El enfoque tradicional del análisis de datos de una empresa es separar el sistema transaccional (OLTP) del datawarehouse. Tanto si el datawarehouse es un EDW o un Data Mart, el rendimiento de las consultas analíticas dicta la separación del proceso transaccional del proceso analítico. Las consultas analíticas son a menudo SQL complejas que acceden a millones de filas.

Para proporcionar lo que se considera un rendimiento «razonable» en el datawarehouse, los fabricantes construyen una «capa de rendimiento» que consiste en índices, vistas materializadas, cubos, e incluso hardware dedicado para pre-recopilar y pre-sumarizar los datos. Además es necesario un experto en SQL que optimice las consultas y un DBA que optimice la ubicación de los datos para lograr el rendimiento necesario. Todo esto es a menudo prohibitivamente costoso para las empresas y minimiza la disponibilidad de acceso a los datos analíticos a alta velocidad.

Informix Warehouse Accelerator (IWA) proporciona acceso a este tipo de datos a muy alta velocidad, sin la necesidad de la «capa de rendimiento». Las empresas tienen acceso a cantidades masivas de datos y pueden realizar consultas interactivas con una fracción del coste del tiempo asociada normalmente al datawarehouse. Asi, se hace posible reducir «ventanas de reportes» de 6 – 8 horas/día a unos pocos minutos o menos. Ahora es posible también implementar soluciones para usuarios que nunca antes estubieron disponibles.

Para lograr este tiempo de respuesta casi instantánea en las consultas analíticas, Informix Warehouse Acelerador aprovecha la tecnología de procesadores de varios núcleos y memoria principal de acceso aleatorio dinámico (DRAM) que puede direccionar fácilmente varios terabytes en un solo sistema.

Sin embargo, Informix Warehouse Accelerator no es tan sólo un gran bufferpool. Utiliza algoritmos y métodos patentados de codificación de diccionario para ejecutar la mayoría de consultas SQL contra los datos codificados y permitir la ejecución de operaciones SIMD (single-instruction multiple-data) contra vectores de esos valores comprimidos.