TDWI Data Modeling: Data Analysis and Design for BI and Data Warehousing Systems (Online-Canlı)

Eğitim Süresi

2 GÜN

Kontenjan

10

Ön Koşullar

Herhangi bir ön koşul yoktur.

Eğitim Hakkında

İş zekası ve veri ambarı sistemleri, geçmişin başarısı kanıtlanmış veri modelleme tekniklerine meydan okuyor. Gereksinimlerden uygulamalara dek yeni veri rolleri, kullanımları ve türleri güncellenmiş modelleme becerileri gerektiriyor. Veri modelleyicinin alet kutusunda da ilişkisel verilere, boyutsal verilere, yapılandırılmamış verilere ve ana verilere yönelik aletler olmalıdır. Veri modelleme konusunda deneyimi olanlar için bu kurs, günümüzün modelleme zorluklarını ele almaya yönelik becerileri daha da geliştirmektedir. Veri modellemeye yeni olanlar içinse iş zekası/veri ambarı sistemleri için gereken birçok farklı modelleme becerisini tanıtmaktadır. Veri modellerini geliştirmekten ziyade anlaması gerekenlerse çeşitli model şekillerini ve bu modellerle neyin iletilmesinin amaçlandığını öğrenmektedirler.


Bu Eğitimde Neler Öğreneceksiniz

  • İşle ilgili işlemler, iş olayları ve iş metrikleri için modelleme tekniklerindeki farklılıklar
  • Farklı veri türleri ve bunların çıkarımları
  • İş bağlamının modelleme faaliyetlerine uygulanması
  • İş zekası veri modellemesinde iş gereksinimlerinin rolü
  • Veri modellemesinde kaynak veri analizinin rolü
  • Veri ambarı analizi ve tasarımı için normalleştirilmiş modelleme tekniklerinin kullanımı
  • Veri ambarı analizi ve tasarımı için boyutsal modelleme tekniklerinin kullanımı
  • Veri ambarı tasarımında genelleştirme ve soyutlama rolleri
  • Veri ambarı tasarımında kimlik ve hiyerarşi yönetiminin rolleri
  • Zaman değişken veriler veri modellerinde nasıl temsil edilir
  • Veri depolarından veri ambarı oluşturulmasına ilişkin uygulama ve optimizasyon hususları

Bu Eğitime Kimler Katılmalı

Veri mimarları, veri modelleyiciler, iş zekası program ve proje yöneticileri, iş zekası/veri ambarı sistem geliştiricileri katılabilir.


Eğitim İçeriği

Module One: Data Modeling Concepts

The Data Modeling Life Cycle

  • Where Data Modeling Begins And Ends
  • Between Business Needs And Implemented Data

Kinds Of Data Systems

  • Business Uses Of Data

Data Taxonomies

  • Data Properties
  • Data Characteristics

Data Modeling Framework For BI

  • Where And What To Model


Module Two: Business Data Models

Business Context

  • Business Drivers, Goals, And Strategies
  • Business Information Needs
  • Business Domains
  • Business Subjects

Business Data Model Development

  • Top-Down – Incremental And Iterative

Gathering Business Questions

  • The Modeling Process
  • Working With The Business
  • An Example

Analyzing Business Questions

  • The Modeling Process
  • Mapping Facts And Qualifiers – Finding The Facts
  • Mapping Facts And Qualifiers – Fact/Qualifier Associations
  • An Example

Fact Analysis And Refinement

  • Removing Redundancy
  • An Example

Qualifier Analysis And Refinement

  • Finding Hierarchies
  • An Example

Business Dimensional Modeling

  • The Modeling Process
  • An Example


Module Three: Logical Data Models

What To Model

  • The Data And Information Pipeline

Understanding Data Structures

  • Why Sources Matter
  • Extracting Source Data Structure
  • Source Data Profiling

Logical Relational Modeling

  • The Modeling Process
  • Logical Models For Data Warehouse And Ods
  • A Data Warehouse Example
  • Logical Models For Marts And Reporting

Logical Dimensional Modeling

  • Data Structure Of Business Metrics
  • The Modeling Process
  • Modeling Meters And Measures
  • Adding The Dimensions
  • Refining And Enriching The Dimensions
  • Declaring The Grain
  • Refining And Enriching The Measures

Logical Models And Business Metrics

  • Creating A Catalog Of Metrics
  • Classifying Metrics
  • An Example

Logical Models And Business Analytics

  • Analytics Applications
  • Data Mining Applications

Logical Models And Master Data Management

  • Identity Management
  • Hierarchy Management

Logical Models And Unstructured Data

  • Unstructured Data And Content Management
  • Unstructured Data And Text Analytics
  • Big Data


Module Four: Implementation Data Models

Data Structure In Transaction Systems

  • Extracting The Structure Of Existing Data

Structural Modeling And Data Integration

  • From Business Models To Technology Models
  • Normalization
  • The Normalization Process
  • A Normalization Example
  • Time-Variant Data Structures
  • A Snapshot Example
  • An Audit Trail Example
  • An Example Of States
  • Access, Navigation, Security, And Distribution
  • Access And Navigation Examples
  • Security And Distribution Examples

Structural Modeling And Business Analytics

  • From Metrics Models To Technology Models
  • Star-Schema Design
  • Star-Schema Design Process
  • Star-Schema Design - Modeling Dimension Tables
  • Star-Schema Design - Dimension Table Key
  • Star-Schema Design – Considering The Facts
  • Star-Schema Design – Fact Table Key
  • Analytic Application And Data Structures
  • Data Mining Data Structures

Physical Design Overview

  • The Results Of Physical Design And Implementation

Some Optimization Techniques

  • Derivation
  • Aggregation
  • Summarization
  • Horizontal Partitioning
  • Vertical Partitioning
  • Optimization Summary

Physical Design And Implementation

  • Implementing Relational Data
  • Implementing Business Analytics
  • Implementing Olap

Module Five: Summary And Conclusion

Appendices

  • Appendix A - Entity-Relationship Modeling Basics
  • Relational Data Design
  • Introduction To Entity/Relationship Modeling
  • E/R Model Components
  • Entities And Attributes
  • Relationships
  • Subtypes And Supertypes
  • Reading E/R Models: E/R Models For Communication

Appendix B – Case Study

Appendix C – Exercises

  • Exercise One – Business Domains
  • Exercise Two – Business Subjects
  • Exercise Three – Fact Qualifier Matrix
  • Exercise Four – Fact Qualifier Matrix Refinement
  • Exercise Five – Logical Dimensional Model
  • Exercise Six – Star Schema