数据仓库生命周期:
1.DW/BI项目规划
2.获取业务需求:开发的优先顺序
3.开发技术架构和产品选择
4.物理设计方面的考虑
5.BI应用设计与开发活动
6.部署和维护
维度建模过程:
1.确定参与人,特别是业务代表
2.业务需求评审:将业务需求转换为灵活的维度模型
3.建立命名规则
开发详细的维度模型:
1.确定维度及其属性
2.确定事实
3.建立详细的表设计文档
Hive构建数据仓库:结合kimball维度建模在大数据平台上搭建数据仓库。
数据仓库生命周期:
1.DW/BI项目规划
2.获取业务需求:开发的优先顺序
3.开发技术架构和产品选择
4.物理设计方面的考虑
5.BI应用设计与开发活动
6.部署和维护
维度建模过程:
1.确定参与人,特别是业务代表
2.业务需求评审:将业务需求转换为灵活的维度模型
3.建立命名规则
开发详细的维度模型:
1.确定维度及其属性
2.确定事实
3.建立详细的表设计文档
Hive构建数据仓库:结合kimball维度建模在大数据平台上搭建数据仓库。