Περιεχόμενο Μαθήματος
Τελικό Project
Σε αυτή την ενότητα θα συζητηθεί εκτενώς ποιο είναι το τελικό project, ποιος είναι ο στόχος του, τι αναμένω ως καθοδηγήτρια από εσάς σχετικά με το τελικό project, πώς αναμένετε να είναι η συνεργασία μας και διάφορες οδηγίες επιτυχίας του project.
0/7
Επιπλέον Πηγές και Αξιολόγηση
Εδώ θα βρείτε διάφορα Cheatsheets, Youtube Videos, Άρθρα και e-books τα οποία μπορούν να σας βοηθήσουν στην επέκταση γνώσεων επί του θέματος του μαθήματος. Επίσης, θα αξιολογήσετε το μάθημα.
0/5
Data Warehouses 101: Το επόμενο βήμα στην ανάλυση
Σχετικά με το Μάθημα

Dimensional Model


  • A specific discipline for modeling data that is an alternative to Entity-Relationship (ER) model.
  • Main components are Fact tables and Dimension tables.
  • Better for decision support that an ER Model.

Dimensions 

  • Dimensions refer to Business Entities like Products, Airplanes, Type of Room, Person, House, etc.
  • It is derived from the normalization of a single table.
  • The most consistent dimension is the Date dimension.

Facts

  • A Fact table stores observations/events such as Sales, Orders, Bookings, Flights, etc.
  • A Fact is a measure that can be aggregated (finding the summary, average, median, min, max, count, etc.)

 

Important Terminology by Kimball and Ross (2013)


Grain:

  • Each row in a Fact table is related with a measurement event.
  • The data on each row is at a specific level of detail is the grain

Example:

One row per customer sold on a flight sales transaction

The most important:

Maintain the same grain throughout the rows of a Fact table.

Source:  Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit (3rd ed.). Wiley. https://www.perlego.com/book/1000381
0% Ολοκληρωμένο
Κύλιση στην κορυφή