データウェアハウス

「週末に紙おむつを買いにくる男性は、同時に缶ビールをケースごと買う」という傾向を導き出して、ビールと紙おむつの売場を近づけて売り上げを拡大した米国のスーパーマーケットチェーンのウォール・マートの事例は、データウェアハウスの古典的な成功事例として有名である。 この場合は、POSデータを集計した基幹系システムからデータウェアハウスにデータを吸い上げ、「特定の商品がどのように売れているか」などの傾向を抽出することで、意味のある統計情報を得たというものである。

　データウェアハウスのさらに身近な例としては、各種店舗の会員カードなどが挙げられる。 これらは個人を特定して顧客の購入動向などの情報を収集できるので、先のウォール・マートの事例よりもさらに効果的となる。 優良顧客を選別したり、その優良顧客の傾向から潜在顧客に対する効果的なキャンペーンなどを行なうことができるので、新規顧客の獲得に結び付けることもできるからだ。 また、新製品の開発や、ダイレクトメールの発送を関心を持ちそうな顧客に的を絞って行なうことも可能だ。

　データウェアハウスでは、蓄積されたデータを分析する部分が重要になる。 データの分析には、データをさまざまな角度から分析するための「OLAP（OnLine Analytical Processing）ツール」や、膨大なデータの中から規則性を抽出して価値のある情報を引き出すための「データマイニングツール」が使われる。 最終的には、データウェアハウスを構築するのが目的ではなく、データを活かすことが目標なので、これらの分析ツールとの連携が重要になる。