Kurzusleírás
Bevezetés
- A meglévő adattárház adatmodellező architektúrák hiányosságai
- A Data Vault modellezés előnyei
Az Data Vault építészet és tervezési elvek áttekintése
- SEI / CMM / Megfelelőség
Data Vault alkalmazások
- Dinamikus adattárház
- Kutatási raktározás
- In-Database Data Mining
- Külső információk gyors összekapcsolása
Data Vault alkatrészek
- Hubok, linkek, műholdak
Egy Data Vault
Hubok, kapcsolatok és műholdak modellezése
Data Vault hivatkozási szabályok
Hogyan hatnak egymásra az összetevők
Egy Data Vault modellezése és feltöltése
3NF OLTP átalakítása Data Vault Enterprise Data Warehouse (EDW)
A betöltési dátumok, a befejezési dátumok és a csatlakozási műveletek megértése
Business kulcsok, kapcsolatok, hivatkozási táblák és csatlakozási technikák
Lekérdezési technikák
Betöltés feldolgozás és lekérdezés feldolgozása
A Matrix módszertan áttekintése
Adatok bevitele adatentitásokba
Hub entitások betöltése
Hivatkozási entitások betöltése
Műholdak betöltése
SEI/CMM Level 5 sablonok használata megismételhető, megbízható és számszerűsíthető eredmények elérése érdekében
Konzisztens és megismételhető ETL (Extract, Transform, Load) folyamat kialakítása
Nagyon skálázható és megismételhető raktárak építése és telepítése
Zárszó
Követelmények
- Az adattárház fogalmainak megértése
- Az adatbázis- és adatmodellezési fogalmak megértése
Közönség
- Adatmodellezők
- Adattárház specialista
- Business Hírszerzési szakemberek
- Adatmérnökök
- Database rendszergazdák
Vélemények (1)
how the trainor shows his knowledge in the subject he's teachign