Meni

Dimenzionalni model podataka u skladištu podataka - Vodič s primjerima

  • Glavni
  • Ostalo
  • Dimenzionalni model podataka u skladištu podataka - Vodič s primjerima

dimensional data model data warehouse tutorial with examples

Isprobajte Naš Instrument Za Uklanjanje Problema

Ovaj vodič objašnjava blagodati i mitove dimenzijskog modela podataka u skladištu podataka. Također, naučite više o tablicama dimenzija i tablicama činjenica s primjerima:

Ispitivanje skladišta podataka je objašnjeno u našem prethodnom vodiču, u ovom Serija treninga za skladište podataka za sve .

Ogromni podaci organizirani su u podatkovnom skladištu (DW) s tehnikama dimenzionalnog modeliranja podataka. Ove tehnike dimenzijskog modeliranja podataka čine krajnji korisnici vrlo jednostavnim za raspitavanje o poslovnim podacima. Ovaj vodič objašnjava sve o dimenzijskim modelima podataka u DW.

Dimenzionalni model podataka u skladištu podataka

Ciljana publika

  • Programeri i ispitivači skladišta podataka / ETL-a.
  • Stručnjaci za baze podataka s osnovnim znanjem o konceptima baza podataka.
  • Administratori baze podataka / stručnjaci za velike podatke koji žele razumjeti koncepte Skladišta podataka / ETL.
  • Fakulteti / studenti koji traže posao u skladištu podataka.

Što ćete naučiti:

Dimenzionalni modeli podataka

Dimenzionalni modeli podataka su podatkovne strukture koje su dostupne krajnjim korisnicima u ETL protoku za ispitivanje i analizu podataka. Proces ETL završava učitavanjem podataka u ciljne dimenzijske modele podataka. Svaki model dimenzionalnih podataka gradi se tablicom činjenica okruženom više tablicama dimenzija.

Koraci koje treba slijediti tijekom dizajniranja dimenzijskog modela podataka:

Dimenzionalni modeli podataka - Koraci projektiranja

Prednosti dimenzijskog modeliranja podataka

U nastavku su navedene razne prednosti dimenzijskog modeliranja podataka.

  • Osigurani su za korištenje DW okruženja koja se neprestano mijenja.
  • Ogromni podaci mogu se lako izgraditi uz pomoć dimenzijskih modela podataka.
  • Podaci iz dimenzijskih modela podataka lako se razumiju i analiziraju.
  • Krajnji su korisnici brzo dostupni za postavljanje upita s visokim performansama.
  • Dimenzionalni modeli podataka omogućuju nam hijerarhijsko analiziranje (ili) savijanje podataka.

ER modeliranje vs dimenzionalno modeliranje podataka

  • ER modeliranje prikladno je za operativne sustave, dok je dimenzijsko modeliranje prikladno za skladište podataka.
  • ER modeliranje održava detaljne trenutne transakcijske podatke, dok dimenzijsko modeliranje održava sažetak trenutnih i povijesnih transakcijskih podataka.
  • ER modeliranje normaliziralo je podatke, dok je dimenzionalno modeliranje denormaliziralo podatke.
  • ER modeliranje koristi više spajanja tijekom dohvata upita, dok dimenzionalno modeliranje koristi manji broj spajanja, stoga su performanse upita brže u dimenzionalnom modeliranju.

Mitovi o dimenzionalnom modeliranju podataka

Dolje su dati neki od postojećih mitova o modeliranju dimenzionalnih podataka.

  • Dimenzionalni modeli podataka koriste se samo za predstavljanje sažetka podataka.
  • Oni su specifični za odjel u organizaciji.
  • Ne podržavaju skalabilnost.
  • Dizajnirani su da služe u svrhu izvješća i upita krajnjeg korisnika.
  • Ne možemo integrirati dimenzijske modele podataka.

Tablice dimenzija

Tablice dimenzija igraju ključnu ulogu u DW sustavu pohranjujući sve analizirane metričke vrijednosti. Te su vrijednosti pohranjene pod lako odabirnim dimenzijskim atributima (stupcima) u tablici. Kvaliteta DW sustava najviše ovisi o dubini atributa dimenzije.

Stoga bismo trebali pokušati pružiti mnoge atribute zajedno s njihovim odgovarajućim vrijednostima u tablicama dimenzija.

Istražimo strukturu tablica dimenzija !!

# 1) Ključ tablice dimenzija: Svaka će tablica dimenzija imati bilo koji od svojih atributa dimenzije kao primarni ključ za jedinstvenu identifikaciju svakog retka. Stoga različite numeričke vrijednosti tog atributa mogu djelovati kao primarni ključevi.

Ako vrijednosti atributa u svakom slučaju nisu jedinstvene, tada možete uzeti u obzir sekvencijski generirane brojeve sustava kao primarne ključeve. Oni se nazivaju i zamjenskim tipkama.

Dimenzionalni modeli podataka moraju imati referentno ograničenje integriteta za svaki ključ između dimenzija i činjenica. Tako će tablice činjenica imati referencu stranog ključa za svaki primarni / surogat ključ u tablici dimenzija radi održavanja referentnog integriteta.

Ako ne uspije, tada se za taj dimenzijski ključ ne mogu dotični podaci tablice činjenica.

# 2) Stol je širok: Možemo reći da su tablice dimenzija široke jer u bilo koju točku ciklusa DW možemo dodati bilo koji broj atributa tablici dimenzija. DW arhitekt zatražit će od ETL tima da doda odgovarajuće nove atribute u shemu.

U scenarijima u stvarnom vremenu možete vidjeti tablice dimenzija s 50 (ili) više atributa.

# 3) Tekstualni atributi: Dimenzionalni atributi mogu biti bilo koje vrste kao tekst (ili) numerički po mogućnosti. Tekstualni atributi imat će stvarne poslovne riječi, a ne šifre. Tablice dimenzija nisu namijenjene proračunima, stoga se numeričke vrijednosti rijetko koriste za dimenzijske atribute.

# 4) Atributi možda neće biti izravno povezani: Svi atributi u tablici dimenzija možda nisu međusobno povezani.

# 5) Nije normalizirano: Normalizacija tablice dimenzija dovodi više posredničkih tablica u sliku koja nije učinkovita. Tako tablice dimenzija nisu normalizirane.

Dimenzionalni atributi mogu djelovati kao izvor ograničenja u upitima, a mogu se prikazati i kao oznake u izvješćima. Upiti će se učinkovito izvoditi ako izravno odaberete atribut iz tablice dimenzija i uputite se izravno na odgovarajuću tablicu činjenica bez dodirivanja bilo kojih posredničkih tablica.

# 6) Bušenje i namotavanje: Atributi dimenzija imaju mogućnost bušenja (ili) savijanja podataka kad god je to potrebno.

# 7) Višestruke hijerarhije: Tabela s jednom dimenzijom koja ima više hijerarhija vrlo je česta. Tablica dimenzija imat će jednostavnu hijerarhiju ako postoji samo jedan put od donje razine do vrha. Slično tome, imat će više hijerarhija ako je prisutno više staza koje se dosežu od donje razine do vrha.

# 8) Nekoliko zapisa: Tablice dimenzija imat će manji broj zapisa (u stotinama) od tablica činjenica (u milijunima). Iako su manje od činjenica, pružaju sve ulazne podatke u tablice činjenica.

Evo primjera tablice dimenzija kupaca:

Tablica dimenzija kupca - primjer

Razumijevanjem gornjih koncepata možete odlučiti može li podatkovno polje djelovati kao atribut dimenzije (ili) ne dok vadi podatke iz samog izvora.

Osnovni plan opterećenja za dimenziju

Dimenzije se mogu stvoriti na dva načina, tj. Izvlačenjem podataka o dimenzijama iz vanjskih sustava izvora (ili) ETL sustav može graditi dimenzije iz stupnjevanja bez uključivanja bilo kakvih vanjskih izvora. Međutim, ETL sustav bez ikakve vanjske obrade prikladniji je za izradu tablica dimenzija.

Slijede koraci uključeni u ovaj postupak:

najbolji alat za snimku zaslona za Windows 10
  • Čišćenje podataka: Podaci se čiste, provjeravaju i primjenjuju poslovna pravila prije učitavanja u tablicu dimenzija radi održavanja dosljednosti.
  • Podaci u skladu: Podaci iz ostalih dijelova skladišta podataka trebaju se pravilno agregirati kao jedna vrijednost, s obzirom na svako polje tablice dimenzija.
  • Dijelite iste domene: Nakon što se podaci potvrde, ponovno se pohranjuju u stupnjevne tablice.
  • Dostava podataka: Napokon se sve vrijednosti atributa dimenzija učitavaju dodijeljenim primarnim / surogat ključevima.

Vrste dimenzija

Razne vrste dimenzija navedene su u nastavku za vašu referencu.

Počnimo!!

# 1) Male dimenzije

Male dimenzije u skladištu podataka djeluju kao pretraživačke tablice s manjim brojem redaka i stupaca. Podaci u male dimenzije mogu se lako učitati iz proračunskih tablica. Po potrebi se male dimenzije mogu kombinirati kao super dimenzija.

# 2) Prilagođena dimenzija

Usklađena dimenzija je dimenzija na koju se može uputiti na isti način sa svakom tablicom činjenica s kojom je povezana.

Datumska dimenzija je najbolji primjer usklađene dimenzije jer atributi datumske dimenzije kao što su godina, mjesec, tjedan, dani itd. Prenose iste podatke na isti način u bilo kojem broju činjenica.

Primjer usklađene dimenzije.

Usklađena dimenzija - primjer

# 3) Bezvrijedna dimenzija

Nekoliko atributa u tablici činjenica, poput zastavica i indikatora, može se premjestiti u zasebnu tablicu dimenzija smeća. Ovi atributi također ne pripadaju nijednoj drugoj postojećoj tablici dimenzija. Općenito, vrijednosti ovih atributa jednostavno su 'da / ne' (ili) 'točno / netačno'.

Stvaranje nove dimenzije za svaki pojedinačni atribut zastavice čini je složenom stvaranjem većeg broja stranih ključeva tablice činjenica. Istodobno, zadržavanje svih ovih zastavica i podataka o indikatorima u tablicama činjenica također povećava količinu podataka pohranjenih u činjenicama što time pogoršava performanse.

Stoga je najbolje rješenje za to stvaranje jedne dimenzije smeća jer je dimenzija smeća sposobna sadržavati bilo koji broj indikatora 'da / ne' ili 'točno / lažno'. Međutim, bezvrijedne dimenzije pohranjuju opisne vrijednosti za ove pokazatelje (da / ne (ili) tačno / netačno) kao što su aktivne i na čekanju itd.

Na temelju složenosti tablice činjenica i njezinih pokazatelja, tablica činjenica može imati jednu ili više dimenzija smeća.

Primjer bezvrijedne dimenzije.

Dimenzija smeća - primjer

# 4) Dimenzija igranja uloga

Jedna dimenzija koja se u tablici činjenica može uputiti u više svrha poznata je kao dimenzija igranja uloga.

Najbolji primjer za dimenziju igranja uloga opet je tablica dimenzija Datum jer se isti atribut datuma u dimenziji može koristiti u različite svrhe, kao što su datum narudžbe, datum isporuke, datum transakcije, datum otkazivanja, itd.

Ako je potrebno, možete stvoriti četiri različita prikaza na tablici dimenzija datuma s obzirom na četiri različita atributa datuma tablice činjenica.

Primjer dimenzije igranja uloga.

Dimenzija igranja uloga

# 5) Izrođene dimenzije

Možda je malo atributa koji ne mogu biti ni dimenzije (metrike) ni činjenice (mjere), ali ih treba analizirati. Svi se takvi atributi mogu premjestiti u degenerirane dimenzije.

Na primjer, broj narudžbe, broj fakture itd. možete smatrati degeneriranim atributima dimenzija.

Primjer izrođene dimenzije.

Izrođena dimenzija - Primjer

# 6) Polako mijenjanje dimenzija

Polako se mijenja dimenzija vrsta je kod koje se podaci mogu mijenjati polako u bilo kojem trenutku, a ne u povremenim redovitim intervalima. Izmijenjenim podacima u tablicama dimenzija može se rukovati na različite načine kako je objašnjeno u nastavku.

Možete odabrati vrstu SCD-a da odgovorite na promjenu pojedinačno za svaki atribut u dimenzijskoj tablici.

(i) SCD tipa 1

  • U tipu 1 kada dođe do promjene vrijednosti atributa dimenzija, postojeće se vrijednosti prepisuju s novoizmijenjenim vrijednostima, što nije ništa drugo nego ažuriranje.
  • Stari podaci se ne čuvaju za povijesnu referencu.
  • Prošla izvješća ne mogu se obnoviti zbog nepostojanja starih podataka.
  • Jednostavno za održavanje.
  • Utjecaj na tablice činjenica je veći.

Primjer SCD tipa 1:

Upišite1_SCD

(Ii) Tip 2 SCD

  • U tipu 2, kada dođe do promjene vrijednosti atributa dimenzija, ubacit će se novi redak s izmijenjenim vrijednostima bez promjene starih podataka redaka.
  • Ako postoji bilo koja referenca stranog ključa koja postoji u starom zapisu u bilo kojoj tablici činjenica, tada se stari zamjenski ključ automatski posvuda ažurira novim surogat ključem.
  • Utjecaj na promjene tablice činjenica vrlo je manji s gornjim korakom.
  • Stari podaci se nigdje ne uzimaju u obzir nakon promjena.
  • U tipu 2 možemo pratiti sve promjene koje se događaju na dimenzijskim atributima.
  • Nema ograničenja za pohranu povijesnih podataka.
  • U tipu 2, dodavanje nekoliko atributa u svaki redak, poput promijenjenog datuma, efektivnog datuma i vremena, datuma i vremena završetka, razloga promjene i trenutne zastave nije obavezno. Ali to je značajno ako poduzeće želi znati broj promjena napravljenih tijekom određenog vremenskog razdoblja.

Primjer SCD tipa 2:

Upišite2_SCD

(III) Tip 3 SCD

  • U tipu 3 kada dođe do promjene vrijednosti atributa dimenzija, nove se vrijednosti ažuriraju, ali stare vrijednosti i dalje ostaju važeće kao druga opcija.
  • Umjesto dodavanja novog retka za svaku promjenu, dodat će se novi stupac ako prethodno nije postojao.
  • Stare vrijednosti stavljaju se u gore dodane atribute, a podaci primarnog atributa prepisuju se s promijenjenom vrijednošću kao u tipu 1.
  • Postoji ograničenje pohrane povijesnih podataka.
  • Utjecaj na tablice činjenica je veći.

Primjer SCD tipa 3:

Upišite3_SCD

(iv) SCD tipa 4

  • U tipu 4, trenutni podaci pohranjeni su u jednoj tablici.
  • Svi povijesni podaci održavaju se u drugoj tablici.

Primjer SCD tipa 4:

Upišite4_SCD

(v) Tip 6 SCD

  • Dimenzionalna tablica također može imati kombinaciju sve tri vrste SCD 1, 2 i 3 koja je poznata kao hibrid tipa 6 (ili) koji se polako mijenja.

Tablice činjenica

Tablice činjenica pohranjuju skup kvantitativno izmjerenih vrijednosti koje se koriste za izračune. Vrijednosti tablice činjenica prikazuju se u poslovnim izvješćima. Za razliku od tekstualnog tipa podataka tablica dimenzija, tip podataka tablica činjenica značajno je numerički.

Tablice činjenica duboke su, dok su dimenzijske tablice široke jer će tablice činjenica imati veći broj redaka i manji broj stupaca. Primarni ključ definiran u tablici činjenica prvenstveno je identificiranje svakog retka zasebno. Primarni ključ naziva se i kompozitni ključ u tablici činjenica.

Ako u tablici činjenica nedostaje složeni ključ i ako bilo koja dva zapisa imaju iste podatke, vrlo je teško razlikovati podatke i uputiti ih u tablice dimenzija.

Stoga, ako odgovarajući jedinstveni ključ postoji kao složeni ključ, onda je dobro generirati sekvencijski broj za svaki zapis tablice činjenica. Druga alternativa je oblikovanje spojenog primarnog ključa. To će se generirati spajanjem svih navedenih primarnih ključeva tablica dimenzija redom.

Jedna tablica činjenica može biti okružena tablicama s više dimenzija. Uz pomoć stranih ključeva koji postoje u tablicama činjenica, odgovarajući kontekst (detaljni podaci) izmjerenih vrijednosti mogu se uputiti u dimenzijske tablice. Uz pomoć upita, korisnici će učinkovito izvršiti bušenje i namotavanje.

Najniža razina podataka koja se može pohraniti u tablicu činjenica poznata je kao granulacija. Broj tablica dimenzija povezanih s tablicom činjenica obrnuto je proporcionalan granularnosti podataka te tablice činjenica. tj. Najmanja mjerna vrijednost treba uputiti na više tablica dimenzija.

U dimenzionalnom modelu tablice činjenica održavaju vezu mnogo prema mnogima s tablicama dimenzija.

Primjer tablice činjenica o prodaji:

Tabela činjenica o prodaji - Primjer

Učitajte plan tablica činjenica

Možete učinkovito učitati podatke tablice činjenica uzimajući u obzir sljedeće pokazivače:

# 1) Ispustite i vratite indekse

Indeksi u stvarnim tablicama dobri su pojačivači performansi tijekom ispitivanja podataka, ali ruše performanse tijekom učitavanja podataka. Stoga, prije učitavanja bilo kakvih ogromnih podataka u tablice činjenica, prvenstveno ispustite sve indekse na toj tablici, učitajte podatke i vratite indekse.

# 2) Odvojite umetke od ažuriranja

Nemojte spajati umetanje i ažuriranje zapisa dok se učitavate u tablicu činjenica. Ako je broj ažuriranja manji, zatim umetnite i ažurirajte odvojeno. Ako je broj ažuriranja veći, za brze rezultate preporučljivo je skratiti i ponovno učitati tablicu činjenica.

# 3) Pregrađivanje

Učinite fizičku particiju na tablici činjenica na mini tablice radi bolje izvedbe upita na skupnim podacima tablice činjenica. Osim DBA-ova i ETL tima, nitko neće biti svjestan podjele činjenica.

Kao an primjer , tablicu možete particionirati na mjesec, na četvrtinu, na godinu itd. Tijekom upita uzimaju se u obzir samo particionirani podaci umjesto skeniranja cijele tablice.

# 4) Paralelno opterećenje

jednostavan mp3 downloader besplatno preuzimanje puna verzija

Sad imamo ideju o particijama na tablicama činjenica. Podjele na činjenice također su korisne dok se ogromni podaci učitavaju u činjenice. Da biste to učinili, prvo logički razbijte podatke u različite podatkovne datoteke i pokrenite ETL zadatke kako biste paralelno učitali sve ove logičke dijelove podataka.

# 5) Uslužni program za skupno opterećenje

Za razliku od ostalih RDBMS sustava, ETL sustav ne mora izričito održavati evidencije vraćanja za kvarove u sredini transakcije. Ovdje se 'velika opterećenja' događaju u činjenicama umjesto u 'SQL umetcima' za učitavanje ogromnih podataka. Ako u slučaju da jedno opterećenje zakaže, tada se cjelokupni podaci mogu lako ponovno učitati (ili), a mogu se nastaviti tamo gdje su zaustavljeni s skupnim opterećenjem.

# 6) Brisanje evidencije činjenica

Brisanje zapisa iz tablice činjenica događa se samo ako poduzeće to izričito želi. Ako postoje podaci iz tablice činjenica koji više ne postoje u izvornim sustavima, tada se ti podaci mogu fizički (ili) logički izbrisati.

  • Fizičko brisanje: Neželjeni zapisi trajno se uklanjaju iz tablice činjenica.
  • Logično brisanje: U tablicu činjenica dodat će se novi stupac kao što je 'izbrisano' tipa Bit (ili) Boolean. Ovo djeluje kao zastava za predstavljanje izbrisanih zapisa. Morate osigurati da ne odabirete izbrisane zapise dok ispitujete podatke tablice činjenica.

# 7) Redoslijed ažuriranja i brisanje u tablici činjenica

Kada postoje podaci koji se trebaju ažurirati, tablice dimenzija trebaju se prvo ažurirati, a zatim ažuriranjem surogatnih ključeva u tablici pretraživanja, ako je potrebno, a nakon toga odgovarajuća tablica činjenica ažurira se. Brisanje se događa obrnuto, jer brisanjem svih neželjenih podataka iz tablica činjenica olakšava se brisanje povezanih neželjenih podataka iz tablica dimenzija.

Trebali bismo slijediti gornji slijed u oba slučaja, jer tablice dimenzija i tablice činjenica cijelo vrijeme održavaju referentni integritet.

Vrste činjenica

Na temelju ponašanja podataka tablica činjenica kategorizirani su kao tablice činjenica transakcija, tablice činjenica snimka i akumulirane tablice činjenica snimka. Sve ove tri vrste slijede različite značajke s različitim strategijama učitavanja podataka.

# 1) Tablice činjenica o transakcijama

Kao što naziv ukazuje, tablice činjenica transakcija pohranjuju podatke na razini transakcije za svaki događaj koji se dogodi. Takve je podatke lako analizirati na samoj razini tablice činjenica. Ali za daljnju analizu možete se pozvati i na pridružene dimenzije.

Na primjer, svaku prodaju (ili) kupnju koja se dogodi s marketinškog web mjesta treba učitati u tablicu činjenica o transakcijama.

Primjer tablice činjenica o transakcijama prikazan je u nastavku.

Tablica činjenica o transakcijama

# 2) Tablice činjenica o povremenim snimkama

Kao što naziv označava, podaci u periodičnoj tablici činjenica o snimkama pohranjuju se u obliku snimaka (slika) u povremenim intervalima, kao što su svaki dan, tjedan, mjesec, tromjesečje itd., Ovisno o poslovnim potrebama.

Dakle, jasno je da je ovo cijelo vrijeme agregacija podataka. Stoga su činjenice snimke složenije u usporedbi s tablicama činjenica transakcija. Na primjer, svi podaci o prihodima od izvedbe mogu se pohraniti u tablice činjenica sa kratkim snimkama radi lakšeg snalaženja.

Primjer tabele periodičnog snimka činjenica prikazan je u nastavku.

Periodična tablica činjenica Snapshot

# 3) Akumuliranje tabela činjenica sa snimkom

Tablice činjenica akumulacijskih snimaka omogućuju vam pohranjivanje podataka u tablice tijekom cijelog životnog vijeka proizvoda. To djeluje kao kombinacija gore navedene dvije vrste u koje se podaci mogu umetnuti u bilo kojem trenutku u bilo kojem trenutku kao snimka.

U ovoj se vrsti dodatni stupci datuma i podaci za svaki redak ažuriraju sa svim prekretnicama tog proizvoda.

Primjer tablice činjenica akumulacijskog snimka.

Prikupljanje tabela činjenica sa snimkom

Uz gore navedene tri vrste, evo još nekoliko vrsta tablica činjenica:

# 4) Činjenične tablice bez činjenica: Činjenica je skup mjera, dok činjenica manje bilježi samo događaje (ili) uvjete koji ne sadrže nikakve mjere. Tabela činjenica bez činjenica uglavnom se koristi za praćenje sustava. Podaci u ovim tablicama mogu se analizirati i koristiti za izvještavanje.

Na primjer, možete potražiti detalje o zaposleniku koji je uzeo dopust i vrstu odsustva u godinu dana itd. Uključujući sve te nejasne detalje činjenica, tablica će definitivno povećati veličinu činjenica.

Primjer tablice činjenica bez činjenica prikazan je u nastavku.

Factless_fact

# 5) Tablice sukladnih činjenica: Usklađena činjenica je činjenica na koju se može pozivati ​​na isti način sa svakim podacima na koji je povezan.

Specifikacije tablice činjenica

Slijede specifikacije tablice činjenica.

  • Naziv činjenice: Ovo je niz koji ukratko opisuje funkcionalnost tablice činjenica.
  • Poslovni proces: Tabela činjenica mora ispuniti razgovore o poslu.
  • Pitanja: Spominje popis poslovnih pitanja na koja će dati odgovore ta tablica činjenica.
  • Žitarica: Označava najnižu razinu detalja povezanu s podacima te tablice činjenica.
  • Dimenzije: Navedite sve tablice dimenzija povezane s tom tablicom činjenica.
  • Mjere: Izračunate vrijednosti pohranjene u tablici činjenica.
  • Učestalost opterećenja Predstavlja vremenske intervale za učitavanje podataka u tablicu činjenica.
  • Početni redovi: Pogledajte prvi put navedene podatke u tablici činjenica.

Primjer modeliranja dimenzijskih podataka

Možete dobiti ideju o tome kako tablice dimenzija i tablice činjenica mogu biti dizajnirane za sustav promatranjem donjeg dijagrama dimenzijskog modeliranja podataka za prodaju i narudžbe.

Primjer dimenzijskog modeliranja podataka

Zaključak

Do sada ste trebali steći izvrsno znanje o Tehnikama dimenzijskog modeliranja podataka, njihovim prednostima, mitovima, tablicama dimenzija, tablicama činjenica, zajedno s njihovim vrstama i procesima.

Pogledajte naš predstojeći vodič da biste saznali više o shemama skladišta podataka !!

=> Posjetite ovdje da biste od početka naučili skladištenje podataka.

Preporučena literatura

^