Hurtownie danych stanowiły sztandarowe hasło postępu technologicznego lat 90-tych. Zdarzało się, że wdrożenia "hurtowni" w firmach miały na celu nie tyle usprawnianie biznesu, ile poprawianie marketingowego wizerunku firmy wobec klientów i konkurentów. W wyniku tego stanu rzeczy termin "hurtownia danych" jakby zestarzał się przedwcześnie (szczególnie w Polsce) zanim doszło do wdrożeń tej technologii na szerszą skalę. W tej sytuacji nie trudno było o tworzenie mitów.

Opracowanie hurtowni danych “od zera” w ciągu 3 miesięcy jest nierealne jeśli mamy na myśli coś poważniejszego niż prosty datamart, czyli aplikację zorientowaną na proste struktury danych (np. kilkadziesiąt pól nie stowarzyszonych ze złożonymi algorytmami obliczeń), wymagającą jedynie wizualizacji wielowymiarowej techniką “drill down” w postaci np.kilkunastu predefiniowanych raportów. Okres kilkudziesięciu dni może okazać się również wystarczający dla “przyrostów” tematycznych, wykonywanych w stosunku do istniejących baz danych

Eksperci sądzą (np. Sean Kelly), że typowy nietrywialny projekt hurtowni danych trwa co najmniej 1 rok. , gdyż wymaga przygotowania odpowiedniej infrastruktury. Infrastruktura ta polega m.i. na zdefiniowaniu celów biznesowych i modelu biznesowego pod kątem hurtowni danych, przeniesieniu modelu biznesowego na poziom modelu danych, opracowaniu strategii budowy hurtowni danych, założeniu centralnego repozytorium metadanych, wyborze “tematu” dla pierwszej hurtowni danych, sformułowaniu potrzeb informacyjnych do uzyskania z pierwszej aplikacji oraz zdefiniowaniu danych wejściowych do hurtowni wraz z algorytmami kontroli ich jakości. Czynności powyższe zwykle trzeba powtarzać w kilku iteracyjnych nawrotach, zanim ustalone zostaną cele biznesowe możliwe do osiągnięcia w technologii hurtowni danych oraz osiągnie się zadowalającą zgodność podejścia biznesowego i informatycznego. Zbytni pośpiech w formułowaniu potrzeb biznesowych nie jest wskazany, gdyż koszt usuwania błędów tego etapu jest bardzo wysoki na etapie wdrażania hurtowni

Z reguły są to zadania koncepcyjne i analityczne wymagające dłuższego czasu, natomiast sama realizacja projektowo-programistyczna (polegająca na implementacji już ustalonych reguł ekstraktyzacji, czyszczenia, transformacji i ładowania danych wejściowych oraz utworzeniu predefiniowanych raportów i prezentacji graficznych) wspierana metodycznie i narzędziowo może być wykonana w kilkumiesięcznych terminach. Pracochłonne jest uzyskanie danych odpowiedniej jakości - czasem samo wykonanie operacji czyszczenia danych, pochodzących z wielu aplikacji, trwa od paru miesięcy do roku. Ponadto niektóre aplikacje (oparte na wykrywaniu trendów) mogą funkcjonować dopiero po nagromadzeniu odpowiednich danych historycznych (np. za okres 2 lat).

Dopiero po zbudowaniu wspomnianej wyżej infrastruktury możliwe są tematyczne “przyrosty” co “90 dni”, co określane jest jako strategia drobnych kroków (tzw. rapid development methodology) podporządkowana zasadzie “Think globally, act locally” (myśl globalnie działaj lokalnie).

Mit 90 dni coraz częściej zastępowany jest okresem 180 dni i zasadą “zadanie na 6 miesięcy dla nie więcej niż 6 osób projektujących. Krótkoterminowość dotyczy więc z reguły poszczególnych kroków, które można nazwac “przyrostami” hurtowni danych. W bankach istnieje zazwyczaj wiele (kilkadziesiąt) systemów transakcyjnych. Transformacja danych z tych systemów do hurtowni danych może trwać lata.

Koszt minimalny jest inny dla dużego banku, a inny dla małego. W sytuacji kiedy 1 terabajt pamięci dyskowej kosztuje ok.1 ml dolarów wolumen danych rzutuje zasadniczo na koszt przedsięwzięcia. Jeśli liczyć nie tylko komputery do usadowienia hurtowni, licencje oprogramowania, koszty projektu i wykonania oprogramowania, lecz też okresy zaangażowania personelu banku, koszty konsultantów, wyjazdów konferencyjnych i szkoleniowych, minimalny koszt przedsięwzięcia początkowego (z wdrożeniem pierwszej aplikacji “hurtownianej” z bazą rzędu 100GB) wyniesie zapewne ok.1 ml dolarów. Koszt budowy rozszerzonej hurtowni danych może być bardzo różny i wynosi od kilku milionów do kilkudziesięciu milionów dolarów. Praktyka zachodnia wskazuje, że im wyższy koszt tym wyższe ryzyko, gdyż prawdopodobieństwo niepowodzenia dużego (i dłużej trwającego) projektu jest o wiele wyższe niż małego, ale w przypadku powodzenia duże przedsięwzięcie (obejmujące krytyczne obszary działalnosci firmy) przynosi z reguły większy zysk .

Na hurtownię danych nie musi być stać każdą firmę. Na zachodzie ocenia się, iż typowymi użytkownikami hurtowni danych są i będą firmy o dochodach 100 - 700 ml dolarów rocznie. W większości przypadków (ponad 60% obrotów na rynku hurtowni danych – [IDC-2 s.10]) decydują się one na rozwiązania globalne (enterprise wide) a nie fragmentaryczne (data-martowe).

W małych bankach (i wszędzie tam, gdzie nie docenia się potrzeby globalnych hurtowni danych) zapewne uprawiana będzie strategia “małych kroków” (np. tworzenie wielu podhurtowni typu datamart zlokalizowanych na niewielkich serwerach a nawet komputerach biurkowych), które niewiele kosztują z osobna ale w sumie kosztują dużo, a niekoniecznie prowadzą do końcowego sukcesu.

Mit budowy hurtowni własnymi siłami banku

Zakończone sukcesem przedsięwzięcia hurtowni danych realizowane były z reguły jako wspólne przedsięwzięcie konsorcjum składające się z :

• firmy software’owej, dostarczającej oprogramowanie bazodanowe lub datamartowe oraz narzędzia typu ETL (Extraction Tranformation Loading), oprogramowanie repozytorium metadanych i odpowiedzialnej za integrację tego oprogramowania oraz “tuning” (ustawienie, skonfigurowanie) wydajnościowy,

• firmy konsultingowej, zapewniającej metodologię budowy hurtowni, analizującej potrzeby biznesowe, podnoszącej kulturę biznesową i informacyjną, wspierającej tworzenie sponsoringu, wspomagającej dobór sprzętu i oprogramowania, umożliwiającej kontakty z bankami które już wdrażały hurtownie

• własnego zespołu projektowego, obejmującego zarówno ludzi ze sfery biznesu jak i informatyki, zapewniającego nie tylko techniczną sprawność hurtowni, lecz również zdolnego do konwersji modelu biznesowego na model danych i algorytmy komputerowe.

Czasem spotyka się w kierownictwie firmy osoby z poglądem następującym: “Nie będziemy budować hurtowni danych, bo nigdzie się to przedsięwzięcie nie powiodło”. Jest to wyraz albo braku rzeczywistego przekonania do użyteczności tej technologii albo forma robienia uników przed odpowiedzialnością za przedsięwzięcie.

Fakty mówią same za siebie (zarówno o powodzeniach jak i ryzyku niepowodzenia). Wystarczy wziąć udział w konferencjach międzynarodowych poświęconych hurtowniom danych i wysłuchac wystąpień przedstawicieli banków. Ponadto warto zwrócić uwagę na nakłady ponoszone w świecie na hurtownie danych (w 1996 roku - 2.6 mld dolarów na oprogramowanie hurtowni i wydatki sprzętowe w wysokości 3,7 mld dolarów [IDC-2].

Analogicznie do innych złożonych przedsięwzięć, intuicyjnie wyróżnić można w procesie budowy hurtowni danych następujące okresy:

Gotowość ta wg Seana Kelly’ego [SE-1.2] mierzona jest następującymi dokonaniami: