, विश्लेषणात्मक प्रसंस्करण, और डेटा माइनिंग।
सूचना प्रसंस्करण (Information Processing)
यह क्रॉसटैब, टेबल, चार्ट, या ग्राफ का उपयोग करके क्वेरी, बुनियादी सांख्यिकीय विश्लेषण, और रिपोर्टिंग प्रदान करता है। डेटा वेयरहाउस डेटा प्रोसेसिंग में एक नवीनतम प्रवृत्ति कम लागत वाले वेब-आधारित एक्सेस टूल्स बनाना है जो तब वेब ब्राउज़र के साथ एकीकृत होते हैं।
विश्लेषणात्मक प्रसंस्करण (Analytical Processing)
यह बुनियादी OLAP ऑपरेशन प्रदान करता है, जिसमें स्लाइस-एंड-डाइस, ड्रिल-डाउन, रोल-अप, और पिवटिंग शामिल हैं। यह आमतौर पर सारांशित और विस्तृत दोनों संरचनाओं में ऐतिहासिक जानकारी पर काम करता है। डेटा प्रोसेसिंग पर ऑनलाइन एनालिटिकल प्रोसेसिंग की प्रमुख ताकत डेटा वेयरहाउस जानकारी का बहुआयामी डेटा विश्लेषण है।
डेटा माइनिंग (Data Mining)
यह छिपे हुए पैटर्न और संघों को ढूंढकर, विश्लेषणात्मक मॉडल बनाकर, वर्गीकरण और भविष्यवाणी लागू करके, और विज़ुअलाइज़ेशन टूल्स का उपयोग करके खनन परिणामों को प्रदर्शित करके ज्ञान खोज प्रदान करता है।
डेटा माइनिंग में OLAP की तुलना में अधिक स्वचालित और गहरा विश्लेषण होता है, डेटा माइनिंग के व्यापक अनुप्रयोग होने की उम्मीद है। डेटा माइनिंग व्यावसायिक प्रबंधकों को अधिक उपयुक्त उपयोगकर्ताओं को खोजने और पहुंचने में मदद कर सकती है, और महत्वपूर्ण व्यावसायिक अंतर्दृष्टि प्राप्त कर सकती है जो बाजार हिस्सेदारी बढ़ाने और मुनाफा बढ़ाने में मदद कर सकती है।
