Šis darbas apima vaistinių tinklo klientų duomenų analizės modelio sudarymą ir sukūrimą. Kuriant ir projektuojant duomenų saugyklas, susiduriama su įvairiomis problemomis. Viena didžiausių ir daugiausia laiko užimančių duomenų saugyklų projektavimo ir kūrimo problemų – tai duomenų išgavimas iš esamų sistemų ir jų perkėlimas į analizės sistemas (ETL procesas). Analizuojamoje įmonėje naudojama Oracle duomenų bazė darbiniams duomenims saugoti. Tačiau kuriant duomenų saugyklą, buvo palygintos technologijos ir pačiai saugyklai realizuoti pasirinktos Microsoft SQL Server priemonės. Duomenų saugykla yra skirta vaistinių tinklui, kur be tradicinių pardavimų duomenų, yra ir tik farmacijoje naudojami duomenys (kompensuojamųjų vaistų receptai, draudimo nuolaidos ir pan.). Darbo metu sukurtas OLAP analizės kubas, apimantis vaistinių tinklo pardavimų, nuolaidų kortelių panaudojimo duomenis. Tai leidžia įmonės analitikams efektyviau analizuoti klientų įpročius, paklausiausias prekes ir pasiūlyti klientams tinkamiausius sprendimus, išlaikant esamus klientus ir pritraukiant naujus. Darbo metu realizuotas analizės kubas, nustatyti jo atnaujinimo intervalai, ištestuotas bendras sistemos veikimas. Taip pat nustatytos pagrindinės duomenų saugyklų projektavimo, realizavimo problemos. / This work investigates Pharmacy Data Warehouse model and practice. The development and design of data warehouse is faced with various problems. One of the biggest and most time consuming data warehousing design and development issues - is the data extraction from existing systems, transformations and load (ETL process) to target systems. Analyzed company uses Oracle database as operational data store. Examination of the current situation, the technical base, for the implementation of the data warehouse is selected the Microsoft SQL Server 2000 Analysis Services tools. Because these tools already exist in the company, thus reducing the overall costs needed. During this work is realized the cube of Pharmacy customers analysis, tested overall system performance, in addition, an example schedules for cube updating are created. This enables the analysts to more effectively analyze customer behavior, sales and offer customers the most appropriate solutions, while retaining existing customers and attracting new ones.