数据仓库
hxhh
研发+产品,分享一些工作实用技巧和干货,共勉
展开
-
原创 数据仓库工具箱-学习笔记8-处理缓慢变化维度属性
2.5处理缓慢变化维度属性原创 2020-10-21 16:22:12 · 327 阅读 · 0 评论 -
数据仓库工具箱-学习笔记7-使用一致性维度
2.4使用一致性维度维度建模目的:集成来自不同商业过程的数据,且定义了简单而强大的解决方案。一、一致性维度不同的维度表的属性具有相同的列名和领域内容时,称维度表具有一致性。有利于事实表的重用,减少开发开销和重新创表、数据对不齐的开发症结。二、缩减维度在特定的需求下,我们需要进行缩减维度,由基本列or行的子集构成。例如按月和品牌进行预测报表,我们不需要将销售相关的终极原子的数据拉出来,只需要使用聚合即可。三、跨表钻取首先要了解什么是钻取:钻取是改变维的层次,变换分析的粒度。它包括向原创 2020-09-18 17:11:43 · 1576 阅读 · 0 评论 -
数据仓库工具箱-学习笔记6-维度表技术基础
## (Chapter2 Kimball 维度表技术基础)适用于所有维度表!一、维度建表结构二、维度代理键三、自然键、持久键、超自然键四、下钻五、退化维度六、非规范化扁平维度七、多层次维度八、文档属性的标志与指示器九、维度表的空值属性十、日历日期维度十一、扮演角色维度十二、杂项维度十三、雪花维度十四、支架维度...原创 2020-08-19 16:57:04 · 745 阅读 · 0 评论 -
数据仓库工具箱-学习笔记5-维度建模技术概述
数据仓库工具箱-学习笔记5原创 2020-07-31 18:07:25 · 328 阅读 · 0 评论 -
数据仓库工具箱-学习笔记4-其他DW/BI架构介绍
数据仓库工具箱-学习笔记3其他DW/BI架构介绍一、独立数据及时架构无需考虑企业级信息共享和集成,只针对部分人员的需求。适合快速响应二、辐射状企业信息工厂Inmon架构辐射状企业信息工厂(Corporate Information Factory,CIF)方法。关注核心元素展开讨论。以部门为中心设计的,而不是以也业务中心三、常见的维度建模错误理解1.维度模型仅包含汇总数据 ×...原创 2020-07-20 09:47:46 · 509 阅读 · 0 评论 -
数据仓库工具箱-学习笔记3-Kimball的DW和BI框架
数据仓库工具箱-学习笔记3Kimball的DW和BI框架DW/BI系统组成分为四个:操作型原系统、ETL系统、数据展现、商业智能一、操作型源系统记录的是业务数据,认为原系统处于数据仓库之外,因为我们几乎不能才做这部分数据,它的目的是保留源数据的格式和内容。主要关注处理性能和可用性。二、ETL系统获取、转换、加载(Extract Transformation and Load,ETL)系统。其中包括工作区间、实例化数据结构、过程集合。是处于操作型源系统和DW/BI展现系统之间的区域。数据操作流程原创 2020-07-17 16:57:50 · 779 阅读 · 0 评论 -
数据仓库工具箱-学习笔记2-数据仓库、商业智能及维度建模初步
数据仓库工具书-学习笔记2(chapter1数据仓库、商业智能及维度建模初步)作者认为,没有必要纠结于技术,因为技术只是实现业务的工具,它会更新会变化,而真正根源是解决业务问题,至于什么技术实现不必纠结,探讨的是逻辑设计、物理设计及采用的相关技术和工具的决策和选定。一、三个重要概念1.数据仓库 DW(Data Werehousing)、2.商业智能 BI(Business Intelligence)、3.维度建模初步 (DW/BI的展现技术)二、信息的两个目的1.操作型记录的保存(用户获取订单原创 2020-07-14 17:29:45 · 718 阅读 · 0 评论 -
数据仓库工具箱-学习笔记1-前言&导读
数据仓库工具书第三版-学习笔记1(前言)一、商业目标管理组织中的数据并将其用于业务用户的决策,并从中获得回报。二、两种使用数据仓库的角色1.数据库管理员2.商业分析师二、三个重要概念1.数据仓库 DW(Data Werehousing)、2.商业智能 BI(Business Intelligence)、3.维度建模初步 (DW/BI的展现技术)三、维度建模:1.遵循简单性,易于用户理解和查询2.维度建模的框架将成为BI的平台,是建立集成化的DW/BI系统的主导结构3.维度建模是DW原创 2020-07-14 16:59:07 · 377 阅读 · 0 评论